メインコンテンツへスキップ
AI News 25分で読める

Claude Opus 5の知識カットオフは本当に5月か｜実測調査のズレ

#Anthropic#Claude#Claude Opus 5#Claude Sonnet 5#Claude Code#OpenAI#GPT-5.6#知識カットオフ#LLM#MCP

「公称カットオフは2026年5月なのに、1月カットオフ世代のモデル以上のことを何も知らないように見える」。Claude Opus 5についてこう書かれたのは、2026年8月10日に公開された実測調査だ（Shrivu Shankar「Exploring Claude/GPT Knowledge Cutoffs」, 2026年8月10日。以下、英語ソースからの引用はいずれも筆者訳）。

Anthropicはモデルごとに性質の違う2種類のカットオフを公表していて、Claude Opus 5はそのどちらも2026年5月と書かれている（Anthropic「Models overview」、2026年8月11日閲覧）。この調査の推定に従えば、カタログの数字と外から測った数字は食い違っていることになる。日々コードを書かせている側にとって、これは豆知識では終わらない。

この記事はこんな人におすすめ
  • Claude・GPTにコードを書かせていて、古いAPIを提案されて困った経験のあるエンジニア
  • モデル選定でカットオフの新しさを判断材料にしている人
  • Haiku系の安いモデルをバッチ処理に使っているフリーランス・小規模チーム
  • 「このモデルは何年何月まで知っている」を正確に把握しておきたい人
30秒で要点だけ
  • Anthropicは1モデルにつき2つのカットオフを並記する。信頼カットオフ（reliable knowledge cutoff）と学習データカットオフ（training data cutoff）
  • 8月10日公開の第三者調査は、Opus 4.7以降のClaudeが同じ土台を共有していると推定。Opus 5の実効知識は公称5月より数か月古く見える、という指摘
  • GPT-5.6ファミリーは2026年2月末前後の別チェックポイントに集まる、という推定
  • おまけの発見が濃い。Sonnet 5はしばしば自分をGPT-4と名乗り、他社モデルの癖を68%再現できる（逆方向は8%）
  • 調査は推定であり、著者自身が「推測の一部が完全に誤っている可能性もある」と明記している

Claudeモデル別の知識カットオフ一覧｜公式が並記する2つの日付

まず前提を揃えておく。Anthropicはモデル比較表に、性質の違う2つの日付を並べている。

モデル信頼カットオフ（公式）学習データカットオフ（公式）
Claude Opus 52026年5月2026年5月
Claude Fable 52026年1月2026年1月
Claude Sonnet 52026年1月2026年1月
Claude Opus 4.8 / 4.72026年1月2026年1月
Claude Sonnet 4.62025年8月2026年1月
Claude Haiku 4.52025年2月2025年7月

（Anthropic「Models overview」、2026年8月11日閲覧より作成。Fable 5は6月9日に一般提供が始まった最上位モデル）

公式の注記はこう書いている。「reliable knowledge cutoffは、モデルの知識が最も広範で信頼できる日付を示す。training data cutoffは、使用された学習データのより広い日付範囲である」（同ページ、筆者訳）。

意味するところは素直に読める。学習データとしては入っているが、直近の数か月ぶんは密度が薄い。だから「そこまでは頼っていい」と言える線は手前に引かれる。Sonnet 4.6の5か月差、Haiku 4.5の5か月差がその実例だ。

見落とされがちなのはHaiku 4.5の行だ。信頼カットオフは2025年2月。この記事を書いている2026年8月から数えて1年半前になる。速度と価格を理由にバッチ処理へHaikuを回しているなら、そのワークロードが依拠できる知識の中心は1年半前に置かれている（学習データ自体は2025年7月まで及ぶ）。この点は後段で改めて触れる。

そもそも、なぜズレが起きうるのか

前提を1つだけ挟む。LLMの学習は大きく2段階ある。大量のテキストを流し込んで土台を作るプリトレーニングと、そのうえで応答の仕方を仕込むポストトレーニングだ。知識の鮮度を決めるのは前者で、こちらは数か月がかりの最も高価な工程になる。マイナーバージョンの更新は後者だけを差し替えることが多い。チェックポイントとは、この土台の訓練を保存した特定断面を指す。

つまり製品名が新しくなっても、知識の土台が新しくなったとは限らない。今回の調査が突いているのはここだ。

外から測るという発想｜3つの手法

Shrivu Shankar氏の調査は、モデルの中身を見ずに外側から叩いて推定する方法を採っている。手法は3つだ。

1. 歴史的事実のクイズ。 Wikipediaの日次の出来事から8択の問題群を作り、日付ごとの正答率の推移を見る。ある時点から誤答が急増すれば、そこで学習データの信号が途切れたと推定できる。これが推定の主軸になる。

2. 自己申告の日付。 「今日は何日か」と尋ねて、事実ベースで推定したカットオフと突き合わせる。補助的な参照値という位置づけだ。

3. アイデンティティの探索。 システムプロンプトなしで「あなたは何のモデルか」を1モデルあたり50回（5種類の言い回し×10サンプル）尋ね、プリトレーニングのデータ構成を推し量る。

3つ目が効くのは、モデルの自己認識が「学習データの中で、どのモデルの出力がどれだけ流通していたか」を反映するからだ。ここに時期の指紋が出る。

調査が指摘した3つのズレ（いずれも推定）

ズレ1: Opus 4.7以降は同じ土台に見える

調査の中心的な推定はここだ。Opus 4.7以降のAnthropicモデルは、いずれも2025年12月下旬前後で途切れる似た実効カットオフを示す。だから「同一のプリトレーニング実行から派生している」と読める、という主張になる。

公式表でも4.7・4.8・Sonnet 5・Fable 5の学習データカットオフは揃って2026年1月なので、この推定自体は公表値とも整合する。調査は、マイナーバージョンの更新はポストトレーニング側の成果であって土台の作り直しではない、と説明している。

ズレ2: Opus 5は公称と実測が合わないという指摘

問題はOpus 5だ。公称は5月2026。だが実測では1月カットオフのモデル群と同程度の知識状態に見える、というのが調査の指摘だった。

ここは切り分けが要る。「5月までのデータで学習した」ことと「5月までの出来事を答えられる」ことは同じではない。

  • 学習データカットオフが5月 → 公称は正しい。実務の体感が手前に来るのは定義どおりで、矛盾はない
  • 信頼カットオフも5月 → ここが実測と食い違う

公式表のOpus 5は後者も5月と書かれている。だから今回の指摘は「定義の話」だけでは片づかない部分が残る。

ズレ3: GPT-5.6は2月末｜そして手法そのものの検算

GPT-5.6ファミリーは2026年2月下旬前後で終わる別のチェックポイントに集まる、というのがOpenAI側の推定だ（GPT-5.6ファミリーの構成はこちらで整理している）。

ここで効いてくるのがGPT-5.4で、こちらは推定値が公表カットオフと一致した。答えが分かっているモデルに対しては、この手法は当たっている。Opus 5の食い違いを「手法のバグ」だけで片づけにくいのは、この検算があるからだ。

自己申告の混線｜Sonnet 5がGPT-4を名乗る例が報告された

調査で目を引いたのが自己申告の結果だ。Claude Sonnet 5はシステムプロンプトなしの状態でしばしば自分をGPT-4だと答える。逆にOpenAIのモデルが他社モデルを名乗ることはなかった、とされる（Tesla Model Sを一瞬名乗った1件を除く）。

同調査によれば、「モデルXならこう答えるだろう、という体で答えよ」と指示した比較では、ClaudeがOpenAIモデルの癖を68%の精度で再現したのに対し、OpenAIモデルがClaudeの特徴を再現できたのは8%だったという。学習データの影響が一方向に偏っている、という読みになる。

この現象は、査読を経ていないものの独立した実験報告でも観測されている。2026年7月30日にLessWrongで公開された実験では、オープンモデル（OLMo-3-32B）を各社モデルの回答1000件でファインチューニングした結果、識別情報を正規表現で除去してもなお教師モデルの自己認識が伝播した。Claude Sonnet 5の回答で学習したモデルは54.0%がClaudeを名乗った（人間の回答による対照群は2.8%）。GPT-4oの回答では70.5%がGPTを名乗ったが、こちらは人間回答の対照群がもともと45.5%と高く、上乗せは約25ポイントだ。GPTを名乗る傾向はベースモデルの段階から強く出る点に注意が要る（LessWrong, Ziqian Zhong, 2026年7月30日）。著者は「最適なレシピではなく概念実証」であり、単一シードでの実験だと但し書きを添えている。

実務的な含意はひとつに絞れる。モデルに自分の正体やカットオフを聞いても、返ってくるのは学習データの残り香であって仕様書ではない。

現場で何が起きているか｜古いAPIを自信満々に提案されるとき

カットオフのズレは、実際には「自信たっぷりの古い回答」という形で現れる。

Eric Cheng氏がDEV Communityに書いた例がわかりやすい。Claude Code v1.0.60で追加された /agents コマンドについてWeb版のClaudeに尋ねたところ、最初は「詳しい情報がない」と答え、次には「そのコマンドは存在しない、Taskツールのことを指しているのでは」と断定した。公式ドキュメントのリンクを示されて初めて訂正された、という顛末だ。氏はここから「Claudeは知らないことを自発的に検索しに行かない」と結論している（DEV Community, Eric Cheng, 2025年7月25日）。2025年7月時点の話で、現行のWeb版は検索を挟むことも多い。ただし「学習していないものを、知らないと言わずに否定する」という失敗の形そのものは今も見かける。

Hacker Newsの議論スレッド（news.ycombinator.com/item?id=49244085）にも、実感ベースの指摘が並んでいる。同スレッドのtobwen氏は自分の検証について「カットオフは2024年6月あたりだった。それ以降の機能は認識しなかった。ただし直近の教皇の死因は知っていて、トランプ大統領の宣誓の時期は知らなかった」と書いた（対象モデルは明示されていない）。分野によって知識の途切れ方が違うのではないか、という仮説だ。これに対して調査の著者は、コーディングと世界の出来事の間に明確な差は見つからなかったと応じている。

同スレッドでは、ddxv氏が「Opus 5のようなマーケティング上の名前は単一のモデルではなく、複数のモデルやバージョンを指し、時間とともにマイナーな更新を受ける」と指摘した。OpenAI所属を名乗るtedsanders氏は、APIのモデルは固定される一方でChatGPT側は文書化されない更新を受ける、と書いている（スレッド上の個人の書き込みであり、OpenAIの公式見解ではない）。同じ製品名でも、APIから触るものとチャットUIで触るものが同一とは限らない。

光と影｜このカットオフ実測調査をどこまで信じるか

影の部分から先に書く。

この調査は推定である。著者自身が「ここに書いたことはすべて見積もりだ。検証できる公開された正解データが多くない以上、この投稿の推測の一部が完全に誤っている可能性もある」と明記している。歴史的事実のクイズという手法は、学習データの分布とWikipediaの記述密度に依存する。ある月の出来事の記事が少なければ、正答率はカットオフとは無関係に落ちる。

Hacker Newsでの反応も、賛同一色ではない。2026年8月11日時点でスコアは79ポイント、コメントは11件。数少ないコメントの中身は、結論の当否よりも「そもそもモデル名が単一のモデルを指すのか」「分野ごとにカットオフは違うのではないか」という前提への疑問に向かっている。

光の部分。それでも、この種の外部からの実測には価値がある。カットオフは各社が自己申告する数字であり、定義も揃っていない。Anthropicが2種類を並記しているのに対し、OpenAIやGoogleは単一の日付しか公表していない。ベンダーをまたいで比較したいなら、同じ物差しで測った推定が要る。

自分ならこうする｜知識カットオフを前提にした5つの運用

Claude Codeにブログのビルドを直させたり、Astroの設定を触らせたりしていて、何度か踏んだのがまさにこの「古い前提で書かれたコード」だった。動かない理由がコードの質ではなくモデルの記憶の鮮度にある、というのは慣れるまで切り分けが難しい。自分はPMでコードを書くのが本業ではないぶん、なおさら時間を溶かした。

そのうえでの判断はこうなる。

カットオフの数字をモデル選定の主要因にしない。 公称5月と公称1月の差が体感で埋まらない可能性がある以上、「新しいほうを選べば最新仕様を知っている」という期待は外れうる。選定はベンチマークと実タスクでの挙動で決める。実務的には、自分が使っているライブラリの最新メジャー版について3問聞いてみるだけでも振り分けの材料になる。カタログの日付より、自分のスタックに対する解像度のほうが効く。

使っているライブラリとバージョンをプロジェクト設定に書く。 CLAUDE.md に数行置くだけで、旧バージョン前提の記法を提案される頻度は下がる。

## 技術スタック（モデルの記憶より優先）
- Astro v5系（v4以前の記法は使わない）
- Tailwind CSS v4（@tailwind ディレクティブではなく @import "tailwindcss"）
- Node 22 LTS

効くのは「バージョンを書く」ことより「旧版の何を使わせたくないか」まで書くことだ。前者だけだと、新しいバージョン番号を認めたうえで古い記法を出してくることがある。文脈設計の考え方はコンテキストエンジニアリングの記事で整理している。

バージョン依存の実装ではドキュメントを文脈に載せる。 Context7のようなドキュメント取得用のMCPサーバーを使う手がある。AltexSoftのYevhen Hladkykh氏は、package.jsonからバージョンを検出して該当ドキュメントを取ってくる仕組みが「古いAPIに基づいたコード生成のリスクを大幅に減らす」と評価しつつ、索引にないライブラリは自分で登録する必要があること、逐次的なツール呼び出しがパイプラインに遅延を積み増すことを限界として挙げている（AltexSoft, 2026年6月8日）。自分のブログ環境にはまだ入れていないが、React・Next.jsのように動きの速い領域を触るなら優先度は高いと見ている。MCPの導入手順はこちらで整理した。

安いモデルに鮮度の要る仕事を任せない。 Haiku 4.5の信頼カットオフは2025年2月だ。要約や分類のように知識の鮮度が問われないタスクなら支障は出にくいが、SDKの使い方を書かせる用途では古い仕様を前提にした出力になりやすい。振り分けの基準を「難易度」だけでなく「鮮度が要るか」でも切ると事故が減る。旧モデルからの移行と選び直しはこちらにまとめている。

モデルに自分のことを聞かない。 前述のとおり自己申告は仕様書ではない。「あなたのカットオフは？」の答えを設計の前提にせず、公式ドキュメントで確認する。今回の調査から得られる、最も確実で最も地味な教訓だと思う。

Opus 5の料金とコンテキストを先に押さえておきたい

価格、1Mコンテキスト、effort制御によるコスト変動まで、Claude Opus 5の実務上の前提はこちらで整理しています。

Claude Opus 5の記事を読む

関連記事

出典

免責事項

本記事は2026年8月11日時点の公開情報に基づく。第三者による実測調査の結果は著者自身が推定であると明記しており、Anthropicおよびその他のモデル提供各社による確認を受けたものではない。本記事の筆者も再現確認は行っていない。Hacker Newsのスコアとコメント数は閲覧時点の値で変動する。公式のカットオフ表記も予告なく更新されうるため、実装判断の前に公式ドキュメントを確認すること。記事中の英語ソースからの引用はいずれも筆者による訳で、原文のニュアンスと差が出る場合がある。Claude、Claude CodeはAnthropic PBCの、GPTおよびChatGPTはOpenAI, Inc.の、その他の製品名・サービス名も各社の商標または登録商標。

Share