Opus 5.5、全エフォートで全タスク正解

この記事はドキュメントと実践の隔たりから生まれた。エフォートはAPIドキュメントで、Claudeが応答に使うトークン量を調整するものと説明され、思考・ツール呼び出し・説明の長さに影響する。しかし筆者は、ドキュメントを読むだけではレベルが実際のタスクで何を変えるか分からないと感じ、それを可視化するためにテストを実施した。

エフォートの段階はlow・medium・high・xhigh・maxで、既定値はモデルごとに異なる。Opus 5.5はmedium、Opus 4.7はxhigh、Fable 5.1やSonnet 5などはhighが既定だ。AnthropicのドキュメントはOpus 5.5が1段低い理由を説明し、コーディングとナレッジワークの評価でOpus 5.5のmediumがOpus 5のhighと同等以上だと述べ、旧モデルの設定を引き継がずmediumから始めるよう勧めている。設定は会話の途中で送信ボタン横のスライダーから変更でき、settings.jsonでモデルごと、環境変数CLAUDE_CODE_EFFORT_LEVELでセッションごと、front matterでスキルやサブエージェントごとにも指定できる。maxは既定として保存されず、そのセッション限りで有効だ。Thariq氏の記事は、Claude Codeでエフォートを変えても新モデルではプロンプトキャッシュが壊れないと付け加えている。

2つのタスクには意図的に罠を仕込んだ。果物店の売上CSVはShift_JISファイル、全角数字、紛れ込んだ合計行が混在し、24件の会議のタイムゾーン変換は夏時間の切替日が異なること、南半球の夏時間、+5:45のオフセット、12時間表記が混在していた。どちらも5段階すべてで、各3回実行して正解した。目に見える差は自己検証に現れた。medium以上は毎回8月の合計行を突き合わせ、high以上は金額÷数量で単価を検証し、maxは出力ファイルを開き直した。タイムゾーンのタスクでは、maxはtzdataのバージョンを確認し、更新履歴をウェブで読み、GNU dateで24行すべてを再計算して照合した。xhighは最初の手順を1回しか行わなかった。筆者は、以前のセキュリティ寄りのタスク2件もlowで解けたと述べ、これはAnthropicが既定をmediumに下げたことと整合すると見ている。実用的な読みはこうだ。エフォートはダブルチェックを誰がやるか――モデルか、ユーザーか――を決める。つまりこの設定は、タスクから離れたい読者に最も効いてくる可能性が高く、作業を眺め続ける読者には低いレベルで十分かもしれない。