Anthropicはシステムプロンプトの指示の80%を削ぎ落とし、数日間あるいは数週間にわたって自律的に動作し、Arc AGIベンチマークで30%を記録する新しいClaude Codeモデル「Opus 5」をリリースしました。同社が「アンホブリング（unhobbling：足かせを外す）」戦略と呼ぶこの「プレス・デリート（press-delete）」による再設計は、大規模言語モデルを通常チャット専用モードに留めておくソフトウェアの制約を取り除き、AIの生の能力を表面化させます。

なぜこの変更が重要なのか

Anthropicのエンジニアは、これまでClaudeに、モデルが何を言い、何を言うべきではないか、そしてどのようにタスクを遂行し続けるべきかを指示する、高密度なガードレール（明示的なプロンプト）を詰め込んでいました。これらのプロンプトは、モデルがテストされていない挙動に迷い込むのを防ぐ「リード（紐）」のような役割を果たしますが、同時にモデルが達成できることにも限界を設けてしまいます。Opus 5の登場時、チームはプロンプトのスタック全体を削除し、その後、指示を一つずつ再追加しながら、それぞれの影響を測定しました。新しいモデルはより有能であるため、元の指示の大部分を削っても信頼性の高い結果を得ることができました。現在、システムはハイレベルな目標を理解し、完全なファイルや機能を生成できるようになっています。

技術的な成果

  • ベンチマークの飛躍 – Opus 5は、モデルの未知の問題を解決する能力を測定する指標であるArc AGIベンチマークで30%のスコアを達成しました。以前のClaudeのバージョンはこの数値を大きく下回っており、生の推論能力が大幅に向上したことを示しています。
  • 自律性の拡張 – 「Auto Mode」機能により、モデルは自身のコンテキストを維持しながら、人間による絶え間ない促しなしに長期間動作し、進捗を出すことができます。実際、開発者は仕様をモデルに渡し、マイルストーンに到達したときだけ確認すればよいという形で、数日間にわたって反復作業を行わせることが可能です。
  • プロンプトインジェクションへの耐性強化 – プロンプトインジェクションは、ユーザー入力に悪意のある指示を埋め込むことで、モデルに安全ルールを無視させる手法です。Anthropicによると、Opus 5は内部研究と、不審なパターンをフラグ立てする特化型の分類器のおかげで、従来モデルよりもこの攻撃に強いといいます。また、リリース前に終了条件とガードレールを定義することを推奨しています。

開発者と企業にとっての利害

AIを活用したツールを構築するスタートアップにとって、この変更は「プロダクト・オーバーハング（product overhang）」、つまりモデルができることと、周囲のソフトウェアが許可することの間のギャップを広げます。このオーバーハングを取り除くことで、Claude Codeは単純なチャットインターフェースを、コードを自律的に記述、テスト、リファクタリングするフルスタックの開発アシスタントへと変貌させることができます。このモデルを採用する企業は、反復的なコーディング作業に費やす時間を削減し、エンジニアをより高度な設計業務に充てることが可能になります。

「アンホブリング（unhobbling）」の真意

Chernyは、有能なモデルを人工的な制約から解放することを表現するために「unhobbling」という言葉を作りました。多くのAI製品において、開発者はUIやポリシーの枠組みがモデルの全能力に対応できていないため、意図的にモデルが試行できる範囲を制限しています。その結果、AIが活用されない潜在能力のまま据え置かれる「プロダクト・オーバーハング」が生じます。Claude Codeはその潜在能力を現実のものとし、モデルを単なる質疑応答ボットではなく、ソフトウェアの共同執筆者（co-author）として機能させます。

創業者と学生へのアドバイス

  • オーバーハングを見極める – 既存のAIツールが現在の限界のすぐ先でつまずいているタスクを探してください。それらは「アンホブリング」のアプローチによって、極めて大きなリターンが得られる「ローハンギング・フルーツ（容易に手に入る成果）」となります。
  • モデルを限界まで引き出す – 公表されている能力をわずかに超えるような課題をAIに与えてみてください。特にプロンプトによる摩擦を減らすと、モデルの内部的な推論能力に驚かされるかもしれません。
  • 明確なガードレールを定義する – モデルを監視なしで動作させる前に、終了条件（例：最大実行時間、リソース制限）と安全チェックを定めておきましょう。これにより、リスクを限定したままAIに探索を行わせることができます。

学生は理論と実践を融合させるべきです。アルゴリズムを習得することは価値がありますが、その知識をプロダクト思考やデータ駆動型の実験と組み合わせることで、次世代のAIファーストなビルダーになれるでしょう。

今後の注目点

要点: システムプロンプトの大部分を削除することで、Anthropicはよりスマートなモデルに手助けを最小限に抑えて動作させ、Claude Codeを数週間にわたるプロジェクトに取り組める自律的なコーダーへと進化させました。