網民熬夜玩兒瘋,Claude Opus 4.7來了

2026-04-17 | 來源: 量子位 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

用Mythos向外界虛晃一槍後，Anthropic猝不及防把Claude Opus 4.7抬了上來。

不少小伙伴都熬夜玩兒瘋了！

一骨碌從床上坐起來邊沖浪邊上手體驗，我從Opus 4.7身上總結了一個壞消息和一些好消息。

先說壞消息吧——Opus 4.7身上，怎麼看怎麼有點故人之姿。

動不動就要“穩穩接住”我。

不少網友也反饋，怎麼說是升級，但Opus 4.7越用越像GPT？？？

如果是真的，這可不是什麼好事情（無奈閉眼.jpg）。

相比壞消息只有一個，好消息那是有一籮筐。

在Agentic coding、Agentic terminal coding、Scaled tool use、Visual reasoning等多個方面，都比前作更好。但Agentic search等幾個單項能力上有所下降。

Anthropic還很臭屁地表示：

Opus 4.7是我們家目前最強大的公開可用模型。

不過這不是我們最強大的模型喲～～

看來最強大的還是密而不發的Mythos。

看看上面的表格，Mythos在那些測試上的整體表現，均優越約10%至15%。

毫無疑問，Mythos Preview是目前Anthropic手裡最夯的一張牌，能力拉滿，但價格也是Opus 4.7的5倍。

相比之下，Opus 4.7更像是安全體系完成全驗證、定價親民且全平台開放的最強量產版。

但……所謂智者千慮必有一失。

強大的Opus 4.7還是在昨日的陰溝裡面翻了船：

Claude Opus 4.7突襲，核心升級四大方向

通覽下來，這個公開最強的Opus 4.7，在四個方向上都有突出表現。

高級軟件工程領域：值得托付

Opus 4.7最顯著的進步在高級軟件工程領域。

來看這組數據：

SWE-bench Verified測試達到78.2%；

SWE-bench Multimodal達到72.7%；

Terminal-Bench 2.0拿下68.8%；

Rakuten-SWE-Bench 中解決生產任務的數量更是Opus 4.6的3倍；

GitHub 93項任務編碼基准也提升了13%。

Cursor的CEO Michael Truell給出了一個關鍵評價：

在CursorBench上，Opus 4.7從58%躍升到70%，這個躍升意義重大。

這種提升體現在三個關鍵特性上。

第一，嚴格遵循指令。

Opus 4.7不再像早期模型那樣“靈活解讀”用戶的模糊表述，而是字面執行。

這意味著以前你寫“如果可能的話，嘗試優化這段代碼”這種提示詞，模型可能會選擇性忽略。

現在你說“優化這段代碼”，它就一定會執行。

這種變化要求用戶重新調整提示詞策略，軟修飾符如“if possible/ideally/try to”的權重變得更高，硬限制需要更明確。

第二，輸出前自我驗證。

Opus 4.7會在報告結果前devise ways to verify its own outputs，就像一個資深工程師在提交代碼前會自己跑一遍測試。

第三，擅長復雜多文件變更、模糊調試、跨服務代碼審查。

Notion的AI Lead Sarah Sachs分享了一個數據：

面對復雜多步驟工作流，Opus 4.7比Opus 4.6提升14%，而且token消耗更少，工具錯誤只有三分之一。

它是第一個通過我們隱性需求測試的模型。

視覺能力：分辨率×3，看見更多細節

在視覺能力方面，Opus 4.7也有很不錯的進步。

官方數據顯示，長邊最大支持2576像素（≈3.75百萬像素），是Opus 4.6的3倍以上；XBOW視覺敏銳度達到 98.5%（Opus 4.6僅54.5%）。

實際落地場景幾乎全覆蓋，能直接識別完整Figma設計稿、1080p終端截圖（含灰色小字），精准解析復雜技術架構圖、財報圖表，在計算機使用（Computer Use）場景中，可清晰讀取高密度UI元素，視覺處理能力近乎滿分。

換句話說，化學結構解析、復雜技術圖表識別、像素級精確的UI元素定位，這些過去需要專門模型的任務，現在可以直接用Opus 4.7一個模搞定。

Figma聽了立刻股價大跌，怎一個慘字了得。

指令遵循與推理：更可控，更可靠

Opus 4.7在指令遵循上也有長足進步。

它不再試圖猜測用戶的真實意圖，而是嚴格按照字面執行。

Claude新功能"記憶搬家"! 70萬用戶退訂OpenAI

Claude崩了,全球AI因何"熔斷"?(圖

學霸用Claude幹翻百人律師團重構法律執業模式

這次升級的核心優勢在於嚴苛的字面執行，如果用戶要求 “不要用 TypeScript” ，模型就堅決不用；用戶要求 “輸出 JSON” ，得到的輸出就一定沒有任何額外前綴。

這種變化對老用戶來說可能需要適應（同時舊提示詞易出現意外結果，需重新校准），但對需要精確控制的場景來說是福音。

在推理方面，100萬token長上下文場景表現亮眼，BFS任務得分58.6%*（Opus 4.6成績為41.2%），復雜推理中邏輯連貫性顯著提升。

Agent能力增強：為Agent而生的版本

如果說之前的Claude是為對話而生，Opus 4.7則是為Agent而生。

這體現在幾個方面。

首先總體來說，Opus 4.7的核心Agent能力有了全方位提升。

多家AI知名企業拿出了實際使用效果相關數據——Notion多步驟工作流成功率提升14%，工具調用錯誤率降至1/3；Vending-Bench 2長期經營模擬中，最終余額達10937美元（Opus 4.6剩了8018美元），長周期決策更穩健；Genspark場景下，抗死循環、一致性、錯誤恢復三大生產級特性拉滿。

同時具備文件系統記憶，跨多會話可靠記住關鍵信息，新任務可減少40%重復上下文輸入。

Cognition的CEO Scott Wu的描述更形象：

Opus 4.7在Devin中將長周期自主性提升到新水平。

它能連貫工作數小時，突破難題而不是放棄，解鎖了我們以前無法可靠運行的一類深度調查工作。

與此同時，Opus 4.7還為開發者提供了許多令人狂喜的Agent相關四件套。

第一，新增xhigh推理等級，作為默認等級介於high與max之間。

這給了開發者更精細的控制權，可以在推理深度和延遲之間找到平衡點，平衡智能與token成本，適配多數編碼/Agent任務。

第二，新增自適應思考模式，替代固定預算長思考，模型自主決定思考深度，簡單查詢快速響應，復雜步驟重點投入。

第三，任務預算（公開beta），開發者可引導token消耗，優化長任務資源分配。

第四，Claude Code新增/ultrareview命令，可創建專屬審查會話，標記細微錯誤與設計問題。

想做一個靠譜的模型：首發防護，記憶增強

Anthropic官方表示，Opus 4.7的網絡安全能力不如Mythos Preview。

不過這是他們刻意為之。

這種“自我設限”背後，是Anthropic對AI安全的一貫堅持。

自2021年成立以來，這家公司花了四年時間精心打造自己的聲譽，試圖對外塑造一個“比OpenAI等競爭對手更注重安全和負責任AI部署”的聲譽。

在Mythos Preview引發業界對強大AI模型安全風險的熱議之後，Opus 4.7被設計成一道緩沖帶。

具體來說，Anthropic在訓練中嘗試了差異化降低Opus 4.7的網絡能力，讓模型在面對網絡安全相關任務時表現出更謹慎的行為模式。

與此同時，官方發布了自動檢測和阻止高風險網絡安全請求的防護措施，這些safeguards能夠自動識別並攔截表明prohibited或high-risk網絡安全用途的請求。

而對於確實有合法網絡安全需求的專業人士，Anthropic推出了Cyber Verification Program。

安全專業人員如需將Opus 4.7用於漏洞研究、滲透測試、紅隊演練等合法目的，可以通過正式渠道申請。

官網還在上線播客的最後寫到，如果開發者們想從Opus 4.6遷移到4.7版本，有一些事項需要格外注意。

首先是tokenizer的更新。

Opus 4.7使用了新的分詞器，雖然改善了文本處理效率，但相同輸入可能映射到更多tokens，大約是1.0到1.35倍之間。

這意味著同樣的提示詞可能會消耗更多token，需要在成本預算中留出余量。

其次是在更高努力級別下會產生更多輸出tokens。

Opus 4.7在high和xhigh級別下的思考深度明顯增加，特別是在Agent場景的多輪對話後期。

這種“多思考、更可靠”的行為模式提升了輸出質量，但也意味著token消耗會隨會話長度增長。

與Opus 4.6同價，有這些注意事項你需要知道

目前，Opus 4.7已實現全平台開放。

除Claude官方途徑外，新模型不僅登陸 Claude Pro/Max/Team/Enterprise 全系產品、官方API，還同步上線微軟Foundry、谷歌Cloud Vertex AI、亞馬遜Bedrock三大雲平台。

其定價與Opus 4.6保持一致：輸入5美元每百萬tokens，輸出25美元每百萬tokens。

雖然如前所述，Opus 4.7涉及提示詞的重構需求和token使用策略的調整，但Anthropic在自己的內部測試中給出了積極信號。

在一個內部Agent編碼評估中，所有effort level下的token使用效率相比Opus 4.6都有改善。

換句話說，雖然單次調用的token數可能增加，但完成任務所需的總token往往更少，因為模型犯錯的次數減少了。

大概就像你雇了個時薪更高的資深工程師，但他完成任務的速度更快、返工更少，最終總成本可能更低。

另外，Opus 4.7在後續輪次中會更加謹慎，特別是在Agent場景中。

這意味著更可靠的輸出，但也意味著更多的token消耗。

開發者可以通過調整effort參數、設置任務預算或優化提示詞來平衡性能與成本。

Anthropic建議，在測試Opus 4.7的編碼和Agent用例時，從high或xhigh努力級別開始，根據實際需求逐步調整。

Anyway～

總的來說，實際使用成本會因使用方式的不同而變化，但大多數情況下，能力提升帶來的效率增益會抵消token消耗的增加。

對於依賴Claude進行復雜開發工作的團隊來說，這很可能是一筆劃算的交易。