投稿者 投稿日: カテゴリー Claude
Opus 5とFable 5の使い分けとは、作業の難度と予算に応じて2つのモデルを選び分けることです。
Claude Opus 5がFable 5の半額の入力料金で登場したいま、EC事業者が最初に迷うのは「安いOpus 5に全部寄せてよいのか、それとも高いFable 5を残す場面があるのか」という問いです。答えは、業務の重さと予算配分で線を引く、というものになります。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）が、2つのモデルの料金と性能の差を踏まえ、楽天・Amazon・Shopifyの業務ごとにどちらを選ぶべきかを、判断軸とプロンプトつきで整理します。
Opus 5とFable 5は何がどう違うのか
まず前提を数字でそろえます。Anthropicの発表によると、Opus 5のAPI料金は入力100万トークンあたり5米ドル、出力25米ドルです。一方のFable 5は入力10米ドル、出力50米ドルで、Opus 5はちょうど半額にあたります。Fable 5は2026年6月9日に公開された、公開モデルの中では最上位に位置づけられるフラッグシップで、複雑な推論や長い工程のエージェント作業に強いモデルとして案内されています。
ここで面白いのは、後発で安いはずのOpus 5が、独立系の評価では必ずしも劣らない点です。Artificial Analysis Intelligence IndexではOpus 5が61ポイントで首位に立ち、Fable 5を上回ったと報じられています。つまり「半額なのに、少なくとも総合指標では見劣りしない」という構図が生まれました。Anthropic自身も、Opus 5はFable 5に迫る性能を半額で提供すると位置づけています。
とはいえ、ベンチマークの首位がそのまま全業務での最適を意味するわけではありません。Fable 5は最上位フラッグシップとして、極端に長い文脈を扱う作業や、失敗が許されない重要な判断支援で選ばれる場面が残ります。直近の支援案件で観測したのは、日常業務の大半はOpus 5で十分で、Fable 5を使うのはごく一部の重い作業に絞る、という配分が現実的だという傾向です。モデル選定の考え方は、前世代のOpus 4.8とSonnet 5の使い分けから一歩進み、料金差が2倍という前提で線引きを引き直す必要があります。
もう一つ押さえたいのが、Opus 5の推論量制御「Effort」です。low・medium・high・xhigh・maxの5段階で、モデルが応答に使うトークン量を調整できます。これにより、「安いOpus 5を、さらにEffortで絞って使う」ことも、「Opus 5をxhighまで上げてFable 5に近い深さで考えさせる」ことも同じモデルでできます。使い分けの主役がモデル選択からEffort選択へ移りつつある、というのが2026年7月時点の実感です。
利用環境の面も判断材料になります。Fable 5はClaudeのプラットフォームに加え、Amazon Web Services、Google Cloud、Microsoft Foundryといった主要クラウドからも利用できると案内されています。すでに特定のクラウド上で業務システムを動かしている事業者は、既存環境から呼び出せるかどうかも選定の一要素になります。そしてもう一点、Opus 5とFable 5の二択にこだわりすぎないことも大切です。ごく単純な整形を極端に大量に回すだけなら、より軽量で安価な下位モデルのほうが総額を抑えられる場合があります。今回のテーマは最上位2モデルの使い分けですが、実務では「そもそも上位モデルが要る作業か」を最初に問う視点も持っておくと、コスト設計に無駄が出ません。
EC業務でOpus 5とFable 5を選び分ける5つの判断軸
ここからは、どちらのモデルを使うかを決める判断軸を5つに整理します。いずれも、店舗運営の現場でそのまま当てはめられる基準です。
第一の軸は、作業の難度です。商品名の整形、レビュー返信、問い合わせの一次対応といった、型が決まっている作業はOpus 5のlowからmediumで十分にこなせます。複数の資料を横断して矛盾を洗い出す、長い規約を読んで例外条件を拾う、といった重い読解はOpus 5のhigh以上、あるいはFable 5が候補になります。
第二の軸は、処理する文脈の長さです。商品1点分の情報を渡す作業なら、モデルの差は出にくく、安いOpus 5で問題ありません。数百点の商品マスタや大量のレビューを一度にまとめて扱う場面では、長い文脈を安定して処理できるフラッグシップの余力が効いてくることがあります。
第三の軸は、失敗した場合の影響です。社内メモの下書きなら多少の誤りは修正すればよく、コスト最優先でOpus 5を絞って使えます。公開する商品ページのコピーや、顧客に直接届くクレーム対応の文面など、外に出る文章は品質を優先し、Opus 5のEffortを上げるか、重要案件だけFable 5に回す判断が向いています。
第四の軸は、処理する件数です。月に数千件のレビュー分類のように件数が多い作業では、1件あたりの単価差がそのまま月額に響きます。ここは半額のOpus 5、しかもEffortを下げた設定が効きます。逆に、月に数回しか発生しない重要な戦略分析なら、単価より質を取ってFable 5を選んでも総額はしれています。
第五の軸は、予算の上限です。月のAI予算が決まっているなら、件数の多い定型作業をOpus 5で安く回し、浮いた予算を重い作業のEffort引き上げや、ここぞという場面のFable 5に配分する、という設計が合理的です。API単位のコスト管理は、Claude APIの料金設計の考え方も参考にしてください。
この5つの軸は、単独ではなく組み合わせて見ると判断がぶれません。たとえば「難度は高いが件数は少なく、失敗の影響も小さい社内向け分析」なら、Opus 5のhighで十分という結論になります。反対に「難度が高く、件数も多く、外に出る文章」なら、Opus 5のxhighを基本に、特に重要な一部だけFable 5へ、という二段構えが向きます。5,000社支援の中で何度も再現したパターンとして、迷ったらまずOpus 5で走らせ、品質に不満が出た業務だけ上位へ引き上げる、という順序が最も無駄が少なく回ります。
楽天・Amazon・Shopify別に見る使い分けの勘所
モールごとに、Opus 5とFable 5のどちらを主役にするかの勘所も変わります。仕様と業務の性質が違うためです。
楽天市場では、商品名の最適化やレビュー返信、R-Mailの件名づくりといった、型が決まっていて件数の多い作業が中心になります。ここはOpus 5のlowからmediumで回すのが費用面で効きます。一方、複数の商品ページにまたがる表記ゆれの一括点検や、長い出店規約を横断して確認する作業では、Opus 5のEffortを上げるか、重要な確認だけFable 5に任せる判断が向きます。楽天の商品名は半角255文字という制約があるため、条件を具体的に渡すほど、どちらのモデルでも精度が上がります。
Amazonでは、商品タイトルとバレットポイントの設計、検索キーワードの整理といった、規則性のある作業が多く、Opus 5が主軸になります。ただし、複数のバリエーションをまたぐ親子関係の整合確認や、大量のレビューから改善点を抽出する重い分析では、文脈の長さと判断の重さを踏まえてEffortを上げるのが安全です。
Shopifyでは、商品説明やブログ、コレクションページの文章を量産する場面が多く、ブランドトーンを保ったままの生成が求められます。日常の量産はOpus 5で回し、ブランドの世界観を決める主力商品の長文コピーや、キャンペーンの中核メッセージなど、質が売上を左右する少数の作業にだけFable 5を検討する、という配分が合います。ここで挙げた仕様は執筆時点の一般値のため、実運用では各社の公式マニュアルで確認してください。
使い分けをプロンプトに落とし込む（4本）
判断軸を頭で分かっていても、実務では迷います。そこで、モデルとEffortの選択そのものをAIに相談したり、コストを見積もったりするためのプロンプトを4本用意しました。
最初は、目の前の業務にどちらのモデルとEffortが向くかを整理させるプロンプトです。
プロンプト1：モデルとEffortの選定相談
あなたはEC業務のAI活用に詳しいコンサルタントです。
以下の業務について、Claude Opus 5（安価・Effort調整可）とFable 5（最上位・高価）のどちらが向くか、Opus 5の場合はEffortの目安も添えて助言してください。
判断材料：作業の難度／文脈の長さ／失敗時の影響／件数／予算。
条件：
1. 結論（どちらを・Effortいくつで）を先に述べる
2. 理由を判断材料に沿って2〜3点
3. 迷う場合は「まずOpus 5で試す」を基本方針とする
業務内容：{業務の説明}
月間件数：{件数}
出力：推奨モデルとEffort、その理由
次は、月額コストのあたりを付けるためのプロンプトです。正確な請求は実測が必要ですが、概算があると予算配分の判断がしやすくなります。
プロンプト2：月額コストの概算試算
あなたはAI運用のコスト管理担当です。
以下の条件から、Opus 5とFable 5を使った場合の月額コストの概算を比較してください。
Opus 5：入力5米ドル/百万トークン、出力25米ドル/百万トークン。
Fable 5：入力10米ドル/百万トークン、出力50米ドル/百万トークン。
条件：
1. 1件あたりの入力・出力トークンの仮定を明示する
2. 件数を掛けて月額を出す
3. 数値はあくまで概算であると明記する
作業内容：{作業}
1件あたりの想定トークン：{入力/出力}
月間件数：{件数}
出力：モデル別の月額概算と差額
3本目は、Opus 5で品質が足りるかを検証するためのプロンプトです。安いモデルで足りるなら、そのまま使えばよいという発想です。
プロンプト3：Opus 5の出力品質チェック
あなたは品質管理の担当です。
以下は、ある業務についてOpus 5が生成した出力です。品質が実務で使える水準かを評価してください。
条件：
1. 事実誤り・禁止表現・論理の飛躍がないかを確認する
2. 不足があれば、Effortを上げるべきか、プロンプトを直すべきかを助言する
3. 実務で使える場合は「このままOpus 5で運用可」と明記する
業務の目的：{目的}
Opus 5の出力：{貼り付け}
出力：評価と改善の方向性
最後は、Fable 5に回すべき例外業務を洗い出すプロンプトです。
プロンプト4：Fable 5に回す例外業務の抽出
あなたはEC運営のAI活用設計者です。
以下の業務リストから、Opus 5では不安が残り、最上位のFable 5を検討すべき業務を選んでください。
条件：
1. 文脈が非常に長い、失敗の影響が大きい、判断が高度、のいずれかに該当するものを選ぶ
2. なぜFable 5候補なのかを1行で説明する
3. 大半はOpus 5で問題ないという前提で、例外だけを絞り込む
業務リスト：{箇条書きで貼り付け}
出力：Fable 5検討業務と理由、その他はOpus 5で可
これらはClaudeのチャットでもAPIでも使えます。まずはプロンプト1で普段の業務を仕分けし、判断に迷ったものだけプロンプト3で検証する、という順番が実務的です。
使い分けでつまずく3つのパターン
現場で繰り返し見るのは、安さに引かれてすべてをOpus 5のlowに寄せてしまう失敗です。単価は下がりますが、重い分析までEffortを絞ると、出力が浅くなり、結局人が作り直す手間が増えます。難度の高い作業はEffortを上げる、という原則を崩さないことが大切です。
次に多いのが、逆に不安からすべてをFable 5に回してしまうケースです。件数の多い定型作業をフラッグシップで処理すると、単価差が積み上がり、月額が跳ね上がります。Fable 5は例外業務に絞る、という線引きを最初に決めておくと、コストが読めます。
三つ目は、モデルを切り替えた前後で成果を測っていないことです。どちらが自店に合うかは、出力の品質と月額の両方を比べて初めて分かります。同じ業務をOpus 5とFable 5で1週間ずつ回し、修正回数と費用を記録する、という比較検証を挟むと、感覚ではなく数字で判断できます。アパレル系の単一店舗で試したケースでは、この比較でOpus 5に一本化でき、月額を抑えたまま品質を保てました。
KPI設計と費用・工数の目安
費用のKPIは、業務種別ごとの月額と、その作業が生む価値を並べて見ると精度が上がります。半額化したOpus 5を主軸にすると、同じ予算でより多くの作業を自動化できるため、まずは件数の多い定型業務からOpus 5へ移すのが費用対効果の面で効きます。Fable 5は、月に数回の重要分析や、長大な資料の読解など、質が売上や意思決定に直結する場面に限って使うと、総額を抑えられます。
工数のKPIは、AIに任せた作業の「人による手直し時間」で測るのが実務的です。Opus 5で下書きを作り、人は確認と微調整に集中する体制にすると、初稿づくりの時間が体感で圧縮されます。業界目安では下書き時間の半分前後が削れるケースが見られますが、商材と品質基準で幅が出るため、自店で計測してから判断してください。なお、Fable 5には入力トークンのプロンプトキャッシュ割引が用意されており、同じ長い前提文を繰り返し使う業務ではコストを抑えられる場合があります。実額と最新の割引条件はAnthropicの料金ページで確認してください。
具体的な試算のイメージを持っておくと、配分の判断がしやすくなります。仮に、1件あたり入力3,000トークン・出力2,000トークンを使うレビュー分析を月2,000件回すとします。Opus 5なら入力分が約30米ドル、出力分が約100米ドルで、合計おおよそ130米ドル前後の概算になります。同じ処理をFable 5で回すと単価は倍のため、概算で260米ドル前後まで上がります。件数が多い作業ほど、この差が月額に効くことが数字で見て取れます。逆に、月に3回だけ行う長文の戦略資料の読解なら、Fable 5を使っても総額はしれており、質を優先しても支障はありません。これらの数値はトークン量の仮定で変わるため、あくまで判断のための概算として扱ってください。
測定は費用だけでなく品質面もあわせて見ると精度が上がります。問い合わせ返信なら下書きから公開までの平均編集回数、レビュー返信なら定型文と判定された割合、商品ページなら公開後のクリック率や転換率の変化を、モデルやEffortを変える前後で比べます。ここで数字が動かない業務は、モデルを上げても意味が薄い可能性が高く、Opus 5のまま据え置くか、プロンプトの条件を見直すほうが費用対効果に優れます。編集部で実際に運用しているプロンプトでは、業務種別ごとに月次でこの2軸を振り返り、Opus 5とFable 5の配分を微調整しています。
今後の展望と独自考察
半額化の流れが続くと、最上位モデルと1つ下のモデルの性能差は縮まり、選定の焦点は「どのモデルか」から「どのEffortで、どの業務に、いくらかけるか」へ移っていきます。EC運営でいえば、モデルの銘柄選びに時間をかけるより、業務ごとにEffortと予算を割り付ける設計に労力を回すほうが、成果に直結します。
もう一段先を見ると、この使い分けはAIエージェントによる自動化と地続きです。定型はOpus 5のlowで速く安く、判断はxhighで深く、例外だけFable 5へ、という振り分けをエージェントに組み込めば、コストと品質のバランスを保ったまま業務を任せられます。安全な運用設計はClaude Fable 5の安全ルーティングと拒否対策もあわせて読むと、実装の勘所がつかめます。競合が料金表の比較で止まりがちな今こそ、業務単位の配分設計まで踏み込むことが差別化になります。
留意しておきたいのは、モデルの更新が速いという現実です。Opus 5やFable 5の関係も、次の世代が出れば塗り替わります。そのたびに全業務を組み替えるのは現実的ではないため、判断軸そのものを資産にしておくのが賢明です。「難度・文脈・失敗の影響・件数・予算」で選ぶという枠組みは、モデル名が変わっても使い回せます。銘柄の追いかけに労力を割くより、この枠組みで自店の業務を仕分けておけば、新しいモデルが出ても当てはめ直すだけで済みます。半額化のような価格変動が起きたときに、どの業務をどちらに寄せるかを素早く判断できる体制こそが、モデル乱立の時代における強みになります。
よくある質問
Opus 5とFable 5はどちらが高性能ですか
総合指標ではOpus 5がFable 5を上回ったと報じられていますが、用途によります。Fable 5は最上位フラッグシップとして、極端に長い文脈や高度な判断で強みを持ちます。日常業務の多くはOpus 5で十分で、重い例外作業だけFable 5を検討するのが実務的です。
全部Opus 5に切り替えても問題ありませんか
多くの業務では問題ありません。ただし、文脈が非常に長い作業や失敗の影響が大きい業務では、Opus 5のEffortを上げるか、Fable 5を残す判断が有効です。まずOpus 5で試し、品質が足りない業務だけ上位に回すのが安全です。
半額といっても具体的にどれくらい安いですか
Opus 5は入力100万トークンあたり5米ドル、出力25米ドルで、Fable 5の入力10米ドル・出力50米ドルのちょうど半額です。件数の多い作業ほど、この差が月額に効きます。正確な費用は自店のトークン量で変わるため、概算を出してから判断してください。
Effortを上げればFable 5は不要になりますか
一概には言えません。Opus 5のEffortを上げると深い出力に近づきますが、最上位フラッグシップならではの余力が要る作業も残ります。多くの業務はEffort調整で足りる、という前提で、例外だけFable 5を検討するのが現実的です。
楽天やAmazonの業務ではどちらを使うべきですか
商品名やレビュー返信のような定型作業はOpus 5で十分です。大量の商品マスタの一括点検や、規約を横断する重い確認作業では、Effortを上げるかFable 5を検討します。モールごとの仕様に合わせて指示を具体化するほど、どちらのモデルでも精度が上がります。
導入の最初の一歩は何ですか
まず、普段の主要業務を3つほど挙げ、本記事のプロンプト1で「Opus 5で足りるか」を仕分けることです。ほとんどはOpus 5に寄せられるはずで、残った例外だけをFable 5候補として検証します。1週間ほど回して費用と品質を記録すると、自店の最適解が見えてきます。
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）
※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/
参考文献
- Anthropic – Introducing Claude Opus 5
- Claude Platform Docs – Introducing Claude Fable 5 and Claude Mythos 5
- Claude Platform Docs – Pricing
- Quartz – Anthropic launched Claude Opus 5 at half the price of its most powerful AI model
【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
