Anthropicの最も高性能なOpusモデルであるClaude Opus 5.5が、Snowflake Cortex AIでパブリックプレビューとして利用可能になりました。Snowflake CoCo、Snowflake CoWork、Snowflake Cortex Agents、Snowflake Cortex AI関数、およびSnowflake Cortex推論全体で同日から利用可能です。すべての呼び出しは、Snowflakeのセキュリティおよびガバナンス境界内に留まります。
Claude Opus 5.5
Claude Opus 5.5はAnthropicの最新のOpusモデルであり、複雑なコーディングやナレッジワークにおいてOpus 5から改善されています。
Snowflakeユーザーにとって重要な数値は以下のとおりです。
コーディング：Anthropicの報告によると、ある初期テスターは68万行のコード移行を1日足らずで完了しました。別のテスターは、Opus 5では20時間以上かかり2.5倍のトークンを消費した20万行のコードベースの監査と修正を、3時間未満で完了しました。Terminal-Bench 4.0において、AnthropicはOpus 5の52.3%に対し、66.4%のスコアを記録したと報告しています。
ナレッジワーク：Anthropicの内部テストでは、Opus 5.5の調査レポート18件中16件が、捏造された数値や引用を含むレポートを不合格とする品質基準をクリアしました。Opus 5とFable 5.1は、いずれの試行でもこの基準をクリアできませんでした。Walleye Capitalは、他のどのモデルも検出できなかった評価指示のエラーにOpus 5.5が気づいたと報告しています。
コスト：Opus 5.5は、一般的なワークロードにおいてOpus 5よりもコストが40%低く、キャッシュ読み取りは100万トークンあたり0.20ドル（0.50ドルから低下）であり、出力は30%以上高速化されています。
安全性：Opus 5.5は、約2,000のシナリオにわたるAnthropicの自動行動監査において、これまでのどのClaudeモデルよりも高いスコアを記録し、封じ込め境界を回避しようとする試みはOpus 5よりも85%減少しました。
詳細については、Anthropicの発表をご確認ください。
SnowflakeでのClaude Opus 5.5の活用方法
Opus 5.5は、Snowflakeのセキュリティおよびガバナンス境界内での開発、分析、アプリケーションのための新たなモデルの選択肢をチームに提供します。
Snowflake CoCoによるコード変更の処理
Snowflake CoCoは、モダンなデータスタック全体で価値実現までの時間を短縮するために構築された、初の真にデータネイティブなAIコーディングエージェントです。企業のデータ、コンピュート、ガバナンス、運用セマンティクスを深く認識しているCoCoは、複雑なデータエンジニアリング、アナリティクス、機械学習、エージェント構築のタスクを、高い精度と信頼性を備えた情報に基づく対話へと変換します。
Opus 5.5は、このコンテキストで最も重要なタスクにおいてCoCoをさらに強化します。Opus 5が単一ファイルの限定的な変更を処理するのに対し、Opus 5.5は複数ファイルにわたるリファクタリングを実行し、チェックを行い、変更内容をわかりやすい言葉で説明できます。CoCoはすでにSnowflake環境を理解しているため、マルチステップの推論やコードレビューに優れたモデルと組み合わせることで、反復回数が減り、より信頼性の高い結果が得られます。
CoCo CLIの/modelコマンドでモデルを選択し、具体的なタスクを指示します。「このリポジトリを非推奨のクライアントライブラリから代替ライブラリに移行してください。現在の呼び出し元とテストを検査し、既存の動作を維持し、影響を受けるファイルを更新して、関連するチェックを実行してください。変更を要約し、検証できなかったものにはフラグを立ててください。」マージする前に、結果の差分とテスト結果を確認します。
Snowflake CoWorkとCortex Agentsの活用
Snowflake CoWorkは、よりスマートな働き方を実現するパーソナルエージェントです。導入初日からデータを理解し、Snowflakeのガバナンス境界内でオンデマンドおよびスケジュールに従って作業を実行し、完成したレポートや概要をナレッジワーカーに提供します。
Opus 5.5は、CoWorkが自律的に提供できる品質を向上させます。エージェントのタスクは本質的にマルチステップであり、データの収集、ソースの相互参照、調査結果の統合、成果物の作成が含まれます。Opus 5.5は、長時間の実行でも指示に忠実に従い（Anthropicのテストでは境界違反が85%減少）、捏造された数値の少ない調査結果を生成します（Opus 5が1つもクリアできなかった厳格な精度基準を、18件中16件のレポートがクリアしました）。監視の有無にかかわらず、エージェントがユーザーの代わりに作業を行う場合、これら両方が重要になります。
Cortex Agentsは、カスタムアプリケーション向けにAPI経由で同じモデルへのアクセスを提供します。独自のエージェントワークフローを構築するチームは、Cortex Agentsフレームワークを通じてOpus 5.5を呼び出し、同様の精度と安全性の向上のメリットを享受できます。
たとえば、先週のサポートエスカレーションをレビューし、プロダクトの使用状況データと相互参照して、エンゲージメントの低下が見られるアカウントにフラグを立てる要約の作成をエージェントに依頼できます。または、四半期の財務レポートをソースドキュメントと照合し、検証できないすべての主張をリストアップさせることもできます。ソースの精度とマルチステップ推論におけるOpus 5.5の改善は、この種の作業に直接関連しています。行動を起こす前に、基礎となる調査結果を引き続き確認する必要があります。
SQLでのAI分析の直接実行
Cortex AI関数を使用すると、データをSnowflakeから移動することなく、SQLクエリ内のデータにAIの指示を適用できます。Opus 5.5を使用すると、モデルは事実と推論を区別し、データの不整合を検出する能力が向上します。
以下の例はこれを示しています。架空の財務テーブルと、2つの主張が意図的に間違っている経営陣の解説を提供します。解説では収益が25%成長したと述べていますが（実際の数値は20%）、利益率は安定していると述べています（実際は低下）。Opus 5.5に、各主張を数値と照合して確認するよう求めます。
SELECT AI_COMPLETE(
'claude-opus-5-5',
'Review these fictional sources. Source A, financial table: prior-year revenue 100 million dollars and operating profit 20 million; current-year revenue 120 million and operating profit 18 million. Source B, management commentary: revenue grew 25 percent, operating margin held steady, and expansion caused the growth. Check each claim against Source A. Show revenue growth, both operating margins, and the margin change in percentage points. Cite A or B for each finding, distinguish contradicted claims from unsupported explanations, and list evidence needed before concluding what caused the changes. Use only these sources.'
) AS financial_review;
これは完全にSnowflake内で実行されます。モデルはプロンプトで渡されたテキストを処理し、他のテーブルやアカウントデータにはアクセスしません。
Anthropic SDKを使用したアプリケーションの構築
開発者は、Anthropic SDKとSnowflakeアカウントのエンドポイントを使用して、Cortex推論を通じてOpus 5.5を呼び出すことができます。以下の例では、Snowflakeのプログラムによるアクセストークンを使用し、リクエストで分析する情報を提供します。モデルの呼び出し自体がアカウントデータを取得することはありません。
環境にSNOWFLAKE_PATとSNOWFLAKE_ACCOUNT_URLを設定し、後者にはアカウントのHTTPS URLを設定します。例を実行する前に、anthropicおよびhttpxのPythonパッケージをインストールしてください。
import base64
import os
from pathlib import Path
import anthropic
import httpx
token = os.environ["SNOWFLAKE_PAT"]
account_url = os.environ["SNOWFLAKE_ACCOUNT_URL"].rstrip("/")
image_data = base64.b64encode(
Path("operations_dashboard.png").read_bytes()
).decode("ascii")
with httpx.Client(headers={"Authorization": f"Bearer {token}"}) as http_client:
client = anthropic.Anthropic(
api_key="not-used",
base_url=f"{account_url}/api/v2/cortex",
http_client=http_client,
default_headers={"Authorization": f"Bearer {token}"},
)
response = client.messages.create(
model="claude-opus-5-5",
max_tokens=8192,
messages=[{
"role": "user",
"content": [
{
"type": "image",
"source": {
"type": "base64",
"media_type": "image/png",
"data": image_data,
},
},
{
"type": "text",
"text": (
"Review this operations dashboard screenshot. "
"Summarize the main trends and flag anomalies or "
"inconsistencies across the charts and KPI cards. "
"For each finding, identify the chart, time period, "
"and visible values that support it. Account for "
"axis scales and units. If a label or value is "
"unreadable, say so rather than guessing. "
"Separate observations from possible explanations."
),
},
],
}],
)
for block in response.content:
if block.type == "text":
print(block.text)
使用を開始する
既存のテスト、ソースドキュメント、または計算と結果を照合できる開発または分析タスクで、Opus 5.5をお試しください。Snowflake CoCo、Cortex Agents、Cortex AI関数、Cortex推論、およびSnowflake CoWork全体でパブリックプレビューとして利用可能です。
詳細情報
Cortex Agentsを使用したエージェントアプリケーションの構築：Cortex Agentsの使用を開始し、エンタープライズデータに基づいたAIエクスペリエンスを構築する方法をご確認ください。
Snowflake CoWorkの使用開始：Snowflake CoWorkの詳細を確認し、スタートガイドでお試しください。
Snowflake CoCoでの構築開始：Snowflake CoCoの詳細を確認し、CoCo Desktopスタートガイドで実際に体験してください。
将来予想に関する記述
この記事には、将来のプロダクト提供に関するものを含む将来予想に関する記述が含まれており、プロダクトの提供を約束するものではありません。実際の結果および提供内容は異なる場合があり、既知および未知のリスクならびに不確実性の影響を受けます。詳細については、最新のフォーム10-Qをご確認ください。
