新智元報(bào)道

編輯：艾倫 好困

【新智元導(dǎo)讀】Anthropic 正式發(fā)布 Claude Opus 4.7，核心升級(jí)落在復(fù)雜任務(wù)執(zhí)行、高清視覺理解和更穩(wěn)的長鏈路工作流上。對(duì)普通用戶來說，最直接的變化是更聽指令、更會(huì)看圖、產(chǎn)出更接近成品，同時(shí)也要注意Token也會(huì)燒得更快了。

就在剛剛，Anthropic 正式發(fā)布 Claude Opus 4.7，并將它定義為當(dāng)前可廣泛使用的最強(qiáng) Claude 模型。

性能不如此前曝光的新一代Claude Mythos Preview那么炸裂，但比普通用戶能真正用到的Opus 4.6強(qiáng)了太多，除了Agentic搜索能力略有下降外，實(shí)現(xiàn)了全面碾壓！

官方給出的本次升級(jí)的關(guān)鍵詞：復(fù)雜任務(wù)、更強(qiáng)視覺、更穩(wěn)的長鏈路執(zhí)行，以及更少需要人工參與。

只要還在用大模型寫文檔、讀截圖、做演示、整理材料，Opus 4.7 帶來的體驗(yàn)變化，很難繞開。

本次更新最大的亮點(diǎn)，是Opus 4.7的視覺能力大幅提升，在測(cè)試中從Opus 4.6約50%的分?jǐn)?shù)，直接飆升到接近滿分！

而這，補(bǔ)上了AI目前最大的視覺短板，或許已經(jīng)不知不覺地邁過了替代人類工作的那道最重要的檻！

GPT-5.4 Thinking是這樣評(píng)價(jià)它的對(duì)手Claude Opus 4.7發(fā)布給打工人帶來的影響的：

本次升級(jí)的關(guān)鍵

在于復(fù)雜任務(wù)的完成度

Anthropic 把 Opus 4.7 的核心升級(jí)點(diǎn)放在了高級(jí)軟件工程和長時(shí)間任務(wù)執(zhí)行上。

用戶已經(jīng)可以把過去需要密切監(jiān)督的高難度編碼工作交給它處理，它會(huì)更嚴(yán)格地執(zhí)行指令，也會(huì)在回報(bào)結(jié)果前主動(dòng)想辦法驗(yàn)證輸出。

API 發(fā)布說明里，Anthropic 也把它稱為當(dāng)前最強(qiáng)的通用可用模型，面向復(fù)雜推理和代理式編碼場景。

大模型競爭的焦點(diǎn)，正在從答得像不像，轉(zhuǎn)到做得完不完。只會(huì)寫一段漂亮答案，已經(jīng)不夠了。

能不能把一份長文檔改干凈，能不能把一套資料串起來做成可交付物，能不能持續(xù)幾十分鐘甚至更久不跑偏，這才會(huì)決定它在日常工作里能不能真的替人扛起一片天。

這能夠從 Opus 4.7 的官方發(fā)布重點(diǎn)里直接看出來。

純編程只是開胃菜

SWE-bench Multilingual 測(cè)的是模型修復(fù)真實(shí) GitHub issue 的能力，覆蓋多種編程語言。

Opus 4.7 拿 80.5%，Opus 4.6 拿 77.8%，漲 2.7 個(gè)百分點(diǎn)。

單看這個(gè)數(shù)，似乎只是一次常規(guī)迭代。但同一張圖右邊那組數(shù)據(jù)更有意思，后面回頭講。

1M token 里的長任務(wù)

GraphWalks 是 OpenAI 做的長上下文基準(zhǔn)，把一張有向圖用邊列表塞滿 1M token 上下文，讓模型做圖遍歷。

兩種考法：一種是 Parents，給一個(gè)節(jié)點(diǎn)讓模型找出所有直接指向它的父節(jié)點(diǎn)；另一種是 BFS 廣度優(yōu)先搜索，從起點(diǎn)出發(fā)一路找到特定深度可達(dá)的節(jié)點(diǎn)，對(duì) Agent 跑多步驟長任務(wù)是硬指標(biāo)。

在 Parents 1M 這趴，Opus 4.7 從 71.1% 提到 75.1%，4 個(gè)百分點(diǎn)的常規(guī)改進(jìn)。

而到了 BFS 1M，Opus 4.7 則從 41.2% 一口氣干到 58.6%，拉開 17.4 個(gè)百分點(diǎn)。

換個(gè)場景再看。

Vending-Bench 2 讓模型模擬經(jīng)營一臺(tái)自動(dòng)售貨機(jī)，測(cè)長時(shí)間工作流里的決策連貫性。

Opus 4.6 最終余額 8,018 美元，Opus 4.7 做到 10,937 美元。

同一臺(tái)售貨機(jī)，同一個(gè)時(shí)間窗口，Opus 4.7 多掙了 36%。

Agent 的眼睛換了代

ScreenSpot-Pro 測(cè)的是 Agent 的屏幕定位能力。

給模型一張 VSCode、Photoshop、AutoCAD 這類專業(yè)軟件的高分辨率桌面截圖加一條自然語言指令，讓它定位到具體的 UI 元素。在高分辨率屏幕里，目標(biāo) UI 元素往往只占整張圖的 0.07%，極考驗(yàn)精細(xì)視覺。

同樣低分辨率不帶工具，Opus 4.6 拿 57.7%，Opus 4.7 拿 69.0%，拉開 11.3 個(gè)百分點(diǎn)。

切到高分辨率，Opus 4.7 不帶工具就達(dá)到了 79.5%。疊加工具調(diào)用，跑分直接來到 87.6%。

視覺能力在一些測(cè)試（如XBOW的基準(zhǔn)測(cè)試）中，Opus 4.7相比Opus 4.6得分直接翻倍，從54.5%躍升到接近滿分98.5！

這造就了Opus 4.7相比4.6在計(jì)算機(jī)使用（Computer Use）能力的天壤之別！

回到前面留的那張編程圖。

SWE-bench Multimodal 這項(xiàng)，Anthropic 是用內(nèi)部實(shí)現(xiàn)的測(cè)試 harness 跑的。

測(cè)的是前端 JS 軟件修 bug，任務(wù)里帶著 UI 截圖、效果圖一類的視覺素材，模型要結(jié)合圖片和代碼一起干活。

從 Opus 4.6 的 27.1% 做到 Opus 4.7 的 34.5%，一口氣提了 7.4 個(gè)百分點(diǎn)。

Opus 4.7 的編程升級(jí)，重點(diǎn)是讓模型看懂屏幕。眼睛換代了，腦子才能干更復(fù)雜的活。

GPT-5.4 和 Gemini 3.1 Pro 都沒扛住

前面全是自比，現(xiàn)在來看看跟老對(duì)手們?cè)趺创颉?/p>

GDPval-AA 是 Artificial Analysis 基于 OpenAI GDPval 數(shù)據(jù)集做的評(píng)估。

它覆蓋了 44 種知識(shí)工作職業(yè)、9 大 GDP 核心行業(yè)，任務(wù)來自資深職業(yè)人士（平均 14 年經(jīng)驗(yàn)）的真實(shí)交付物。AA 版本讓模型在 agent loop 里干活，用盲測(cè)兩兩對(duì)比打 Elo 分。

Opus 4.7 拿 1753，Opus 4.6 拿 1619，GPT-5.4 拿 1674，Gemini 3.1 Pro 拿 1314。

Opus 4.7 高出 GPT-5.4 79 分，高出 Gemini 3.1 Pro 439 分。

OfficeQA Pro 是 Databricks 做的企業(yè)級(jí)推理基準(zhǔn)，語料是近 100 年的美國財(cái)政部公報(bào)，8.9 萬頁 PDF、2600 萬個(gè)數(shù)字。模型要精準(zhǔn)找到文檔、解析表格和正文、跨文檔做分析推理。

在這里，Opus 4.7 的跑分高達(dá) 80.6%，而 Opus 4.6 只有 57.1%，GPT-5.4 和 Gemini 3.1 Pro 更低，分別是 51.1%和 42.9%。

換句話說，Opus 4.7 是 GPT-5.4 的 1.6 倍，是 Gemini 3.1 Pro 的 1.9 倍。

躍升最炸的是生物學(xué)

翻到最后一張，Structural Biology，生物分子推理。

Opus 4.6 只有 30.9%。而Opus 4.7 直接沖到了 74.0%。

一次版本迭代，從三成到七成半，2.4 倍。

堪稱是所有 benchmark 里躍升最夸張的一項(xiàng)。

普通用戶最先感受到的

是三大變化

第一個(gè)變化，指令遵循能力更強(qiáng)了。

Anthropic 寫到，Opus 4.7 的指令遵循能力大幅提升，過去很多模型會(huì)松散理解、漏掉細(xì)節(jié)，Opus 4.7 則更傾向于逐條照著執(zhí)行。

代價(jià)是，舊提示詞有時(shí)會(huì)出現(xiàn)意料之外的結(jié)果，用戶需要重新調(diào)整寫法。

對(duì)普通用戶來說，這會(huì)直接減少提示詞玄學(xué)，寫需求、定格式、列限制條件，會(huì)更有用。

第二種變化，Claude 看圖會(huì)更細(xì)。

Opus 4.7 支持長邊最高 2576 像素的圖像輸入，大約 375 萬像素，超過此前 Claude 模型的三倍。

官方專門點(diǎn)了幾個(gè)場景，密集截圖、復(fù)雜圖表、精細(xì)結(jié)構(gòu)圖、需要像素級(jí)參考的任務(wù)。

放到現(xiàn)實(shí)使用里，這對(duì)應(yīng)的就是看懂一頁密密麻麻的數(shù)據(jù)截圖，識(shí)別產(chǎn)品原型細(xì)節(jié)，從復(fù)雜流程圖里抽信息，讀一張高分辨率海報(bào)或報(bào)表時(shí)少丟細(xì)節(jié)。

第三種變化，輸出結(jié)果會(huì)更容易接近可交付的成品。

Anthropic 提到，Opus 4.7 在界面、幻燈片、文檔這些專業(yè)任務(wù)上更有審美，也更有創(chuàng)造性。

它在基于文件系統(tǒng)的記憶上做得更好，能跨多輪、多會(huì)話記住關(guān)鍵備注，減少重復(fù)交代背景。

對(duì)經(jīng)常拿模型潤色材料、整理項(xiàng)目、反復(fù)改同一份內(nèi)容的人來說，這種提升會(huì)比跑分的提升來得更直觀。

這次發(fā)布

安全也被擺在了同樣重要的位置

Anthropic 在一周前剛剛公布 Project Glasswing，專門談到了前沿模型在網(wǎng)絡(luò)安全方向的風(fēng)險(xiǎn)與收益。

Opus 4.7 成了這套新思路下第一個(gè)公開部署的模型，官方強(qiáng)調(diào)，它的網(wǎng)絡(luò)安全能力弱于 Mythos Preview，并且上線時(shí)帶有自動(dòng)檢測(cè)和攔截高風(fēng)險(xiǎn)網(wǎng)絡(luò)安全請(qǐng)求的護(hù)欄。

合規(guī)安全研究人員則可以申請(qǐng)加入新的 Cyber Verification Program。

從安全評(píng)估看，Opus 4.7 與 Opus 4.6 的整體安全畫像相近，在誠實(shí)性和抵抗惡意提示詞注入上更強(qiáng)，在某些細(xì)項(xiàng)上也存在小幅走弱。

Anthropic 的結(jié)論是，它整體上「較為可靠且值得信任」，距離理想狀態(tài)還有空間。

這說明，Anthropic 沒有把發(fā)布包裝成一次毫無代價(jià)的全面躍升。

誰會(huì)立刻受益

誰又要多留一個(gè)心眼

最先受益的人群很清楚，開發(fā)者、分析師、法務(wù)、研究人員，以及所有高頻處理文檔、表格、演示材料的人。

官方早期測(cè)試反饋里，很多合作方都提到同樣幾件事，復(fù)雜工作流更穩(wěn)了，錯(cuò)誤恢復(fù)更強(qiáng)了，文檔推理、代碼審查、數(shù)據(jù)分析、長上下文任務(wù)都有明顯提升。

需要多留一個(gè)心眼的地方也已經(jīng)寫在官方說明里。

更高分辨率圖像會(huì)燒掉更多 Token，用戶用不到這些細(xì)節(jié)時(shí)，最好先壓縮圖片。

Opus 4.7 還換了分詞器（Tokenizer），同樣的輸入可能會(huì)多出大約 1.0 到 1.35 倍 Token，高 Effort 下輸出 Token 也會(huì)增加。

對(duì)直接在 Claude 應(yīng)用里聊天的普通用戶，這更多會(huì)體現(xiàn)在額度和響應(yīng)體驗(yàn)上。

對(duì)使用龍蝦和Hermes Agent這類API的用戶和團(tuán)隊(duì)客戶，這就是實(shí)打?qū)嵉某杀咀兞俊?/p>

好在價(jià)格方面，Opus 4.7和4.6與4.5保持了一致，沒有漲價(jià)，但這個(gè)價(jià)格本身其實(shí)就已經(jīng)足夠昂貴了...

Anthropic想傳遞的信號(hào)

已經(jīng)很清楚了

從 Opus 4.7 這次發(fā)布能看出，Anthropic 眼下押注的方向已經(jīng)很明確，長任務(wù)執(zhí)行、視覺理解、工具協(xié)同、少監(jiān)督交付，這幾項(xiàng)能力正在被打包成下一階段的大模型主戰(zhàn)場。

官方同步上線的 Xhigh Effort（思考程度介于 high 和 max 中間）、Task Nudgets 公測(cè)，以及 Claude Code 里的 /ultrareview，也都圍著這個(gè)方向在轉(zhuǎn)。

除了官網(wǎng)公告外，Claude也公布了Opus 4.7的系統(tǒng)卡，長達(dá)232頁，里面公布了更多值得關(guān)注的細(xì)節(jié)，限于篇幅再次我們不作展開。

對(duì)普通用戶來說，對(duì)Claude Opus 4.7更直接的感受會(huì)是，交代清楚以后，它更容易把事情做對(duì)，看圖更細(xì)，寫出來的東西更能直接拿去用。

大模型從會(huì)聊天走向會(huì)干活，這一步又往前挪了一大截。

真正能干好活的最強(qiáng)生產(chǎn)力模型，從Opus 4.6，變成了Opus 4.7。

參考資料：

https://www.anthropic.com/news/claude-opus-4-7

https://x.com/claudeai/status/2044785261393977612

https://cdn.sanity.io/files/4zrzovbb/website/037f06850df7fbe871e206dad004c3db5fd50340.pdf