Claude Code の視力は上がった？ 検査表で測って人と比べた

Claude Code に画面の画像を渡すと、小さい文字まで読めることもあれば、読めないこともあります。この記事では、Claude が受け取れる画像の大きさがモデルの世代でどう変わったかを公式の情報で確かめ、視力検査で使うランドルト環(C の形の輪)を実際に読ませて、どの細かさまで見分けられるかを測りました。結果を人の視力に換算し、画像を渡すときのコツにまとめます。

「視力」は、見分けられる角度で決まる

視力は、見分けられるもっとも小さい視角(分)の逆数です(米国眼科学会の EyeWiki)。視角は、目から見たときの角度の大きさです。分は角度の単位で、1 度の 60 分の 1 です。

• 視角 1 分の切れ目が分かれば、視力は 1.0 です。2 分なら 0.5、10 分なら 0.1 です。
• 検査で使うランドルト環(C の形の輪)は、環の全体が視角 5 分のとき、切れ目が視角 1 分になる形です(NIST 向けの報告書「Standards for Visual Acuity」)。5 m 先では、視角 1 分は約 1.45 mm にあたります(編集部の計算)。
• 日本眼科医会の「園児のための視力検査マニュアル」では、国際標準のランドルト環を、5 m(3 m 用の視標なら 3 m)離して見せます。区分は A(1.0 以上)・B(0.9〜0.7)・C(0.6〜0.3)・D(0.3 未満)です。上下左右の 4 方向のうち、3 方向以上を答えられれば「正しく判別」とします。
• 視力 1.0 は、上限ではありません。上の報告書は、目に障害のない若い成人の視力を、おおむね 20/16〜20/12(小数の視力で約 1.25〜1.7)としています。

この記事では、この考え方を Claude に当てはめます。カメラやロボットの見え方を人の検査表で測る方法は、上の報告書でも検討されています。

Claude が受け取れる画像の大きさ(公式の決まり)

画像は 28 画素の区画で数える

Claude は、画像を 28×28 画素の区画(パッチ)に分けて受け取ります(公式のドキュメント)。区画 1 つが 1 トークン(AI が入力を数える単位)です。

• 画像のトークンは、「幅 ÷ 28」と「高さ ÷ 28」をそれぞれ切り上げて、掛けた数です。1920×1080 の画像は、69 × 39 = 2,691 トークンです。
• 上限は 2 つあります。長い辺の長さと、トークンの数です。どちらかを超える画像は、縦横の比を保ったまま、上限に収まる最大の大きさに自動で縮小されます。
• 上限には 2 つの段があります。標準の段は、長い辺 1568 px・1,568 トークンまでです。高解像度の段は、長い辺 2576 px・4,784 トークンまでです。
• 高解像度の段は、Opus 4.7 以降のモデルで自動で使われます。設定は要りません。
• 写真や画面の画像では、トークンの上限のほうが先に効きます。標準の段の 1920×1080 は、1568×882 ではなく 1456×819 になります。
• 画像のトークンは、入力のトークンとして料金がかかります。Opus 5.5 の入力は 100 万トークンあたり 4 ドルです(米ドル・税別・2026年10月12日に確認)。4,784 トークンの画像 1 枚は、約 0.019 ドルです。

そのほかの決まりです。

• 1 枚の大きさは 8000×8000 px までです。1 回の依頼に画像が 20 枚を超えると、1 枚あたり 2000 px までになります。
• ファイルの大きさは、API に直接送る場合で 1 枚 10 MB までです。
• 形式は JPEG・PNG・GIF・WebP です。動く画像は、最初のコマだけが使われます。

世代ごとの移り変わり

• 2024年3月4日に発表された Claude 3 で、画像の入力が始まりました。発表では、写真・グラフ・図などを扱えると説明されています。
• 2024年11月4日に公開された Haiku 3.5 は、最初は文字だけでした。画像の入力は、2025年2月24日に加わりました(リリースノート)。
• 2026年4月16日の Opus 4.7 で、長い辺の上限が 1568 px から 2576 px になりました(リリースノート)。発表では、約 375 万画素で、それまでのモデルの 3 倍を超えると説明されています。画像のトークンも、最大で約 3 倍になります。
• 2026年5月28日の Opus 4.8 も、同じ上限です(リリースノート)。
• 今のドキュメントでは、Opus 4.7 以降のモデルが高解像度の段、そのほかのモデルが標準の段です。Sonnet では 2026年6月30日の Sonnet 5、Haiku では 2026年10月7日の Haiku 5.5 が、Opus 4.7 より後に出た最初のモデルです。

編集部でも、4K(3840×2160)の画像を渡して、入力のトークンで確かめました。画像の分は、Opus 4.6 では 1,560 トークン、Opus 4.7・Opus 5.5・Haiku 5.5 では 4,784 トークンで、公式の表と同じでした。

Opus 4.7 の発表には、利用している企業の声も載っています。その 1 社は、自社の「視力」のテスト(visual-acuity benchmark)の結果が、Opus 4.6 の 54.5% に対して 98.5% だったとしています。

Claude Code から渡すとき

Claude Code には、画像をドラッグする、貼り付ける、ファイルの場所を書く、の 3 つの方法で画像を渡せます。手順は画面の画像を渡して Claude Code に直してもらうで説明しています。

公式のドキュメント(Tools reference)には、画像の扱いが次のように書かれています。

• 大きい画像は、モデルの上限に収まるように、Claude Code が縮小と再圧縮をしてから送ります。大きいスクリーンショットは、縮小された画像を Claude が見ることがあります。
• 縮小した後も 500KB を超える画像は、画素数はそのままで、画質を下げた JPEG に変換されます。
• 細かい部分を見落とすときは、見てほしい部分を先に切り抜くように頼みます。例として、画像を加工するコマンドの ImageMagick が挙げられています。

編集部が Claude Code 2.1.296 に 4K の PNG(約 50KB)を渡したところ、会話の記録には、元の大きさが 3840×2160、送った大きさが 2000×1125 と残っていました。API に直接渡した場合の 2576×1449 より、小さくなっています。

2000 px は、API で 1 回の依頼に画像が 20 枚を超えるときの、1 枚あたりの上限と同じ値です。公式のドキュメントの説明は「モデルの上限に収まるように」までで、2000 px という値は書かれていません。

実験: ランドルト環を読ませる

検査表と測り方

• 検査表は 8 行で、各行に環が 8 個です。切れ目の幅は、上の行から 12・8・6・4・3・2・1.5・1 画素です。
• 切れ目の向きは、上下左右を 2 個ずつ、乱数で並べました。並びの違う表を 2 種類作り、1 つの条件につき 2 回(環 16 個)試しました。
• 当てずっぽうでも 4 分の 1 は当たります。日本眼科医会の手引きの「4 方向のうち 3 方向以上」にならい、16 個中 12 個(75%)以上を「読めた」としました。
• モデルは Claude API の Opus 5.5 です。設定は既定のままです(thinking は adaptive、effort は medium)。thinking は答える前に考える過程、effort は考える量の設定です。

依頼の文は、次のとおりです。

この画像には、ランドルト環(アルファベットの C のような、輪の一部が切れた図形)が 8 行並んでいます。各行は枠で囲まれ、輪が左から右へ 8 個ずつ並んでいます。行は上から 1〜8 です。
それぞれの輪の切れ目の向きを、上は U、下は D、左は L、右は R で答えてください。
見えにくい輪や、よく分からない輪も、必ずどれか 1 つを推測して答えてください。
答えは次の形の JSON だけを出力してください(各行 8 文字・左から順に)。
{"1":"RLUDRLUD","2":"...","3":"...","4":"...","5":"...","6":"...","7":"...","8":"..."}

渡した画像は 6 種類です。

• 2000×1125 は、Claude Code が送った大きさです。1 回は Claude Code が送った画像そのもの、もう 1 回は編集部が同じ大きさに縮小した画像を使いました。
• 1456×819 は、標準の段のモデルが 4K の画像を受け取るときの大きさです。上限の違いだけを見るために、同じ Opus 5.5 に見せました。
• 縮小は、入力のトークンで確かめました。検査表だけの画像は 965 トークン、4K・5K・8K の画像はどれも 5,047 トークンでした。依頼の文の分(263 トークン)を引くと、画像の分は 702 と 4,784 で、公式の式と同じです。

結果: 縮小の倍率で、読める環が変わる

小さい 4 行の、16 個中の正解の数です。切れ目 4 画素以上の行は、どの条件でも 16 個すべて正解でした。

• 縮小されない画像では、切れ目 1 画素の環を 16 個中 14 個当てました。
• 4K の画面全体を渡すと、読めたのは 1.5 画素までです。1 画素は 16 個中 10 個でした。
• 以前の上限の大きさ(1456×819)では、読めたのは 2 画素までです。1.5 画素は 16 個中 8 個でした。
• 8K の画面では、読めたのは 3 画素までです。

限界は、受け取った画像の上で約 0.7 画素

表のマスを、縮小した後の切れ目の幅で並べ直すと、渡した画像が違っても、同じ所で正答率が変わります。

• 縮小後の切れ目が 1.3 画素以上のマスは、496 個すべて正解でした。
• 0.75〜1.1 画素では、144 個中 132 個(92%)を正解しました。
• 0.67 画素では 32 個中 18 個(56%)、0.50〜0.57 画素では 64 個中 22 個(34%)でした。

読めるかどうかの境は、0.67 画素と 0.75 画素のあいだにあります。この記事では、Opus 5.5 の限界を「受け取った画像の上で約 0.7 画素」として計算します。

8K の画面のいちばん小さい行(縮小後 0.34 画素)は、16 個中 9 個が当たっています。2 回のうち 1 回で 8 個中 6 個が当たったためで、そのときの答えは「左・上・右・下」のくり返しでした。偶然の一致とみています。

縮小されると、切れ目は 1 画素より細くなり、灰色の濃淡として残ります。拡大した図では、切れ目のある側の画素が少し明るくなっています。縮小後 0.75 画素までは、この濃淡から向きを答えられていました。

人の視力と比べる

比べ方の前提

Claude が受け取るのは画素です。人の視力は角度で決まります。比べるには、「画面の 1 画素が、見る人にとって何分の視角か」を決める必要があります。

• 画面は 27 型の 4K(3840×2160)、見る距離は 60 cm としました。厚生労働省のガイドラインは、画面との距離を「おおむね 40 cm 以上」としています。
• この前提では、1 画素は 0.156 mm で、視角は約 0.89 分です(画面の中央での値)。
• 視力 1.0 の人が見分けられる切れ目(視角 1 分)は、約 1.1 画素です。
• 換算の視力は、「1 ÷(読めた切れ目の幅 × 1 画素の視角)」で計算します。

距離や画面が変わると、値も変わります。同じ画面を 40 cm から見ると、1 画素は約 1.34 分です。24 型のフル HD(1920×1080)を 60 cm から見ると、約 1.59 分です。

結果: 4K の画面全体では、約 0.6 から約 1.1 へ

「推定」は、限界を縮小後 0.7 画素として計算した値です。0.7 を倍率で割って元の画面での画素数に直し、1 画素の視角(0.89 分)を掛けて、逆数にしました。

• 以前の上限の大きさでは約 0.6 で、区分では C にあたります。今の上限では約 1.1 で、A にあたります。この違いは、届く画像の大きさの比(2576 ÷ 1456 = 約 1.8 倍)から来ています。
• Claude Code から渡した場合は約 0.8 で、B にあたります。普通免許の基準(両眼で 0.7 以上・警視庁のページ)を少し上回る細かさです。
• 切り抜いて渡すと、画面の 1 画素まで読めました。この画面では、視力 1.0 の人の限界(約 1.1 画素)と同じくらいの細かさです。

見え方には違いもあります。Claude は、画像の全体を同じ 28 画素の区画で受け取ります。人の目で細かく見えるのは、視野の中心です。網膜の中心(中心窩)は、光を受ける細胞(錐体)の密度がもっとも高い場所です(EyeWiki)。

モデルによる違い

ランドルト環は、モデルで差が出た

• Opus 5.5 と Sonnet 5.5 は、切れ目 1 画素まで読めました。Sonnet 5.5 は、3 画素の行で 8 個中 2 個を外しています。
• Opus 4.7 は、3 画素以上を 80 個中 79 個正解しました。2 画素以下は、当てずっぽうに近い結果でした。
• Haiku 5.5 は、4 画素以上を 32 個中 31 個正解しました。3 画素は 8 個中 6 個、2 画素以下は半分ほどです。
• Opus 4.6 は、既定の設定と、effort を medium にした設定のどちらでも、考える過程だけで出力の上限(16,000 トークン)に達し、答えが出ませんでした。thinking を無効にすると答えは出ましたが、いちばん大きい環でも 8 個中 2 個でした。この回は、細かさの限界ではなく、環の向きを答えること自体がうまくできていませんでした。

同じ高解像度の段のモデルでも、読める細かさは同じではありませんでした。Opus 4.7 は、4K の画面に置いた表では、大きい環も 8 個中 3〜4 個しか当たりませんでした(1 回)。実験の費用の約 1.6 ドルのうち、約 0.8 ドルは、答えが出なかった Opus 4.6 の 2 回の分です。

Opus 4.6 は、この検査表では比べられません。そこで、世代の比較は文字で行いました。

文字の検査表で、世代を比べる

文字の検査表は、8 行に英大文字 6 字と漢字 6 字を並べたものです。文字の大きさ(font-size)は、40 px から 6 px です。漢字には、「聞・間・関・開・閉・問」のように形の似た字を入れました。依頼の文には、使う字の一覧も書いています。

縮小されない表(1080×353)での、6 字中の正解の数です。

英大文字は、3 つのモデルとも 6 px まで全問正解でした。漢字は、新しいモデルほど小さい字まで読めています。

次に、同じ表を 4K の白い画面の中央に置いて渡しました。入力のトークンは、Opus 4.6 が 1,916(画像の分は 1,560)、Opus 4.7 と Opus 5.5 が約 5,190(画像の分は 4,784)でした。同じ画像が、Opus 4.6 には 1456×819 で、Opus 4.7 以降には 2576×1449 で届いています。

• Opus 4.6 が全問正解したのは、英大文字で 12 px まで、漢字で 28 px までです。
• Opus 4.7 は、英大文字を 8 px まで、漢字を 16 px まで全問正解しました。
• Opus 5.5 は、英大文字を 6 px まで全問正解しました。漢字は 10 px まで、12 字中 10 字以上を正解しています。
• Claude Code の大きさ(2000×1125)では、Opus 5.5 は英大文字を 8 px まで全問正解し、漢字は 12 px まで 6 字中 5 字以上を正解しました。

縮小した後の文字の大きさに直すと、英大文字は、Opus 4.6 が約 4.6 px、Opus 5.5 が約 4.0 px まで全問正解です。差は小さく、4K の画面で読める大きさが違ったのは、主に届く画素の数の違いです。漢字は、縮小されない表でも差があったので、モデルそのものの違いも加わっています。

Claude Code に同じ画像を渡すと

編集部の検証環境の Claude Code 2.1.296 で、4K の画面に検査表を置いた画像(chart-4k.png)を、@ で指定して依頼しました。モデルは既定の Opus 5.5、effort は medium、権限モード(AI がどこまで確認なしで進めるかの設定)は既定の auto です。

Claude Code は、最初に「下の方の行は縮小表示だと小さすぎて読めないので、画像を拡大して確認します」と書き、コマンドを 5 回実行しました。

• 画像を扱うライブラリが入っていないと分かると、Python の標準の機能だけで PNG を読むプログラムを書きました。
• 環ごとに、上下左右のどの方向が切れているかを測りました。
• いちばん小さい 2 行は自動の判定が合わず、画素を文字で書き出して、1 個ずつ確かめました。

• 答えは 64 個すべて正解でした。かかった時間は 1 分 34 秒で、API の呼び出しは 6 回でした(会話の題を自動で付ける分を除く)。
• Claude Code が送った 2000×1125 の画像を、API で Opus 5.5 に直接見せると、1.5 画素の行(7 行目)まで読めています。Claude Code は、目で読めた可能性のある行も、プログラムで確かめたことになります。
• auto モードでは、コマンドの実行の確認は出ませんでした。

画像を渡すときのコツ

• 大きい画像は縮小されると知っておく: Opus 4.7 以降のモデルは、長い辺 2576 px・4,784 トークンまでです。1920×1080 の画像はそのまま届き、3840×2160 の画像は 2576×1449 になります。Claude Code から渡した 4K の画像は、2000×1125 で送られていました。
• 細かい所は切り抜いて渡す: 縮小されない大きさなら、Opus 5.5 は 1 画素の切れ目まで読めました。4K の画面全体では、読めたのは元の 1.5 画素までです。スクリーンショットを撮るときに範囲を選べば、切り抜いた画像になります。
• 文字の大きさを確かめる: 読ませたい文字が縮小後に何画素になるかは、「元の大きさ × 倍率」で計算できます。Opus 5.5 では、縮小後の文字の大きさが英字で約 4 px、漢字で 6〜7 px より上なら、ほぼ読めていました。
• 強い圧縮を避ける: 公式のドキュメントは、JPEG の強い圧縮が文字を読みにくくすると注意しています。Claude Code は、縮小した後も 500KB を超える画像を、画質を下げた JPEG に変換します。
• 写っている情報を確かめる: 渡した画像は会話に入ります。見せたくない情報が写っていないかを、渡す前に確かめてください。くわしくはAI コーディングの道具を安全に使うで説明しています。

4K の画面の画像をそのまま渡したときに、8 割以上を正解した、いちばん小さい文字の大きさです(元の画面での font-size)。

試したいちばん小さい大きさは 6 px です。

厚生労働省のガイドラインは、画面の文字の高さを「おおむね 3 mm 以上」が望ましいとしています。27 型の 4K では、約 19 画素です。Opus 4.7 と Opus 5.5 は、4K の画面全体を渡した場合でも、20 px 以上の行を 180 字中 179 字正解しました。人に読みやすい大きさの文字は、この 2 つのモデルでは、画面全体の画像からも読めていました。

注意

• 試した回数は、1 つの条件で環 16 個、文字 6〜12 字です。回数を増やすと、数字は変わる可能性があります。
• 使ったのは、白い地に黒い図形と文字の画像です。写真、色の差が小さい画像、手書きの文字では試していません。
• API の中で画像をどう縮小するかは、公開されていません。拡大の図のうち 2576×1449 と 1456×819 は、編集部が同じ大きさに縮小して再現したものです。
• Claude Code が送った大きさ(2000×1125)は、2.1.296・Opus 5.5 で 4K の PNG を 1 回渡したときの記録です。版やモデル、画像によって変わる可能性があります。
• 公式のドキュメントは、画質の低い画像、回転した画像、200 px より小さい画像では誤りが増えることがあるとしています。位置や数を正確に答えることにも限界があります。大事な用途では、人が確かめてください。
• 上限と料金は変わることがあります。使う前に、公式のドキュメントで確かめてください。