Claude Opus 4.6を使うときに知っておくべきこと

GPT5.4の専門家的使用方法

がでました。ですがClaude Opus4.6についてはでていません。

https://claude.ai/share/2326116d-11ad-4ed9-b28d-b4b9d282812c

Claude Opus 4.6を使うときに知っておくべきこと（素人向け）

公式が出してくれないので作ってみました。

①「頑張りすぎると間違える」

「難しい問題をしっかり考えて」と設定すると、簡単な事実確認でも深読みしすぎて間違いが増える。「これって本当？」「何年に起きた？」みたいな問いは、むしろ普通モードのほうが正確。

②「長い会話だと途中で記憶が薄れる」

会話が長くなると、最初に伝えたルールや設定を自動的に要約・圧縮してしまう機能がある（β版）。気づかないうちに最初の指示を「忘れた状態」で動き続ける。1時間以上使うセッションでは、重要な指示を途中でもう一度伝えたほうがいい。

③「文章がAIっぽくなりやすい」

前のバージョンより「それっぽい無難な文章」を出しやすくなった。文体や書き方の好みを最初に明示しないと、どんどん「雑誌っぽい当たり障りない文体」に寄っていく。

④「外部の情報を混ぜると騙されやすくなる」

ウェブ検索や外部文書を使わせながら「深く考えて」モードにすると、悪意のある情報に引っかかる率が上がることが確認されている。外部情報を扱うときは、あまり「深く考えて」設定にしないほうが安全。

⑤「使い方によってルールが変わる」

ブラウザで使う場合とAPI（プログラム経由）で使う場合で、同じ指示でも異なる動き方をすることがある。「このルールを守って」と伝えても、環境が変わると効かなくなる場合がある。

⑥「日本語だと指示の強さが伝わりにくい」

これは会話でも同じ問題が起きる。

英語の「must（必須）」「should（推奨）」「may（してもよい）」は義務の強さがはっきり分かれているが、日本語の「〜してください」「〜すること」「〜が望ましい」は丁寧さと強制力が混ざってしまう。AIは丁寧な言い方を「強い指示」とは受け取りにくい。

また「いい感じに」「適宜」「なるべく」「自然に」といった言葉は、人間同士なら通じるが、AIには「どこまでやればいいか分からない」自由度を与えてしまう。

さらにClaudeを含むAIモデルは、内部では英語で考えていることが多く、日本語の指示を一度英語に「翻訳」してから処理している可能性がある。その翻訳の段階で、ニュアンスや条件が変わることがある。

具体的な対処法：

• 「なるべく短く」→「3行以内」

• 「詳しく」→「根拠を3つ挙げて」

• 「いい感じに」→ 使わない

• 重要なルールは「必須：〜」と明示する

日本語で話しかけること自体は問題ない。ただし「何をどこまでやるか」の条件だけは、曖昧な言葉を避けて具体的に書くと、意図通りに動きやすくなる。

一言でまとめると

賢くなった分、「頑張らせすぎ」「指示を忘れること」「日本語の曖昧さ」の三つに注意。シンプルな質問は普通モードで、大事な指示は具体的に・繰り返す、それだけで大きく違う。

英日翻訳問題

はい。起きます。しかも、微妙な差が大きな差になることはある、が答えです。
ただし問題は「英語 vs 日本語」そのものというより、仕様文としての意味圧縮のされ方が言語ごとに違うことです。OpenAIの公式ガイド自体が、GPT-5.4では「出力契約」「完了条件」「根拠ルール」「ツール規律」を明示しろ、と強く寄せています。これは裏返すと、そこが曖昧だとモデル挙動がぶれやすい、という前提です。 (OpenAI Developers)

特にズレやすい層は5つあります。
1. 規範の強さです。英語の must / should / may は義務性の段階が比較的切り分けやすい一方、日本語の「〜してください」「〜すること」「〜が望ましい」は、丁寧さと拘束力が混ざりやすい。
2. スコープです。「AしないでBだけ行う」が、英語では否定のかかる範囲を比較的固定しやすいのに対し、日本語では並列や係り受けで解釈の揺れが出やすい。
3. 省略です。日本語は主語・目的語・条件の省略が多く、文脈依存が強い。
4. 抽象語の幅です。「簡潔に」「自然に」「必要なら」などは、日本語のほうが運用幅が広くなりやすい。
5. 丁寧表現のノイズです。日本語では礼儀的な緩衝が仕様強度を下げることがある。
これは言語学の一般論としての推論ですが、OpenAIのガイドが一貫して「具体的に書け」「終端条件を書け」「曖昧な自由度を減らせ」としているのは、まさにこの種のブレを抑えるための設計です。 (OpenAI Developers)

さらに、翻訳そのものより危険なのは、訳語が“同義っぽく見えて実は運用条件を変える”ことです。
たとえば英語の compact を日本語で「簡潔」と訳すと、情報量削減の指示にも、文体の硬さの指示にも読めます。grounded を「根拠に基づく」と訳しても、引用必須なのか、与えられた文脈から逸脱するなという意味なのかが分かれうる。done も「完了」と訳すだけでは、全件処理・検証済み・空振り確認済み、のどこまで含むかが落ちます。GPT-5.4の公式ページが <output_contract>、<completeness_contract>、<verification_loop> のように意味をラベル化して分解しているのは、自然言語の訳語差をそのまま放置しないための手筋と見てよいです。 (OpenAI Developers)

ここで重要なのは、モデルが多言語対応だから、仕様も多言語で同じ精度になる、とは限らないことです。OpenAIの cookbook でも、推論モデルはしばしば英語で reasoning しがちで、多言語 reasoning をしやすくするために追加調整する例が示されています。これは API の GPT-5.4 そのものの制約を直接述べたものではありませんが、少なくとも言語が変わっても意味が完全保存される、と楽観していないことは読み取れます。 (OpenAI Developers)

なので運用上の結論はかなり実務的です。
翻訳でブレる前提で設計するべきです。具体的には、自然文を丸ごと訳すのではなく、制御文だけは構造化して固定するのが有効です。OpenAIの公式ガイドに沿うなら、少なくとも
「出力形式」
「根拠の範囲」
「完了条件」
「確認が必要な条件」
は、英日どちらでも同じ意味になるよう、ブロックや箇条書きで分離したほうがよいです。OpenAIも、区切り記号、具体的ガイドライン、成功条件、例と指示の整合、モデル更新時の evals、スナップショット固定を推奨しています。 (OpenAI Developers)

実務で効くのは、次のようなやり方です。
英語本文をそのまま日本語へ流麗に翻訳するのではなく、意味拘束の強い句を原文併記で残す。たとえば

• Must / 必須

• Only use provided sources / 提供ソースのみ使用

• Done = all items processed and checked once for omissions / 完了＝全件処理し、抜け漏れ確認を1回実施
  のように、意味の核だけ二言語で固定する。これは翻訳ではなく、半分は仕様記述です。公式ガイドの趣旨とも整合します。 (OpenAI Developers)

逆に危ないのは、こういう日本語です。
「いい感じに」「必要なら」「適宜」「なるべく」「自然に」「簡単に」
これらは人間同士の会話では便利ですが、プロンプトでは自由度の入口になります。OpenAIのガイドが「小さなプロンプトから始めろ」と言いつつ、失敗モードが測定できたらブロックを追加しろ、と言うのは、こうした曖昧語がどこで破綻するかを evals で見ろ という意味です。 (OpenAI Developers)

整理するとこうです。
H₁: 英語のほうが常に良い。
これは言いすぎです。公式にもそんな断定はありません。 (OpenAI Developers)
H₂: どの言語でも、仕様の明示度が低いとぶれる。微妙な翻訳差は、とくに義務性・完了条件・根拠制約で大きな差になる。
こちらのほうが、公式ガイドの設計思想と整合的です。 (OpenAI Developers)

実務上の暫定結論は一つです。
会話は日本語でよいが、制御部分は半構造化し、必要なら英日併記にする。さらに英語版・日本語版の両方で同一 eval を回す。
これが一番事故が少ないです。OpenAIも、モデル変更時は reasoning effort を固定してから evals で比較し、一度に一つずつ変えろとしています。翻訳差の検証にもそのまま使えます。 (OpenAI Developers)

詳細版

Opus 4.6固有の問題を実証データから整理する。GPT-5.4ガイドと対称的に読んでほしい。

1. 「考えすぎ」劣化

事実確認・検証可能な質問では、thinking量を増やすほど誤答率が上がる。100Q-Hard、Simple-QA-Verified等で確認済みで、「overthinkingは実在する問題」とAnthropicも認定している。

→ 仮説生成・構造分析にはeffort highで有効、だが「これは事実か？」系の問いでは逆効果。仮説検証でfact-checkを混ぜる場合、意図的にeffortを下げたほうが精度が出る可能性がある。

2. Context Compaction（β）の静かな劣化

APIではコンテキスト閾値に達すると自動的に古い会話を圧縮・要約する機能がβ提供されている。

→システムプロンプトや冒頭の指示群が長いセッション中に圧縮される可能性がある。自覚なく劣化する。GPT-5.4ガイドが言う「完了条件の明示」より構造的に厄介で、セッション後半でコンプライアンスが下がっても検出が難しい。長いセッションでは定期的に原則層を再注入する必要がある。

3. 「AIスロップ文体」化の傾向

Opus 4.5より「AI slop」スタイルの文章を生成しやすくなった、という評価が出ている。

→ 文体制御の指示は以前より明示的な指示が必要になる。柔軟性が上がった分、スタイル指示がないとデフォルトが「流麗な雑誌文体」に引っ張られる。

4. Extended thinking × プロンプトインジェクション脆弱性

Gray SWANベンチマークでは、extended thinkingを有効にするとプロンプトインジェクション成功率が上昇した。

→ 外部ソースを取り込む分析タスク（ウェブ検索・外部文書）でeffort maxを使う場合は注意が必要。これは複数AIの出力を比較する実験設計にも関わる——他AIの出力を材料として食わせるとき、悪意ある整形をされたテキストに対してthinkingモードが弱くなる。

5. 安全性挙動のコンテキスト依存

チャット環境で学習した拒否挙動がツール使用環境に汎化しない、と公式が認めている。モダリティをまたぐと安全転移が脆い。

→ カスタム指示の禁止事項も、claude.ai UIとAPI経由では異なる挙動をしうる。これはGPT-5.4の翻訳問題より根が深い——言語の問題ではなく実行環境の問題だから。

GPT-5.4ガイドとの非対称

GPT-5.4は「仕様の明示度が低いと壊れる」→ 書けば直る。Opus 4.6は「考えすぎると壊れる」「圧縮されると壊れる」→ 書いても長期セッションで消える、effortを上げるほど逆効果になる領域がある。設計思想として、GPT側は「仕様契約の不足」が問題で、Opus側は「自律性の過剰」が問題の構造になっている。

公式ドキュメントが日本語ユーザーにこれをほぼ説明していない点は、上の会話で指摘した構造そのままの事例になっている。