2025年8月12日、AnthropicはClaude Sonnet 4が1リクエストで最大100万トークンを処理可能になったと発表した。
Public BetaとしてAnthropicのAPIとAmazon Bedrockで提供し、Google CloudのVertex AI対応は予定中である。75,000行超のコードベース解析が可能となり、内部テスト「needle in a haystack」で100％の正確性を達成した。
価格は入力200Kトークン以下が$3／M、出力が$15／M、超過分は入力$6／M、出力$22.5／Mとなる。Menlo Venturesの調査ではAIコード生成市場でAnthropicは42％、OpenAIは21％のシェアを持つ。主要顧客はCursorとGitHub Copilotで、年間収益ランレート50億ドルのうち約12億ドルを占める。初期利用はTier 4やカスタムレート制限のAPI顧客、Fortune 500企業などである。
From: 
Claude can now process entire software projects in single request, Anthropic says
【編集部解説】
AnthropicがClaude Sonnet 4に最大100万トークンのコンテキスト（文脈）処理を開放しました。単一リクエストで約75,000行のコードや約75万語のドキュメントを一気に読み込める規模で、APIおよびAmazon Bedrock経由のPublic Betaとして段階的に展開されています。これにより、これまで分割前提だった大規模リポジトリや多数文書の横断的な関連把握が、1回の入出力で可能になります。
技術的には、長文脈での「needle in a haystack（干し草の山の中の針）」的検索・想起の正確性が論点です。Anthropicは内部評価で100%の再現性を謳いますが、これはあくまで社内テストであり、実運用におけるコード異臭検知や設計上のトレードオフ把握など、多層的な推論の持続性は現場検証が不可欠です。ただし、プロジェクト全体像を”丸ごと”見渡せること自体は、ファイル粒度の分割では失われがちだった依存関係と設計意図を保ったまま提案できる余地を広げます。
実装・料金面では、200Kトークン以下は従来の$3/MTok（入力）・$15/MTok（出力）に据え置き、200K超から$6/MTok・$22.50/MTokへ切り替わる二段制です。長文脈のβ利用は当面Tier 4およびカスタム制限の組織が対象で、プロンプトキャッシング（prompt caching（プロンプトの再利用キャッシュ））と併用することでリピート照会型ワークロードの総コストを抑制できる設計です。この「キャッシュ×長文脈」によるRAG代替のコスト・品質最適化は、法務・金融・製造のナレッジ資産を持つ企業にとって実践的な選択肢になり得ます。
市場文脈では、コード生成が企業導入の主用途として伸び、Menlo Ventures調査でAnthropicのコード生成シェアは42%、OpenAIは21%とされています。企業は価格より性能を優先し、より高性能モデルへの素早いアップグレードが常態化しています。一方で、価格攻勢を強める競合（例：GPT-5）や、プラットフォーム戦略におけるアライアンスの力学は、モデル採用の流動性を高める要因となります。
できるようになることは明確です。第一に、リポジトリ全体の設計レビュー、リファクタリング計画、仕様と実装の整合性監査を「文脈を保ったまま」一気通貫で回せます。第二に、数百ファイル規模の文書群からの合意形成資料やリスク論点の抽出など、関係性を前提とする要約・統合がしやすくなります。第三に、ツール呼び出しを跨いだエージェント運用で、長いワークフローの一貫性と再現性を保ちやすくなります。
留意すべきリスクもあります。長文脈は「見えすぎるがゆえの錯覚」を生みやすく、誤った前提の連鎖や過剰一般化が交じると、広範囲に影響する提案ミスになり得ます。加えて、過去バージョンで観測された望ましくない振る舞いの教訓から、安全性設計は今後も注視が必要です。ベータ段階では、重要判断におけるヒューマン・イン・ザ・ループを厳格に保つべきです。
規制・ガバナンス面では、長文脈化に伴い入力データの守備範囲が拡大します。権限分離、機密区分、データ最小化の実装が不十分だと、不要な個人情報・営業秘密まで取り込むリスクが増します。監査可能性（誰が・いつ・何を入力し、どの判断がなされたか）を担保するためのログ設計や、キャッシュのTTL・アクセス制御は、モデル選定と同列の経営課題です。
長期的には、RAG前処理中心の「情報を選んでから渡す」設計から、長文脈を前提に「まず全体を見せ、モデル自身に選ばせる」設計への再編が進みます。これは、情報アーキテクチャとMLOpsの分業を再定義し、エージェント編成・権限設計・コスト会計の枠組みまで影響を与えます。GeminiやOpenAIも大規模コンテキストの路線にあり、長文脈×価格×推論性能の三つ巴は当面の焦点であり続けるでしょう。
最後に、なぜ今か。モデル性能の頭打ち議論が出る中で、「入力側の律速」を外すことは実務価値に直結します。プロダクトロードマップ、設計思想、運用手順、テスト資産、ナレッジの「全体」を理解したうえで提案できるAIは、開発現場の意思決定速度と品質を底上げします。長文脈は魔法ではありませんが、現場の「分割に伴う損失」を削る現実的なテコになります。
【用語解説】
コンテキストウィンドウ（context window）
モデルが一度のリクエストで保持・参照できる入力の範囲のこと。
トークン（token）
テキストを分割した最小単位で、課金やモデルの処理量の基準となる。
needle in a haystack（干し草の山の中の針）
大量テキスト中の特定情報を探索する内部評価手法の通称。
Public Beta（公開ベータ）
一般開放された試験提供段階で、正式版前の段階を指す。
プロンプトキャッシング（prompt caching）
繰り返し使う大規模プロンプトをキャッシュして遅延とコストを削減する仕組み。
RAG（Retrieval-Augmented Generation）
検索・取得結果を補助情報として生成に用いる方式。
リポジトリ横断コード解析
リポジトリ全体を読み込み、依存関係や設計をまたいで解析・提案すること。
コンテキスト対応エージェント
長いワークフローや多数のツール呼び出しにわたり文脈を保持するAIエージェント。
【参考リンク】
Anthropic（外部）
人工知能モデルClaudeを提供する企業で、Sonnet 4の1Mトークン文脈を発表している。
Claude Sonnet 4: 1Mトークン対応発表（外部）
Sonnet 4の1Mトークン対応、ユースケース、価格調整、提供範囲を案内する発表ページである。
Anthropic API Pricing（外部）
Sonnet 4の長文脈価格やティア条件、バッチ割引、キャッシュ適用などの詳細を示す。
Amazon Bedrock（外部）
複数基盤モデルを提供するAWSの生成AIサービスで、Claudeの提供も含む。
Google Cloud Vertex AI（外部）
Google CloudのAIプラットフォームで、基盤モデルの提供と統合機能を持つ。
【参考動画】
【参考記事】
Claude Sonnet 4 now supports 1M tokens of context（外部）
Sonnet 4が最大1Mトークンの文脈に対応し、リポジトリ全体の解析、文書群統合、コンテキスト対応エージェントなどのユースケースが拡張された。
Anthropic’s Claude AI model can now handle longer prompts（外部）
Sonnet 4が1Mトークンに対応し、約750,000語または75,000行規模の入力が可能になった。
Menlo Ventures – 2025 Mid-Year LLM Market Update（外部）
企業LLM市場のシェア変動、API支出の倍増、コード生成の台頭、Anthropicのコード生成シェア42%などを提示。
Techmeme summary: Anthropic updates Claude Sonnet 4（外部）
1Mトークンの文脈対応、約750K語/75K行、5倍拡張という要点を集約し、同日の報道の中心情報を短く示す。
Simon Willison: Claude Sonnet 4 now supports 1M tokens of context（外部）200Kと1Mでの二段価格、βヘッダー指定、Tier 4制限など、実装上の具体的留意点を補足し、他社（Gemini）の価格比較も紹介。
【編集部後記】
みなさんは、開発しているサービスやプロジェクトの全体像を、AIが一度に理解して提案してくれるとしたら、どんな活用を思い描きますか。75,000行のコードベースを分割せずに扱えることは、単なる効率化を超えた可能性を秘めています。
これまで、大規模なシステムの改善提案を得るためには、開発者が手作業でコードを分割し、重要な文脈を失うリスクを抱えながら作業していました。しかし今回のClaude Sonnet 4の長文脈対応により、プロジェクト全体の設計思想や依存関係を保ったまま、AIからの提案を受けられるようになります。
もちろん、200Kトークン超で$6/$22.50という価格設定は決して安くありません。しかし、分割作業に費やしていた時間コストや、文脈を失うことで生じる品質リスクを考慮すれば、多くの企業にとって合理的な投資と言えるでしょう。
この技術がもし皆さんの職場や個人プロジェクトに導入されたら、どんな変化が起こるのか。コードレビューの質は向上するのか、設計判断のスピードは上がるのか。そして何より、開発者の創造性がより高い領域に向かうのか。ぜひ想像しながら、この技術の可能性について考えてみてください。
