Anthropic の技術を語るとき、多くの人が最初に抱く疑問はこうだ。Claude にはなぜこんなに多くの名前があるのか、Opus・Sonnet・Haiku は一体何が違うのか？さらに掘り下げると、もう一つ核心となる言葉が浮かび上がってくる。Constitutional AI だ。

本稿では、Anthropic の技術路線を整理していく。モデルファミリーの役割分担、その安全性手法の特別なところ、そしてあえて手を出さない領域について。ここで論じるのは路線と設計思想であり、特定のバージョン番号には縛られない。新しいバージョンが次々と登場する一方で、底層のロジックは比較的安定しているからだ。まずこの会社を知りたいなら、Anthropic とはどんな会社か から始めるとよい。

一言で定義するなら、Anthropic はモデルを 3 層に分けて異なるニーズに応え、安全性をスケール可能な手法へと作り込み、そして領域をあえてテキストとプログラムに絞り込んでいる。

3 層ファミリー：Opus・Sonnet・Haiku

Claude は実のところ単一のモデルではなく、階層化されたファミリーであり、音楽と詩にちなんだ 3 つの名前で等級を区別している：

  • Opus：ファミリー内で最強の層。複雑で、深い推論と長い思考の連鎖を要するタスクを得意とする。最も難しい問題を扱うときに使うが、その分コストとレイテンシも最も高い。
  • Sonnet：バランス路線をとり、性能とコストの間で釣り合いを取る。企業や開発者が日常で最もよく使う主力であり、Claude Code のような製品の中核でもある。
  • Haiku：低レイテンシ・低コストを主軸とし、大量かつ軽量で、即時の応答が求められるタスクに適している。

この階層設計の狙いは極めて実用的だ。すべてのタスクに最強のモデルが必要なわけではない。ユーザーがニーズに応じて等級を選べるようにすることで、性能とコストの間で最も割に合う組み合わせを見つけられる。3 層の能力と位置づけは新しいバージョンとともに進化するが、「強い／バランス／軽快」というこの役割分担の枠組みはかなり安定している。

Claude の 3 層モデルを「知性 vs コスト」上で位置づけたもの：低い方から高い方へ Haiku、Sonnet、Opus

全体の方向として、Claude ファミリーが主軸とするのは長文テキストの理解とコーディングであり、「長いコンテキスト」と「エージェント能力」へと発展している。これにより、モデルは大量の内容を読み解き、ツールを連続して使い、複数ステップのタスクを自動で完了できるようになる。

Constitutional AI：モデルに自分自身を直させる

Anthropic の最も識別性の高い技術の看板が、Constitutional AI（憲法的 AI） と呼ばれる訓練手法だ。

Anthropic の Constitutional AI 研究論文：〈Constitutional AI: Harmlessness from AI Feedback〉

従来のやり方は、大量の人手に頼り、「この回答は良い、あの回答は良くない」と一つひとつ注釈を付けてモデルを調整することが多かった。Constitutional AI のやり方は異なる。まずモデルに人間が書いた「原則集」、いわば行動の憲法のようなものを与え、その原則に従ってモデル自身に自らの応答を批評・修正させるのだ。

こうすることには 2 つの利点がある。一つは スケール可能性：原則によってモデルを自己修正へ導くことは、純粋に人力の注釈に頼るより効率的だ。もう一つは 透明性：その原則は明文化されているため、外部からも「このモデルが何を守るよう求められているか」を議論しやすい。安全性を看板に掲げる会社にとって、安全規範を訓練の段階で組み込むこと、事が起きてから後追いで対処するのではないこと、これがその技術哲学の核心だ。

もちろん、憲法がうまく書けているか、モデルが本当にそれに従っているかは、なお継続的な検証を要する問題であり、これは対外的な安全性の約束や Responsible Scaling Policy にもつながっている。

解釈可能性：モデルが何を考えているか見極めたい

Constitutional AI のほかに、Anthropic のもう一つの研究の看板が 解釈可能性（interpretability） だ。

簡単に言えば、この領域がやろうとしているのは、モデルの内部が実際に何を「考えている」のかを見極めることだ。Claude がある応答を出すとき、その内部のニューラルネットワークがどう動き、なぜそう判断するのか。これはモデルの外面的な振る舞いを単にテストするより難しいが、Anthropic はこれを真の安全性へ至る必須の道と見なしている。そのロジックはこうだ。モデルの内部を理解してこそ、誤りを犯す前にそれを予見して修正できる。事が起きてから火を消すのではない、と。

この領域の研究によって、Anthropic は学界・業界で少なからぬ信頼性を積み上げ、「安全性は本気だ、研究の裏付けがある」というブランドの物語を支える重要な柱ともなっている。

あえてやらないこと

ある会社の技術路線を理解するには、それが「何をしないか」を見ることが、「何をするか」を見るのと同じくらい重要であることが多い。

Anthropic は画像生成・動画生成・ハードウェア機器に明確に手を出さない。競合の OpenAI が製品ラインを広く雑多に展開するなか、Anthropic はリソースをテキスト・プログラム・ドキュメント・企業ワークフローのこれらの領域に集中させることを選んだ。この絞り込みは戦略であって、できないという話ではない。選んだ戦場を最も深く、最も置き換えにくいところまで作り込むほうが、リソースを分散させて何にでも手を出すよりまさる。両社の路線をどう比べるかは、Anthropic vs OpenAI を参照されたい。

チャットから企業へ：モデルはどう製品になるか

同じ Claude モデルが、異なる形態で異なるユーザーの手に届けられる：

  • 消費者：Claude.ai のウェブサイトとアプリを通じて、無料プランと有料プランを提供する。
  • 開発者：Claude API と Claude Code を通じて、モデルを自らのアプリケーションや開発フローに組み込む。
  • 企業：チーム版・企業版などのプランを提供し、セキュリティと管理機能を組み合わせる。
  • クラウド経路：AWS、Google Cloud、マイクロソフトの AI プラットフォームに同時に展開し、すでにこれらのクラウドを使っている企業が手近に利用できるようにする。

さらに Anthropic は、MCP（Model Context Protocol）と呼ばれるオープンなプロトコルも推進している。これにより Claude が外部のツールやデータソースと接続しやすくなり、自らを孤島ではなく開発者エコシステムの一部へと変えている。

小企鵝の観察

Anthropic の技術路線をつなげて見ると、実のところ前後一貫していることがわかる。モデルを 3 層に分けるのは、異なるニーズがそれぞれ最も割に合う選択を見つけられるようにするためだ。Constitutional AI と解釈可能性は、「安全性」を手法と研究の裏付けのあるものに作り上げるためであり、単なるマーケティングの謳い文句ではない。画像とハードウェアにあえて手を出さないのは、限られたリソースを自らが最も自信のある戦場に賭けるためだ。

この路線の最大の賭けは、「安全性」と「使いやすさ」が両立しうると信じ、さらには前者が後者の売りになりうると信じている点にある。企業顧客にとって、振る舞いが予測でき、来歴を説明できるモデルは、確かに導入時の重要な検討事項だ。Anthropic が賭けているのはまさにこの点であり、その技術的選択はすべてこの信念を軸に展開している。

関連記事：Anthropic とはどんな会社か、Claude Code はどのように成長エンジンになったか、なぜ Anthropic は公益企業なのか。