Claude Opus 4.7深夜炸场！胜任更长任务、自主检查，视觉能力拉满

智东西
编译 杨京丽
编辑 李水青

智东西4月17日报道，昨天夜间，Anthropic发布新一代旗舰大模型Claude Opus 4.7。

▲Anthropic发布新模型Claude Opus 4.7（图源：X）

该模型在高级软件工程方面相比Opus 4.6有显著提升，尤其在处理最复杂的任务时提升明显；高分辨率图像处理能力大幅提升，是此前Claude模型的3倍以上；此外，Claude Code还同步新增了/ultrareview代码审查命令，输入后会启动审查会话，逐行检查代码变更。

用户反馈称，他们可以放心地将最难的编码工作交给Opus 4.7处理。Opus 4.7能够严谨一致地处理复杂的长时间运行任务，精确遵循指令，并在汇报结果之前自行验证输出。

Opus 4.7今日起在所有Claude产品和API、Amazon Bedrock、谷歌云Vertex AI以及Microsoft Foundry上线。定价与Opus 4.6一致：输入每百万token 5美元（约合人民币34元），输出每百万token 25美元（约合人民币170.5元）。开发者可通过Claude API使用claude-opus-4-7。

不得不说，Claude最近更新实在是快，大家都跟不上了，网友在Claude的评论区下面刷起了表情包，“两眼一睁，Claude又更新了”。

▲网友评论Claude推文（图源：X）

一、更严格执行指令，多模态支持增强

测试中，Claude Opus 4.7在以下几个方面表现突出，显著超越Opus 4.6：

1、指令遵循。Opus 4.7在遵循指令方面有显著提升。以前的模型会宽松地解读指令或完全跳过部分内容，而Opus 4.7会按字面意思执行指令。用户应相应地重新调优提示词和应用框架。

2、多模态支持增强。Opus 4.7对高分辨率图像的视觉能力更强：它可以接受长边最高2576像素（约375万像素）的图像，是此前Claude模型的3倍以上。这为依赖精细视觉细节的多模态应用开辟了广阔的空间：比如用Agent操作电脑时识别密集的屏幕截图、从复杂图表中提取数据、以及需要像素级精度的设计工作等。

3、实际工作。除了在金融Agent评测中取得最优成绩外，Anthropic内部测试显示Opus 4.7是比Opus 4.6更有效的金融分析师，能产出更严谨的分析和模型、更专业的演示文稿，能做到更紧密地进行跨任务整合。Opus 4.7在金融、法律等领域的第三方经济价值知识工作评测GDPval-AA上也达到了最优水平。

4、记忆能力。Opus 4.7在使用基于文件系统的记忆方面更强。它能在长时间、多会话的工作中记住重要笔记，并利用这些记忆来推进新任务，从而减少对前置上下文的需求。

▲Opus 4.7模型基准测试表现（图源：Anthropic）

Opus 4.7获得了部分早期测试者的积极反馈。财务软件公司Intuit技术副总裁Clarence Huang称，该模型能在规划阶段自行发现逻辑错误，执行速度也远超前代。AI编程工具公司Augment Code的CTO Igor Ostrovsky则认为，Opus 4.7的优势在于它能处理好实际工作中的自动化流程、CI/CD（持续集成与部署）和长任务流程，且会主动给出自己的判断，而非一味附和用户。

二、多项测评领先，生物推理、文档推理提升显著

Anthropic在预发布测试中，针对不同领域对Opus 4.7进行了测评，并对比了Opus 4.6、GPT-5.4和Gemini 3.1 Pro。

生物推理进步最为明显，Opus 4.7得分74.0%，Opus 4.6仅30.9%，提升了1.4倍。

文档推理方面，Opus 4.7得分80.6%，远超Opus 4.6的57.1%，也大幅领先GPT-5.4（51.1%）和Gemini 3.1 Pro（42.9%），是横评中差距最明显的项目之一。

另外，知识工作方面，Opus 4.7以1753的Elo分数排名第一，领先明显，超过GPT-5.4（1674）、Opus 4.6（1619）、Gemini 3.1 Pro（1314）。

长上下文推理方面，在处理较简单的父节点查找任务（Parents 1M）时，Opus 4.7得分75.1%，Opus 4.6为71.1%，差距不大；但处理更难的广度优先搜索任务（BFS 1M）时，Opus 4.7得分58.6%，Opus4.6仅41.2%，拉开了17个百分点。越难的任务，模型提升效果越明显。

在安全与对齐方面，Anthropic还公布了各模型的错位行为评分。Opus 4.7的错位行为得分约为2.47（满分10分，越低越好），略优于Opus 4.6的2.75，但与Mythos Preview的1.78仍有明显差距。

总体而言，Opus 4.7 的安全性能与 Opus 4.6 相似，其出现欺骗、奉承和与滥用者合作等行为比例较低。Anthropic对此评价：“Opus 4.7总体对齐良好且值得信赖，但行为并非完全理想。”目前，对齐表现最好的Mythos Preview尚未全面开放。

三、其他更新：新增xhigh等级、审查命令，任务预算进入公测

除Opus 4.7本身外，Anthropic还同步推出了几项功能更新。

推理等级方面，新增xhigh（extra high）等级，介于现有的high和max之间，让用户在推理深度和响应速度之间有更细的调节空间。Claude Code的默认推理等级已提升至xhigh。

API方面，任务预算功能进入公测，开发者可以引导Claude在长任务中如何分配token消耗。

Claude Code方面，新增/ultrareview命令，输入后会启动一个专门的审查会话，逐行检查代码变更，并标记Bug和设计问题，Pro和Max用户各赠3次免费体验。此外，Auto模式扩展至Max用户，该模式下Claude可自主做出操作决策，减少人工确认中断。

四、当心Opus 4.7更费token，但生成质量更优

Opus 4.7是Opus 4.6的直接升级版，但有两个影响token用量的变化值得注意。

一是文本处理方式有更新，Opus 4.7相同输入消耗的token最多增加约35%；二是模型在较高推理等级下会进行更多思考，尤其在Agent场景的后续轮次中，Opus 4.7输出token也会相应增多。用户可以通过调整推理等级、设置任务预算，或在提示词中要求更简洁来控制用量。

从Agent编程评测图表来看，Opus 4.7在每个推理等级上都以更少的token达到了更高的得分。例如Opus 4.7在xhigh等级下消耗约10万token，得分超过70%；而Opus 4.6在max等级下消耗约13万token，得分才刚过60%。不过，该评测中模型是根据单一提示自主工作，结果不一定能代表交互式编程中的实际token消耗。

结语：更准确更全能，竞争对手将至

从Anthropic公布的数据来看，Opus 4.7在编程、文档推理、生物推理等多个基准上的提升是实打实的，token效率也有所提升。但测评终归是测评，实际表现还需要在真实场景中进一步验证。

随着Opus 4.7的发布，OpenAI后续又会做出哪些新动作，大家期待已久的DeepSeek月底会不会发布新模型，大模型厂商的竞争可谓是越来越有意思了。

来源：Anthropic