投稿者 投稿日: カテゴリー Claude
Claude Opus 5の128K出力とは、1回の応答で最大12万8千トークンを返せる上限のことです。
2026年7月24日に公開されたClaude Opus 5は、100万トークンのコンテキストに加えて、出力側も最大128Kトークンまで扱えます。これが実務で何を変えるかというと、「商品50件分の説明文を1回の応答で書き切る」使い方が現実になりました。従来は出力上限に当たって途中で切れるため、10件ずつ小分けにして繰り返す運用が普通でした。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）の現場知見にもとづき、128K出力を商品説明文の一括生成に落とす5つの手順と、トークン量の試算方法を示します。
到達点を先に置きます。この記事の手順で、楽天RMSのPC用商品説明文（半角10,240文字以内）を1回の実行で20〜40件分まとめて生成し、CSVに戻すところまでの流れが組めます。小分け実行で発生していた「前の回と言い回しが揃わない」問題も、同一応答内で書くことで揃います。
Opus 5で何が変わり、何が変わらないのか
出力上限が上がったことの実利は、指示の一貫性です。AnthropicのOpus 5は、100万トークンのコンテキストウィンドウ、最大128Kトークンの出力、既定で有効な適応的思考（回答の前に考える量を自動調整する仕組み）、5段階の思考量設定を備えています。Claude Maxでは既定モデル、Claude Proでは最も強いモデルという位置づけです。価格面では、上位のFable 5に近い性能を約半額で提供するという説明が出ています。
128K出力が効くのは、同じ書式を大量に繰り返す作業です。商品説明文を10件ずつ5回に分けて生成すると、2回目以降でモデルは前回の出力を直接見ていません。プロンプトに書式を書いていても、細かい語尾や訴求の順序に揺れが出ます。1回の応答で50件を書けば、同一の文脈内で生成されるため、揺れが小さくなります。現場で繰り返し見るのは、この揺れを人が手で直す工程が意外に重いという事実です。
一方で、変わらないことも押さえてください。出力上限が上がっても、事実の正確さは上がりません。成分、サイズ、産地、容量といった商品固有の事実は、プロンプトに入れた情報がそのまま使われます。入力データが薄ければ、出力は当たり障りのない文章になります。128K出力は「大量に書ける」ための上限で、「正しく書ける」ための機能ではありません。
入力側の100万トークンも、商品説明文の生成では別の効き方をします。過去に人が書いた良質な説明文を20件まとめて渡し、そこから語調を学ばせる使い方ができます。自社の文体を再現させたい場合、指示文で「親しみやすく」と書くより、実物を20件見せるほうが再現度が上がります。アパレル系の単一店舗で試したケースでは、指示文だけの生成と実例20件を添えた生成を比べたとき、修正が必要だった件数が半分以下になりました。件数の少ない観察なので数値は目安ですが、実例を渡す価値は高い部分です。
もう一つ変わらないのが、レビュー工程の必要性です。50件を1回で生成すると、確認も50件分まとめて発生します。人の目を通す時間は減りません。むしろ、まとめて生成した分をまとめて確認する体制がないと、未確認のまま公開する事故が起きやすくなります。生成の効率化とレビューの体制づくりは、同時に手を付ける必要があります。
適応的思考と5段階の思考量設定については、費用との関係で見る必要があります。思考量を上げると出力の品質は安定しますが、消費トークンが増えます。商品説明文の一括生成は定型作業なので、思考量は低めから試して、修正件数が許容範囲に収まるかを確認する順序が無理のない進め方です。この調整の考え方はOpus 5の思考量とコスト最適化で詳しく整理しています。価格面の比較はOpus 5が半額でFable 5級という位置づけを参照してください。
トークン量を先に試算する
結論として、一括生成で最初に決めるべきは「1回に何件を入れるか」です。これはトークン量の計算で決まります。感覚で決めると出力上限に当たって途中で切れ、やり直しで費用が二重にかかります。
計算の考え方は単純です。日本語は1文字あたり概ね1トークン前後を消費します。実際にはモデルのトークナイザー（文章をトークンに分割する仕組み）によって差があり、漢字が多い文章では1文字1トークンを超えることもあります。安全側で見るなら、日本語1文字を1.2トークンとして計算してください。
楽天RMSのPC用商品説明文は半角10,240文字、全角換算で5,120文字が上限です。実務では上限まで埋めることは少なく、全角1,000〜1,500文字程度で書くケースが多く見られます。仮に1件1,200文字とすると、1.2倍して1件あたり約1,440トークンです。128,000トークンの上限に対して、単純計算で88件分に相当します。ただし出力には見出しやCSVの区切り文字も含まれるため、実務では余裕を持って40〜50件に抑えるのが安全です。
入力側も計算します。1件あたりの商品情報を、商品名、属性10項目、既存の説明文、注意事項で合計600文字とすると、1.2倍で約720トークンです。40件で28,800トークン。これに指示文と書式サンプルを加えても、100万トークンのコンテキストには余裕があります。入力側で詰まることは、商品説明文の生成ではほぼ起きません。
費用の試算に移ります。Opus 5の公開単価は執筆時点で確認が必要な部分があるため、ここでは考え方だけ示します。入力と出力それぞれの100万トークンあたり単価に、上で計算したトークン量を掛けます。40件で入力3万トークン、出力6万トークン程度なら、上位モデルでも1回の実行は数十円から数百円の範囲におさまる計算です。5,000SKUを全件書き直しても、125回の実行で完了します。実際の請求額は思考量の設定で変わるため、最初の1回を実測してから全体を見積もってください。
トークン量の計算は、多くの店舗で省略されています。直近の支援案件で観測したのは、10件ずつ500回実行して、途中で費用に驚いて止まったケースでした。1回目の実行前に3分計算しておけば避けられる事故です。
もう一点、出力上限と「実際に返ってくる長さ」は別だという注意があります。上限が128Kトークンであっても、モデルが常にそこまで書くわけではありません。指示が曖昧だと、40件を依頼しても20件で切り上げて「以下同様です」と返してくることがあります。これを防ぐには、件数を明示し、各件の先頭に商品管理番号を出させ、最後に処理件数を報告させる指示を入れます。件数の自己申告があれば、抜けをその場で検知できます。
Amazonの商品説明（半角2,000文字以内）や、Yahoo!ショッピングの商品情報（全角900文字以内）を対象にする場合は、1件あたりのトークンが小さくなるため、1回で扱える件数が増えます。全角900文字なら1.2倍で約1,080トークン、区切りを含めても100件前後が計算上の範囲です。ただし件数を増やすほど、途中で品質が落ちる傾向が出ます。件数の上限は計算値より低めに設定し、品質を実測で確かめてから広げる順序が安全です。
一括生成を回す5手順とプロンプト5本
手順は5つです。書式サンプルの固定、入力データの整形、分割単位の決定、生成の実行、CSVへの戻しです。
第1に書式サンプルの固定です。理想的な商品説明文を1件、人が書きます。これが全件の基準になります。見出しの数、段落の長さ、訴求の順序、禁止表現、締めの一文まで含めて確定させてください。ここを曖昧にすると、40件分の出力を全部直す作業が発生します。
第2に入力データの整形です。CSVから必要な列だけを抜き、1件ずつ区切って渡す形にします。商品管理番号、商品名、属性、素材や成分、サイズ、注意事項が基本の列です。原価や仕入先の列は落とします。
第3に分割単位の決定です。前節の計算に沿って、1回あたりの件数を決めます。初回は20件から始め、出力が途中で切れないことを確認してから40件へ上げる進め方が安全です。
第4に生成の実行です。同じプロンプトで、商品データだけを差し替えて繰り返します。プロンプトを毎回いじると出力の揺れが増えます。
第5にCSVへの戻しです。出力に商品管理番号を必ず含めさせ、突き合わせができる形にします。これを忘れると、40件の文章がどの商品のものか分からなくなります。楽天RMSへ一括で登録する場合は、CSVの文字コードにも注意が必要です。Shift-JISで保存する運用が残っている環境では、生成された文章に全角の特殊記号や環境依存文字が混ざると文字化けします。生成の指示に「使用する記号は句読点と中黒のみ」と1行入れておくと、この種の手戻りが減ります。
手順を通す順番にも意味があります。書式サンプルを先に固めるのは、後工程すべての基準になるためです。入力データの整形を先にやってしまうと、サンプルが決まったあとに「この属性も渡すべきだった」と戻ることになります。分割単位の決定を生成の前に置くのは、途中で切れたときのやり直し費用を避けるためです。この5つを1回通せば、2回目以降は同じ順序で機械的に回せる状態になります。
以下のプロンプトは、この5手順で使うものを5本です。Opus 5を前提に書いていますが、ChatGPTのGPT-5.6やGeminiの3.6 Flashでも、出力上限の範囲を調整すれば動きます。
（用途：基準となる書式サンプルを作る）
プロンプト1：商品説明文の書式サンプルを1件つくる
あなたは日本のEC事業者の商品ページを設計するコピーライターです。
以下の商品について、他の商品にも展開できる「型」として使える説明文を1件書いてください。
構成の要件：
1. 冒頭2文で、どんな人がどんな場面で使うかを示す
2. 見出しを3つ置き、各見出しの下は3〜5文
3. 素材・成分・サイズ・容量などの事実を、見出し2に集約する
4. 使用上の注意を最後に置く
5. 全角1,200文字前後（1,000〜1,400字の範囲）
禁止事項：
- 効果や効能を断定する表現
- 最大級表現（最高、日本一、No.1、絶対など）
- 絵文字と装飾記号
商品情報：
- ジャンル：{ジャンル}
- 商品名：{名称}
- 素材/成分：{内容}
- サイズ/容量：{値}
- 想定利用者：{年代・状況}
出力：説明文本文のみ。書き終わったら、この型を他商品へ展開する際の注意点を3行で付記してください。
（用途：入力データを一括生成用に整える）
プロンプト2：商品CSVを一括生成用の入力形式に整える
あなたはEC事業者のデータ整形担当です。
以下のCSVを、商品説明文の一括生成に渡すための形式へ変換してください。
やること：
1. 生成に不要な列（原価、仕入先、社内メモ、在庫数）を除外する
2. 残す列を「商品管理番号／商品名／属性／素材成分／サイズ容量／注意事項」に統一する
3. 属性が複数列に分かれている場合は「項目名:値」をセミコロン区切りでまとめる
4. 空欄がある行には「情報不足:項目名」と明記する
5. 1件ずつ「---」で区切る
CSV：
{貼る}
出力の最後に、情報不足の行数と、不足が多い項目の上位3つを示してください。
（用途：一括生成の本体）
プロンプト3：商品説明文を40件まとめて生成する
あなたは商品ページのコピーライターです。
以下の書式サンプルとまったく同じ構成・語調で、渡された商品すべての説明文を書いてください。
厳守事項：
1. 各件の冒頭に「商品管理番号: {値}」の行を必ず置く
2. 全角1,200文字前後（1,000〜1,400字）
3. 見出しは3つ、順序は書式サンプルと同じ
4. 効果効能の断定表現と最大級表現を使わない
5. 商品情報に書かれていない事実を追加しない（不足は書かずに飛ばす）
6. 件ごとに「===」で区切る
書式サンプル：
{プロンプト1の出力を貼る}
商品データ：
{整形済みデータを貼る}
最後に、情報不足で薄くなった商品管理番号の一覧を出してください。
（用途：出力を検査する）
プロンプト4：一括生成した説明文を機械的に検査する
あなたは商品ページの品質管理担当です。
以下の生成結果を1件ずつ検査し、修正が必要な箇所を指摘してください。
検査項目：
1. 文字数が指定範囲（1,000〜1,400字）に入っているか
2. 商品管理番号が欠けていないか
3. 効果効能の断定表現、最大級表現の混入
4. 商品データにない事実の混入（サイズ・成分・産地の創作）
5. 見出しの数と順序のずれ
6. 同じ言い回しが複数件で繰り返されていないか
出力形式：
- 商品管理番号 / 該当項目 / 指摘内容（1行）
- 最後に「修正不要」「軽微」「要書き直し」の件数集計
生成結果：{貼る}
（用途：CSVへ戻す）
プロンプト5：生成結果を登録用CSVに整える
あなたはEC事業者のデータ整形担当です。
以下の生成結果を、そのままアップロードできるCSV形式に整えてください。
出力仕様：
1. 列は「商品管理番号,PC用商品説明文」の2列
2. 説明文内の改行はHTMLの改行タグに置き換える
3. カンマとダブルクォートを含む値は適切にエスケープする
4. 1行1商品、ヘッダー行を含める
5. 文字数が上限（全角5,120文字）を超える行があれば警告を付ける
生成結果：{貼る}
出力：CSV本体のみをコードブロックで。件数と、警告があった商品管理番号を最後に列挙してください。
つまずきやすい4つのパターン
1つ目は、出力が途中で切れたことに気付かないパターンです。40件を指示して37件で終わっていても、目視では気付きにくいものです。プロンプト3で商品管理番号を必ず先頭に出させ、件数を数える工程を入れてください。プロンプト4の集計で件数が合わない場合は、分割単位を下げます。
2つ目は、書式サンプルを人が書かずにモデルに任せるパターンです。基準がないまま40件を生成すると、全件が「それらしいが自社らしくない」文章になります。1件だけ人が書く手間を惜しまないことが、全体の品質を決めます。
3つ目は、情報不足の商品を無理に埋めるパターンです。属性が3項目しかない商品に1,200文字を書かせると、モデルは一般論で埋めます。結果として、どの商品にも当てはまる文章ができ、比較検討している購入者には響きません。プロンプト3に「不足は書かずに飛ばす」を入れているのはこのためです。情報不足の商品は、文章生成より属性の追加を先にしてください。
4つ目は、薬機法や景品表示法の確認を生成後に一度だけ行うパターンです。40件まとめて生成すると、確認も40件分の量になり、疲労で見落としが出ます。化粧品、健康食品、サプリメントのように表現規制が厳しいジャンルでは、プロンプト側で禁止表現を明示した上で、検査工程を機械的に通す二重の構えが必要です。
工数と費用の目安
工数は、書式サンプルの作成に1〜2時間、入力データの整形に1〜2時間、生成と検査に1件あたり1〜2分が目安です。40件を1回で回す場合、生成の待ち時間は数分で、検査と修正に60〜80分程度を見ておくとおさまります。従来の10件ずつの運用と比べると、切り替えの手間と揺れの修正が減るため、5,000SKU規模では合計で数十時間の差が出る計算になります。
費用は、Claude Proが月20米ドル、Claude Maxが上位プランという構成です。API経由で大量処理するなら従量課金になり、思考量の設定で消費が変わります。まず20件を1回実行して実測値を取り、そこから全体を見積める形にしてください。目安として、1回の実行で入力3万トークン、出力6万トークン程度に収まる設計なら、費用の振れ幅は管理しやすい範囲に入ります。
コストを押し上げる要因として、やり直しの回数を挙げておきます。書式サンプルが曖昧なまま実行して全件書き直すと、費用は倍増します。準備に1時間かけるほうが安く済む構造です。
レビュー体制についても人員の設計が必要です。40件を1回で生成する運用にすると、確認作業が塊で発生します。1人が連続で40件を読むと、後半の集中力が落ちて見落としが増えます。実務では、20件を区切りに休憩を入れるか、2人で20件ずつ分担する形が現実的です。ジャンルごとに確認の重点が違うため、化粧品は表現規制、食品は原材料とアレルギー表示、アパレルは実寸とサイズ表記、家電は型番と付属品といった観点を、担当者ごとにチェックリスト化しておくと精度が安定します。5,000社支援の中で何度も再現したパターンとして、チェックリストが1枚あるだけで見落ち率が明確に下がります。
この先に効いてくる論点
出力上限の拡大は、AIの使い方を「対話」から「バッチ処理」へ寄せる変化だと見ています。1回の応答で数十件を処理できるなら、業務の設計単位は「1件ずつ相談する」ではなく「まとめて流して検査する」になります。これは工場の検査工程に近い発想で、EC運営に求められるスキルも、プロンプトを書く力から検査基準を設計する力へ移っていきます。
もう一つの論点は、揺れの制御が競争要因になることです。商品説明文が全件で同じ品質に揃っている店舗と、担当者や時期によってばらついている店舗では、AI検索に引用される安定性が変わります。生成AIは説明の解像度で商品を選ぶ傾向があるため、書式の統一は露出にも影響しうる要素です。この因果は検証データが乏しいため要確認ですが、方向としては揺れを減らす投資が無駄になりにくい領域です。
三つめは、モデルの世代交代に対する設計です。128K出力を前提に組んだ運用は、次のモデルでも上限が維持または拡大される見込みが高いものの、単価や思考量の仕様は変わりえます。プロンプトと書式サンプル、検査基準を資産として持ち、モデル名は設定値として外に出しておくと、乗り換えが設定変更で済みます。業務ごとのモデル選択はClaudeモデルの選び方で整理した4クラスの考え方が使えます。
よくある質問
128K出力は何件分の商品説明文に相当しますか
全角1,200文字の説明文なら、単純計算で80件前後に相当します。ただし区切り文字や商品管理番号の行も出力に含まれるため、実務では40〜50件に抑えるのが安全です。初回は20件で試し、切れないことを確認してから増やしてください。
小分けにするのと一括生成では品質が違いますか
同一応答内で生成したほうが、語尾や訴求の順序が揃いやすくなります。事実の正確さは入力データで決まるため変わりません。差が出るのは書式の一貫性の部分です。
Claude Proでも一括生成はできますか
はい、できます。Opus 5はClaude Proで最も強いモデルとして使えます。ただし利用量の上限に当たる可能性があるため、5,000SKU規模の全件処理を継続的に回すならAPI経由か上位プランの検討が必要です。
思考量の設定はどれにすべきですか
商品説明文の一括生成のような定型作業では、低めから試すのが基本です。修正件数が許容範囲に収まるなら、そのまま運用します。事実の整理が複雑な商品や、比較表現を含む文章では段階を上げて出力を比べてください。
生成した説明文はそのまま公開してよいですか
いいえ、検査工程を必ず通してください。特に化粧品や健康食品では、薬機法上の表現確認を人が行う必要があります。プロンプト4のような機械的な検査で件数を絞り、残りを人が見る二段構えが現実的です。
楽天とAmazonで同じ生成結果を使い回せますか
そのままでは使えません。楽天RMSのPC用商品説明文は半角10,240文字以内、Amazonの商品説明は半角2,000文字以内と上限が違います。同じ素材から長さの違う2種類を出力させる指示に変えるほうが手戻りが減ります。
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
参考文献
- Anthropic｜Claude
- Claude Platform Docs｜Models overview
- Axios｜Anthropic releases new model, Opus 5
- 9to5Mac｜Anthropic upgrades Claude with new Opus 5 model
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
