200Kの壁をどれだけ意識していたか
「このファイルから先は読ませられないな」と感じながらプロンプトを工夫していた、あの地味なストレスを覚えているだろうか。
認証フローを追おうとすると、ミドルウェア・ハンドラ・サービス層・モデル層が4ファイルにまたがる。全部をコンテキストに入れたいのに、200Kという上限がそれを許してくれない。仕方なくチャンクに分け、「前の会話でミドルウェアの話をしたのですが……」と前置きを書き続ける。そのたびに少しずつ話の文脈が薄れていく感覚があった。
2026年4月にリリースされたClaude Code Opus 4.7は、このコンテキスト問題をかなり根本から解決しようとしている。1Mトークンというウィンドウサイズは単純な拡張にとどまらず、「どんなタスクで使うか」という判断を求められるものでもある。
Opus 4.7の1M Context、何が変わったか
コンテキストサイズの実感値
1Mトークンと言われてもピンとこなければ、コード行数で考えると分かりやすい。200KはおおよそGitリポジトリの3万行弱が上限だった。1Mになると10万行以上を収められる。中規模のNode.jsプロジェクト一式、あるいはフロントエンド・バックエンド・インフラを含むモノレポでもウィンドウ内に収まる規模だ。
ファイル換算でも変化は大きい。200K時代は「数百ファイル」が限界だったが、1Mでは「数千ファイル」のモノレポ全体を一括で渡せる。画像やPDFの上限も100件から600件に増えた。
注意点を一つ先に伝えておく。新しいトークナイザーにより、Opus 4.7は同じコードを入力してもOpus 4.6より最大35%多くトークンを消費することがある。「1Mが使えるようになった」と喜んで試算なしに切り替えると、想定外にコストが積み上がる可能性がある。
モデル指定の方法
Claude Code v2.1.111以上（claude updateで更新可能）で、以下のコマンドが使える。
# セッション起動時
claude --model opus[1m]
# セッション中に切り替え
/model opus[1m]
Max・Team・Enterpriseプランなら追加設定なしでOpus 1Mが有効化されている。Proプランでは追加使用量（Extra Usage）が必要だ。settings.json に "model": "opus[1m]" と書いておけば毎回指定しなくてよい。
1M Contextを一時的に無効化したいときは CLAUDE_CODE_DISABLE_1M_CONTEXT=1 を環境変数に設定する。
1M Contextが本領を発揮する場面
モノレポ・大規模リポジトリの横断理解
200K時代のフラストレーションの核心は「クロスファイル依存関係がチャンク境界で切れる」ことだった。A.ts が B.ts をインポートし、B.ts が C.ts を参照している。この連鎖をひとつの文脈として持てないため、「このクラスのインターフェースは？」という問いに対して誤答やハルシネーションが増えていた。
1Mがあれば、認証フローを例にとれば次の一問で済む。
claude --model opus[1m] "このコードベース全体を読んで、認証フロー・データアクセス層・API層の依存関係を図解してください"
これを200Kで実現しようとすると、複数セッションに分割して文脈を手動でつなぎ合わせる作業が必要だった。同じ質問を1回で投げられることの差は、時間だけでなく「途中で文脈が劣化するリスク」が消えることにある。
レガシーコードのリファクタリング影響調査
「このAPIのシグネチャを変えたら、どのファイルに影響が出るか」は、コードベースが大きいほど怖い問いだ。ripgrepやIDEの検索は機械的なテキストマッチしかできない。型の別名や動的呼び出しを通じた影響は、コードの文脈を読んでいないと追えない。
1Mを使えば全ファイルをコンテキストに入れ、「getUserById(id: string) を getUser(params: UserParams) に変更した場合の影響ファイル一覧を出してほしい」と一問で依頼できる。報告事例によれば、大規模なレガシー移行を期待の半分程度の工数で完了したチームもある。二次情報の域を出ないが、アプローチ自体の有効性は体験してみる価値がある。
セキュリティ監査
複数ファイルをまたいだデータフローの追跡、具体的にはSQLインジェクションの「ソース（入力）→シンク（DBクエリ）」を追いかける作業は、ファイルが分断されると途切れる。Opus 4.6を使った実験では、全コードベースを一括で渡すことで500件以上の未検出脆弱性がオープンソースコードから見つかったとAnthropicのブログに報告がある。Opus 4.7のコーディング精度はOpus 4.6よりさらに向上しており（SWE-bench Verified: 80.8% → 87.6%）、この種のタスクには期待できる。
ハマりどころと回避策
コンテキスト使用率を埋めすぎない
1Mが使えるからといって無差別にファイルを詰め込んでも、精度は向上しない。長文コンテキストの精度をMRCR（Multi-Round Co-Reference Resolution）v2というベンチマークで測定すると、Opus 4.6の場合、256K時点では93%だった精度が1M時点では76%に下がる。コンテキストを埋めるほどにコンテキスト中盤の情報への注意力が薄くなるためで、これはOpus 4.7でも同様の傾向が残ると見ておくほうが無難だ。
コンテキスト使用率は70〜80%以下に保っておく。/usage コマンドで現在のトークン使用量を確認しながら作業できる。「何でも入れておけば安心」という感覚は禁物だ。
コストの計算し直し
価格は入力$5/MTok・出力$25/MTok（2026年5月時点）。600Kトークンのコードベースを入力すると、それだけで$3が発生する。キャッシュなしで同じコードベースを5回読ませれば$15になる。
ここでプロンプトキャッシュが効いてくる。初回（5分キャッシュ書き込み）は$3.75かかるが、2回目以降はキャッシュヒットで$0.30まで落ちる。90%削減だ。同一セッション内で複数の質問をこなすなら、キャッシュを意識しながら進めると費用を大幅に抑えられる。
また前述した新トークナイザーの問題を忘れないでほしい。Opus 4.6で試算していたコストが、4.7に切り替えた途端に想定より30%近く増える可能性がある。/v1/messages/count_tokens APIで事前にトークン数を計測しておくと安心だ。エンタープライズの実績値としては、平均$13/開発者/アクティブ日という数字が公式ドキュメントに載っている（90%のユーザーは$30以下/アクティブ日）。
キャッシュ失効と待ち時間
60〜90分席を離れてセッションに戻ると、プロンプトキャッシュが失効して再読み込みが走る。このとき60〜90秒の待機が発生することがある。バッチ型の長時間エージェントタスクを組む場合は、この失効タイミングをスケジュールに織り込んでおくと、「急に止まった」という感覚を持たずに済む。
Sonnet 4.6との住み分け
Sonnet系モデルで1M Contextを使うことは推奨しない。MRCRのスコアを見るとSonnet 4.5は1Mで18.5%という数値が出ており、大規模コードベースの全体把握には実用上の限界がある。
横断的な全体把握・影響範囲調査・アーキテクチャ理解には opus[1m] を使い、個別ファイルの実装・バグ修正・テスト生成など局所的な作業はSonnet 4.6（$3/MTok）に戻す。この使い方でコストと質のバランスを保てる。
試してみるための手順
claude update でClaude Codeを最新バージョンに上げてから、普段使っているリポジトリで /model opus[1m] に切り替えてセッションを始める。コードベースを読ませる前に /usage でトークン使用量を確認し、全ファイルを渡したときのコンテキスト使用率をざっと把握しておく。
手始めにやるなら、新規参画したプロジェクトや「全体像がつかみにくい」と感じているレガシーリポジトリで試すのが効果を実感しやすい。コードを分割して何度もやり取りしていたあの煩雑さが消えた時点で、使いどころが腑に落ちるはずだ。
opusplan（Plan Mode用のハイブリッド）はPlanフェーズが標準の200Kで動く点に注意してほしい。コードベース全体を読ませたいなら opus[1m] を直接指定する。
まとめ
1M Contextは「量」だけの問題ではない。200Kではチャンク境界で切れていたクロスファイルの文脈がひと続きになることで、これまで複数セッションに分散させていたタスクが1問で完結する。
ただし闇雲に使えば精度は落ちる。コンテキスト使用率は70〜80%を目安に保ち、新トークナイザーによるコスト増の可能性を念頭に置く。キャッシュを活用して2回目以降のコストを抑え、局所的な実装タスクはSonnetに切り替える。この使い分けができれば、1M Contextは日常のClaude Codeワークフローに自然と組み込まれる。
参考リンク
- Claude Opus 4.7 発表: https://www.anthropic.com/news/claude-opus-4-7
- What's new in Claude Opus 4.7: https://platform.claude.com/docs/en/about-claude/models/whats-new-claude-4-7
- Models Overview（価格・コンテキスト一覧）: https://platform.claude.com/docs/en/about-claude/models/overview
- Pricing: https://platform.claude.com/docs/en/about-claude/pricing
- Model Configuration（Claude Code）: https://code.claude.com/docs/en/model-config
- Manage costs（Claude Code）: https://code.claude.com/docs/en/costs
- 1M Context GA（Anthropicブログ）: https://claude.com/blog/1m-context-ga
- Effective context engineering: https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
- Vellum ベンチマーク解説: https://www.vellum.ai/blog/claude-opus-4-7-benchmarks-explained
- 大規模コードベース分析ガイド（NxCode）: https://www.nxcode.io/resources/news/claude-1m-token-context-codebase-analysis-guide-2026
コメント