Claude Sonnet 5.5 Extra：Anthropicがすでに使っている言葉から生まれたルーティングの噂

2026年11月5日午後12時44分、Xで@chetasluaとして投稿しているアカウントが、次の一行の主張を投稿した：「Sonnet 5.5 Extraは、次のClaudeモデルへのルーティングのように見える」。どちらのテストも、投稿が「Sonnet 5.5 Extra」と呼ぶ構成で実行され、これはエフォート設定を上げたClaude Sonnet 5.5に相当する。最初のテストでは、ブラウジングをオフにした状態で、アンドレイ・カルパシーが2026年にどこへ移ったのかをモデルに尋ねたところ、彼が2026年5月に事前学習チームでAnthropicに入社したと答えた。2回目では「できるだけリアルに自転車に乗るペリカンをコードだけで」を求め、投稿者自身の集計によれば、26,599個のSVG要素、6.5k本の羽根ストローク、画像ゼロ、データURIゼロ、スクリプトゼロ、1,860行のPythonを返し、投稿者はそれが「バイト単位で完全に再構築する」と述べている。

まず言うべき最も役立つことは、地味な事実です。Claude Sonnet 5.5 は未リリースのモデルではありません。2026年9月28日に、入力100万トークンあたり2ドル、出力100万トークンあたり10ドルで提供開始され、Amazon Bedrock は同じモデルを ID anthropic.claude-sonnet-5-5 で文書化しています。そして「Extra」も新しい名前ではありません。それは Anthropic 自身のヘルプセンターで、2番目に高い推論設定「Extra high (xhigh)」を指す言葉で、API では xhigh と表記され、モデルセレクターでは Extra high と表示されます。「Sonnet 5.5 — Extra high」と表示されるピッカー項目は、モデルとエフォートレベルの組み合わせであり、その文字列の両半分はすでに公開ドキュメントに存在します。

どれも、投稿者が間違っているということにはならない。投稿者が未証明になるだけで、何がそれを証明するかを狭める。Anthropicは何も確認しておらず、公開されているモデル一覧にモデルIDも現れておらず、リークという枠組みが適切だ。これは主張の内容であり、今日確認できることであり、読者がそれをどう扱うべきかである。この話の有用な版は「新しいClaudeがテストされている」ではない。ここで提示された3つの証拠には3つの具体的な失敗モードがあり、それぞれ検証可能だ、ということだ。

Karpathyの回答が実際に何を確立しているのか

最初のテストは指紋として読み取られている。それはむしろカレンダーに近い。

{{1}}カルパシーは2026年5月19日にXでAnthropicに加わったことを発表した——「Anthropicに参加しました…ここのチームに加わり、R&Dに戻れることを楽しみにしています」——そしてTechCrunch、Fortune、NY Postが同日に一斉に報じ、ニック・ジョセフの下で事前学習チームに加わったという詳細も伝えた。これはあらゆるニュース索引に載っている事実であり、ブラウジングを無効にした状態でこれを正しく答えるモデルが示したのは、まさに一つのことだけだ。その学習データは2026年5月中旬より先まで及んでいる、ということである。{{/1}}

Claude Sonnet 5.5は2026年9月28日にリリースされた。モデルの出荷4か月前に世界的なニュースとなった採用は、そのモデルの学習データに含まれてしまう類の事実であり、したがってこのモデルがこのプローブに合格するのは驚くべき結果ではなく、想定通りの結果だ。また、このプローブではSonnet 5.5をClaude Opus 5.5やClaude Haiku 5.5、あるいは5月以降にリリースされた他のどのClaudeチェックポイントとも区別できない。すべての候補が合格するテストは、そのどれも特定できない。

これは、その主張をどう評価すべきかに影響する。投稿下の返信スレッドには、証拠のより興味深い半分が含まれているが、それは矛盾している。ある返信は「sonnet 5.6のこと？」と尋ね、別の返信は「fable 5.5でもある。もう何週間もユーザー向けにルーティングされている」と言っている。同じ挙動を読んだ2人が、それぞれ別の未発表モデルにたどり着き、どちらもAPI IDを挙げられない。曖昧なラベルをコミュニティが解釈しようとすると、こうなるのだ。

26,599 個の SVG 要素はループ回数です

ペリカンの数は、それが何を数えているかに気づくまでは印象的だ。SVG要素はタグにすぎない。ループで羽を配置するPythonスクリプトは、モデルがペリカンについて一度も推論することなく4万個もの要素を出力できる。そして投稿者が説明しているのはまさにそれだ。手書きで書かれた26,599個の要素ではなく、1,860行のPythonが要素を生成している。その数は生成器の野心を測っているのであって、描画の忠実さを測っているのではない。

「画像ゼロ、データURIゼロ、スクリプトゼロ」も同じ種類の統計です。それは、出力がファイルに密輸されたビットマップではなく、純粋なベクター描画であることを裏付けるだけです。その鳥が鳥として読めるかどうかについては何も語っていません。その描画を評価したいなら、描画そのものを評価すべきです——投稿者自身の動画添付は19秒あり、それこそが見る価値のある成果物です。

これが新たな能力イベントとして記録される前に知っておく価値のある、順序に関する詳細もある。2026年10月22日、同じアカウントが「code arena上の謎のモデル」のスクリーンショットを投稿し、そのプロンプトは「できるだけ詳細に、自転車に乗ったペリカンのSVGをコーディングして」で、約63,000回閲覧された。ペリカンのプロンプトはこのアカウントの定番のルーティング検出器であり、繰り返し実行されている。同じ検出器から3週間離れて得られた2つの結果は、独立した観測ではない。

ペリカンテストは、それを有名にした人々によって廃止された

サイモン・ウィリソンは2024年10月25日、「ペリカンが自転車に乗っているSVGを生成せよ」というプロンプトを紹介した。その根拠は、そのようなSVGが学習データに存在するとは考えにくいため、どのモデルも実際に挑戦せざるを得ないというものだった。これは半ば公式なベンチマークとなり、2025年6月までにウィリソンは34羽のペリカンと560件のペアワイズ判定を収集した。

次に、最初のテストで所在地が問われたまさにその人物、アンドレイ・カルパシーが、それを死んだと宣言した。2026年8月初旬、彼はクロード・Opus 5に『指輪物語』の冒頭段落と約100万トークンの予算、約10ドルを与え、2時間自律的に走らせた。すると、約5,500行のThree.jsコードが生成され、手続き的にインタラクティブな低ポリゴンのホビット庄を構築した。「ちょっとガタガタだけど楽しい」ものだった。彼の主張は、ペリカンテストが識別力を失ったということだった。フロンティアモデルは今やそれをクリアするため、もはやモデルを選別できなくなったのだ。

つまり11月5日の投稿は、その開発者自身が4か月前に廃止した検出器を、すでにそれを通していたモデルファミリーに対して使っている。だからといって出力が悪いわけではない。ただ非診断的になる——そしてそれこそが、ルーティングテストに求められる唯一の特性なのだ。

「Extra」は文書化されたエフォートレベルであり、モデル名ではありません。

Anthropicのサポートサイトで約90秒で確認できるのは、次の部分です。モデル、エフォート、思考設定の変更に関するヘルプセンターページには、「Low」「Medium」「High」「Extra high（xhigh）」「Max」の5つのレベルが記載されています。Extra highについての同ページ独自の説明は、「長時間実行されるコーディングやエージェントタスク向けに設計されており、maxのトークンコスト全体をかけずに、highより深い推論を提供する」というもので、さらにこのレベルは「Opus 4.7以降のモデルで利用可能」と付け加えています。APIパラメータでは「xhigh」と表記されますが、セレクターでは「Extra high」と略さずに表示されます。

Claude Sonnet 5.5 には low、medium、high、xhigh、max の5段階すべてがあり、思考は常にオンで無効化する方法はありません。そのデフォルトはすべてのサーフェスで同じではありません — Claude API と Claude Code は、初期設定のままでは必ずしも同じレベルになるとは限りません。何も設定しなければ、呼び出し元によってはすでに異なる構成で実行している可能性があります。したがって、モデルピッカーを開いてデフォルトの Sonnet 5.5 エントリを目にし、エフォートを Extra high に切り替えたユーザーは、「Sonnet 5.5 Extra」とまったく同じように読めるラベルを作り出している一方で、一般提供開始から39日経過したモデルを実行していることになります。

請求額に対してエフォートが及ぼす影響こそ、内在化する価値がある部分だ。なぜなら、「次のモデル」という印象はおそらくそこから来ているからだ。トークンあたりの価格はエフォートによって変わらない。入力$2、出力$10、キャッシュ読み取り$0.20で、どのレベルでも同じだ。タスクあたりのトークン数は大幅に変動する。Artificial Analysisはローンチ時にpre-v5インデックスで全スイープを実行し、次のような階段状の結果を得た：

• 低 — インデックス36、タスクあたり$0.41

• 中 — インデックス41、タスクあたり$0.59

• 高 — インデックス47、タスクあたり$1.08

• 極めて高い (xhigh) — インデックス52、タスクあたり$2.74

• Max — インデックス56、1タスクあたり$7.60

それは能力曲線ではなく、支出曲線として読むべきだ。「high」から「Extra high」に移ると、完了したタスクあたりのコストは5インデックスポイントのために2倍以上になる——同じモデルがより長く考えるだけだ。そのスイッチを切り替え、出力が目に見えて精巧になるのを見たユーザーなら、それを「別のモデル」と表現するだろう。同じ重みに、より多くの余地を与えただけなのだ。

現在のライブ値はより低く、測定方法も異なっており、両者を混同してはならない。Artificial Analysisは2026年10月27日に指数をv5.0へ再構築し、9つの構成評価を置き換え、60%を非公開またはホールドアウトのセットに重み付けした。v5.0.1では、同じClaude Sonnet 5.5が最大エフォートで55、毎秒155トークン、インデックスタスクあたり10.02ドルを示し、実行全体で3億3500万出力トークンを生成した（中央値は7260万）。上記の56はv5以前の数値である。一方から他方を引くことに意味はない。

冗長性の数値は両方の評価基準で生き残る唯一のもので、同一のタスクセットにおける出力量の中央値の約4.6倍だ。それが「Extra」の努力で得られるものとその代償であり、驚くべきデモの説明としては、モデルの無言の差し替えよりもはるかに説得力がある。

実際にそれを決着させるのは何だろうか

その主張は反証可能であり、ほとんどのリーク噂について言えることよりも優れている。おおよそ強さの順に：

• モデルピッカーの項目で、その名前がAnthropicの公開モデルリストに記載されていないもの — 文字列であり、挙動のスクリーンショットではない。

• レスポンス本文の model フィールドが、ドキュメントに記載された ID 以外を報告している場合。Claude API のレスポンスはすべて、それを処理したモデルを返します。そのフィールドをすり抜けるような無言の差し替えとなれば、それはまた別の、より大きな話です。

• 日付入りの変更履歴エントリ、Bedrock または Vertex のモデルカード、あるいは Claude Sonnet 5.5 の入力 1M・出力 128K とは異なる、文書化されたコンテキストまたは出力の上限。

• pelican の背後にある生成スクリプトを、名前付きの2つの設定で2回実行し、その出力を比較する。ポスターにはバイト単位で再構築されると書かれている。それは2回の実行で決着をつけられる主張だ。

それらのどれかが実現するまでは、正直な読み方はこうだ。あるエフォートレベルがより印象的な描画を生み出し、コミュニティがそれを新リリースと解釈した、というものだ。Anthropicはそれについて何も公表しておらず、投稿自体も、識別子で裏付けられる名前を主張してはいない。振る舞いはルーティングに「見える」と述べているだけだ。それは印象の描写にすぎない。

本当の問題はサイレントルーティングであり、それは修正可能だ

モデル名を取り除いても、その下には正当な懸念が残る。あるプロバイダーが、別のものを動かしながらあるラベルでリクエストを処理できるなら、実行するあらゆるベンチマークと見積もるあらゆるコストは、動く標的を測っていることになる。答えは、より良い民間伝承ではない。ピン留めすることだ。

OrcaRouterでは、Claude Sonnet 5.5は200以上のモデルの中の1つのルートです。1つのキーで、プロバイダーの定価、マークアップ0%で利用できます。つまり、上記の$2と$10が実際に支払う金額であり、ベンダーの価格変更は当日にこちら側へ反映されます。リクエストで正確なモデルを指定します。フェイルオーバーは、いずれかでエラーが発生した場合にのみ別のプロバイダーへ移動させ、黙って差し替えるのではなく、そのことを通知します。この記事の仮説をきちんと検証したいなら、スクリーンショットは不要です。同じプロンプトをSonnet 5.5のhighとExtra highにルーティングし、2つのルートにラベルを付け、出力とトークン数を自分で比較してください。それは対照実験です。数セントで済み、印象ではなく数値が得られます。

本当に予告されていないモデルが現れたとしても、それを見つけ出すのは同じ徹底したやり方だ——突然モデルフィールドと一致しなくなる固定IDであって、先月よりよく見えるペリカンではない。

何かを再構築する前にすべきこと

まだ何もない。その主張は出てからまだ1日しか経っておらず、情報源も1つだけであり、最も有力な根拠は記録されたエフォートレベルにすぎない。これを根拠にパイプラインを移行したり、モデルを再ベンチマークしたり、ローンチ記事を書いたりしないこと。

今週できることは、どちらにしても安価で役に立つ。自分の呼び出しが実際にどのエフォートレベルで動いているかを確認しよう。デフォルトはサーフェスごとに異なり、明示的に設定する人はほとんどいないからだ。トークン単価ではなく、完了したタスクあたりのコストを見よう。Extra high が倍にするのはその数字だからだ。そしてモデルを比較するなら、IDを固定し、すべてのレスポンスで model フィールドをログに記録しよう。重要なルーティングの主張は、自分のログで確認できるものだけだ。

未解決の問題は、Claude Sonnet 5.5 Extraが存在するかどうかではない。次のペリカンが来る前に、誰かがそれの識別子を生成するかどうかだ。