Release
我把手上几个活都换到 4.7 试了试，比 4.6 好用太多，断档的强
刚刚，Anthropic 发布 Claude Opus 4.7，已经在 Claude 的所有产品、API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry 上全面可用。模型 id claude-opus-4-7
这是 Opus 4.6 的直接升级版。三条主线：编程能力在最难的任务上明显提升、视觉分辨率扩大到过去的三倍多、同时是 Project Glasswing 之后第一个试验新网络安全护栏的对外模型
定价完全不变，$5/M 输入 token，$25/M 输出 token。相比之下 Mythos Preview 的 API 价格是 $25/$125 per million，Opus 4.7 便宜 5 倍
Anthropic 官方给出的总体对比图，Opus 4.7 在多个基准上高于 Opus 4.6，但仍然弱于内部的 Mythos Preview
Opus 4.7 / Opus 4.6 / GPT-5.4 / Gemini 3.1 Pro / Mythos Preview 横向对比
编程是主升级点
Opus 4.7 最显眼的变化在高难度软件工程任务上。用户反馈里反复出现两个词：长程、自主
过去必须盯着改的那类代码活，现在可以放手让它跑
28 家早期客户给了反馈，这里挑最硬核的几个数据点
→GitHub：93 个任务的编程基准上，比 Opus 4.6 高 13%，4 个任务是 Opus 4.6 和 Sonnet 4.6 都搞不定的
→Cursor：CursorBench 过 70%，Opus 4.6 是 58%
→Rakuten：Rakuten-SWE-Bench 上解决的生产任务是 Opus 4.6 的 3 倍
→Hex：低 effort 档的 Opus 4.7 大致等于中 effort 档的 Opus 4.6
→Notion：准确率提升 14%，token 用得更少，工具调用错误减少到 三分之一。第一个通过 Notion 「隐含需求」测试的模型
→Cognition（Devin 的公司）：能连贯工作几个小时，不会卡在难题上放弃
Replit、Vercel、Databricks、Warp、Factory、Ramp、CodeRabbit、Qodo、Bolt 等一系列厂商都给出了正面反馈。公告里一个反复出现的观察是：Opus 4.7 减少了无意义的包装函数和兜底脚手架，写的时候自己发现问题自己改
XBOW 的视觉敏锐度基准：Opus 4.6 是 54.5%，Opus 4.7 是 98.5%
XBOW 做自动化渗透测试，这是这次发布里最硬的一个数据跳变
Imbue 的案例最极端：Opus 4.7 自主从零构建了一个完整的 Rust TTS 引擎，包括神经网络模型、SIMD 内核、浏览器 demo，然后用语音识别器反过来验证自己的输出是否匹配 Python 参考实现。代码库公开
官方给出的编程基准图
编程基准横扫
视觉能力是第二大升级
Opus 4.7 能接受的图片长边从之前的水平上升到 2,576 像素（约 3.75 兆像素），是此前 Claude 模型的三倍多
这个能力是模型层的变化，没有 API 参数开关。直接送图过去就行，需要更高分辨率就不要自己压缩
顺便把 Anthropic 的 Vision 文档看一下，背景信息在这里：用 base64 或 URL 喂图，单次请求最多可以传 600 张（API）或 20 张（claude.ai）。上传太大（单边超过 1568 像素或超过约 1600 token 的图）会先被服务端 down-sample。计价按 tokens ≈ (width × height) / 750 估算，1 兆像素大约 1334 tokens
能用得上的场景：computer-use Agent 读密集截图、复杂图表里的数据抽取、需要像素级对照的工作。XBOW 的数据说明这个升级对 computer-use 是实质的
视觉理解、OCR、计算机使用、图表阅读多项基准
安全策略：Mythos 还没放，先用 Opus 4.7 练手
这次的安全设计要配合 Project Glasswing 一起看
上周 Anthropic 联合 AWS、苹果、博通、思科、CrowdStrike、Google、摩根大通、Linux 基金会、微软、NVIDIA、Palo Alto Networks 成立了 Project Glasswing。起因是 Anthropic 训出了 Claude Mythos Preview 这个没发布的前沿模型，在挖漏洞方面达到了超过大多数安全专家的水平
Mythos Preview 过去几周已经在每一个主流操作系统和主流浏览器里都找出了 0-day 漏洞。有三个公开案例：
→ OpenBSD 上存活了 27 年 的漏洞，攻击者可以只靠连接就远程崩掉任何一台机器
→ FFmpeg 里的 16 年老洞，自动化测试工具跑过同一行代码五百万次都没发现
→ Linux 内核里自主链起了几个漏洞，把普通用户权限升到完全控制
Anthropic 的结论是，前沿 AI 在代码漏洞发现和利用上已经进入可以比肩顶级安全专家的阶段。如果护栏跟不上，这种能力一旦扩散会非常危险
Opus 4.7 就是为这个问题准备的第一个对外模型。训练过程中差异性地降低了网络安全能力，发布时带上了自动检测和拦截高风险网络安全用途请求的护栏。做合法用途的安全研究员（漏洞研究、渗透测试、红队）可以申请加入 Cyber Verification Program
Mythos Preview 不会广泛发布，Anthropic 给 Glasswing 参与方承诺了最高一亿美元的使用额度。它的 API 价格是 $25/$125 每百万 token，是 Opus 4.7 的 5 倍
Opus 4.7 在网络安全能力上弱于 Mythos Preview（训练时就是这么设计的）。这些现实部署数据里学到的护栏经验，会用来为后面更大范围放 Mythos 级模型做准备
对齐评估的总体结论：Opus 4.7 比 Opus 4.6 和 Sonnet 4.6 好一些，但 Mythos Preview 仍然是 Anthropic 训出来的对齐最好的模型
官方原话是 largely well-aligned and trustworthy, though not fully ideal in its behavior
对齐评估总分，越低越好
诚实度、抗 prompt injection 上 Opus 4.7 有改进。受控物质减害建议过于详细这类问题上有小幅倒退。完整评估在 Claude Opus 4.7 System Card 里
同步发布的东西
除了模型本身，这次还有几项更新
新的 effort 档位 xhigh。原来的档位是 low / medium / high / max，这次在 high 和 max 中间插了一个 xhigh
effort 档位示意，xhigh 是这次新增
这个参数控制的是 Claude 响应的 token 花费规模，覆盖文字回答、工具调用、extended thinking 全部。Claude Code 里默认 effort 已经拉到 xhigh。官方建议编程和 agentic 场景用 high 或 xhigh 起步
task budgets 公测。API 端新功能，让开发者能给 Claude 设置 token 预算，让它在长任务里自己分配优先级。和 effort 参数一起用更细
/ultrareview slash 命令。Claude Code 里新增，专门跑一个独立的 review 会话，把改动从头到尾过一遍，找 bug 和设计问题。Pro 和 Max 用户有 3 次免费额度
Auto mode 下放到 Max 用户。3 月 24 日 Anthropic 先在 Team 计划上发布了这个模式。机制是在 --dangerously-skip-permissions 和默认每步都问的两极之间加了一个中间档：每次工具调用前有个分类器检查是否有危险操作（批量删文件、敏感数据外泄、恶意代码执行），安全的直接放行，危险的拦下来让 Claude 换方案。这次 Max 用户也能用
迁移：两个变化影响 token 消耗
从 Opus 4.6 升 Opus 4.7 是直接替换，但有两个点值得提前规划
第一：tokenizer 换了，文本处理方式更好了。代价是同样的输入文本，新 tokenizer 下的 token 数大约是旧版的 1.0–1.35 倍，取决于内容类型
第二：高 effort 档位下 Opus 4.7 想得更多，尤其是 agentic 场景里靠后的轮次。这带来更高的硬题可靠性，但也意味着更多的输出 token
控制 token 使用的方法：调 effort、调 task budgets、提示模型更简洁。Anthropic 自己的内部编程评估上，整体是 token 效率改善的，不同 effort 档位都更优，但他们建议用户在真实流量上自己量
内部编程评估里，不同 effort 档位都更优
还有一个容易踩的坑：指令跟随强度大幅提升
意思是，为老模型写的 prompt 有可能在 Opus 4.7 上产生意料之外的结果。过去 Claude 会宽松解读或者跳过的指令，Opus 4.7 会严格按字面执行。升级的时候，prompt 和 harness 要重新调
Anthropic 的迁移指南里还有一条老账：用 Claude 4.6 或以上模型，thinking: {type: "enabled", budget_tokens: N} 已经 deprecated，推荐迁到 thinking: {type: "adaptive"} 加 effort 参数。老的 beta header（effort-2025-11-24、fine-grained-tool-streaming-2025-05-14、interleaved-thinking-2025-05-14）也该删掉了，这些功能都已经正式上线
真实工作
除了跑分，Anthropic 内部测试里 Opus 4.7 在金融分析师任务上比 Opus 4.6 更有效：更严谨的分析和建模、更专业的演示、任务之间的衔接更紧
在第三方评估 GDPval-AA 上，Opus 4.7 拿到 state-of-the-art。这个评估是 Artificial Analysis 基于 OpenAI 的 GDPval 数据集做的，覆盖 44 个职业、9 大行业的 220 个真实经济价值任务。模型需要产出文档、幻灯片、图表、电子表格等实际工作交付物
在 Opus 4.7 之前的榜单上，前三是 GPT-5.4 xhigh（ELO 1677）、Claude Sonnet 4.6 Max（1654）、Claude Opus 4.6 Max（1620）
记忆方面，Opus 4.7 更会用基于文件系统的记忆。跨多轮、多 session 的长任务里记得住重要笔记，开新任务时需要的前置上下文更少
其他 benchmark
官方博客里还给出了办公、文档推理、长上下文、生物、长程一致性等基准的详细数据
办公任务
文档推理
长上下文推理
生物
长程一致性
Anthropic 还特别标注了 benchmark 上的几个细节。Terminal-Bench 2.0 用的是 Terminus-2 harness 关闭 thinking 模式。CyberGym 上 Opus 4.6 的分数从原报的 66.6 更新到 73.8。SWE-bench Verified / Pro / Multilingual 上做了记忆化筛查，排除可能被模型记住的问题后，Opus 4.7 对 Opus 4.6 的领先仍然成立
和竞品对比的时候，用的是 API 可用的最好版本，GPT-5.4 和 Gemini 3.1 Pro 都是这个口径
入口
模型字符串：claude-opus-4-7
Claude 所有产品已经切到 Opus 4.7。API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry 同步可用
Claude Code 用户默认 effort 拉到 xhigh，Pro/Max 有 3 次免费 /ultrareview，Max 用户开启 auto mode
