Claude Opus 4.7 來了，編程能力又炸了

今天繼續聊 Claude —— Anthropic 剛剛正式發布了 Claude Opus 4.7，編程能力這次又是一次暴擊

Benchmark 一覽

下圖是 Anthropic 給出的跨領域 benchmark 對比，Opus 4.7 在大多數任務上超過了 Opus 4.6，以及 GPT-5.4 和 Gemini 3.1 Pro：

Claude Opus 4.7 跨領域 Benchmark 對比 它比 Opus 4.6 強在哪？

Anthropic 官方說，Opus 4.7 在高級軟件工程上是 Opus 4.6 的「顯著提升」，尤其是在那些最難的任務上

這話我本來要打個折，但看了一圈測試用戶的反饋之后，我信了

幾個讓我印象深刻的數據：

• Cursor ：在 93 個編程任務的 benchmark 上，任務解決率比 Opus 4.6 **提升了 13%**，包括 4 個 Opus 4.6 和 Sonnet 4.6 都搞不定的任務

• Rakuten ：在 SWE-bench 上，Opus 4.7 解決的真實生產 bug 是 Opus 4.6 的 3 倍 。

• XBOW（自主滲透測試） ：視覺準確性從 Opus 4.6 的 54.5% 直接干到 **98.5%**，這簡直是量變引發質變

• Notion ：工具調用準確率和規劃能力提升超過 **10%**，更難得的是，它是第一個通過隱式需求測試（implicit-need tests）的模型

這次 Opus 4.7 的視覺升級幅度相當大

之前的 Claude 模型能接受的圖片分辨率，現在 Opus 4.7 可以接受最長邊 2,576 像素（約 3.75 百萬像素），是之前版本的 3 倍以上

這意味著什么？

• 讀密集截圖的 computer-use agent，再也不會因為文字太小看不清而出錯

• 從復雜圖表里提取數據，精度大幅提升

• 科學、法律文檔里那些需要像素級精準的工作，終于能干了

來自 Solve Intelligence（生命科學專利工作流）的反饋印證了這一點：從化學結構式到復雜技術圖紙，理解能力大幅躍升

注意這是模型層面的變化，不是 API 參數，圖片會自動以更高精度處理。但因為高分辨率圖片消耗 token 更多，如果你不需要那么高的精度，可以在發送前先降采樣

指令遵循：這次是認真的

Opus 4.7 在指令遵循上大幅提升

聽起來是好事，但 Anthropic 自己也提醒了：之前給舊模型寫的 prompt，有時候會跑出意外結果——因為舊模型對指令是「松散理解」甚至跳過某些部分，現在 Opus 4.7 是字面意思照單全收

所以如果你是 API 用戶，升級前最好重新審視一下你的 prompt，該精確的地方要精確，該刪掉的廢話要刪掉

新功能：xhigh 努力等級

Opus 4.7 引入了全新的 xhigh（extra high）努力等級，介于原來的 high 和 max 之間

這給用戶提供了更細粒度的控制：在硬問題上，你可以選擇在「思考質量」和「響應延遲」之間找到更合適的平衡點

在 Claude Code 里，現在默認把所有計劃的努力等級提升到了 xhigh

官方建議在編程和 Agent 場景下測試時，從 high 或 xhigh 開始

下圖是不同努力等級下，token 使用量和任務得分的關系：

不同努力等級下的 token 使用量與任務得分對比 網絡安全：先邁一步，但很謹慎

Anthropic 上周公布了 Project Glasswing，直面 AI 在網絡安全領域的兩面性——風險與機遇。

Opus 4.7 是 Glasswing 框架下第一個正式落地的模型，它的網絡安全能力不如 Claude Mythos Preview（目前最強的 Anthropic 模型），Anthropic 在訓練階段專門做了差異化處理，有意限制了部分網絡安全能力

同時，Opus 4.7 配備了自動檢測和攔截高危網絡安全請求的防護機制

真正有合法需求的安全研究人員、滲透測試工程師，可以通過 Cyber Verification Program 加入白名單

這條路子我覺得挺對的：先在能力較弱的模型上驗證防護機制是否有效，積累經驗后，再逐步向更強的 Mythos 級別模型開放

安全性測評
Claude Opus 4.7 行為審計評分

在安全對齊方面，Opus 4.7 和 Opus 4.6 整體差不多——欺騙行為、諂媚、濫用配合率都處于低水平

部分維度（比如誠實性、對抗 prompt 注入攻擊）比 4.6 有改進，少數地方（比如有害物質信息的過度詳細回復）略微退步

整體結論：「大體對齊、基本可信，但還沒達到理想狀態」

Mythos Preview 依然是 Anthropic 目前對齊效果最好的模型

價格 & 可用性

好消息：價格不變，和 Opus 4.6 一樣：

• 輸入：**$5 / 百萬 tokens**

• 輸出：**$25 / 百萬 tokens**

支持平臺：

• Claude 全產品線

• Claude API（模型 ID： claude-opus-4-7 ）

• Amazon Bedrock

• Google Cloud Vertex AI

• Microsoft Foundry

隨 Opus 4.7 一起發布的還有幾個配套更新：

1. /ultrareview 命令 （Claude Code）：一鍵啟動深度代碼審查，像一個認真的 reviewer 一樣幫你找 bug 和設計問題，Pro 和 Max 用戶各有 3 次免費試用額度。

2. Task Budgets（公測） （API）：給開發者一個新機制，引導 Claude 在長任務中合理分配 token 預算，避免前緊后松或前松后緊

3. Auto Mode 擴展 ：Max 用戶現在也可以開啟 Auto Mode，讓 Claude 在長任務里自主決策權限請求，減少中斷

如果你在生產上用 Opus 4.6，升級到 4.7 有兩個點要注意：

1. 新 tokenizer ：同樣的輸入，token 數大約會增加 1.0–1.35 倍 ，取決于內容類型

2. 更高努力等級下思考更多 ：尤其是 Agent 場景的后續對話輪次，輸出 token 會增加

Anthropic 提供了遷移指南，建議先在真實流量上測一下差異

總結

Opus 4.7 的核心關鍵詞：編程更強、視覺更清、指令更準、安全更嚴

如果你是：

• Claude Code 用戶 ：直接用，默認已升級到 xhigh 努力等級，新的 /ultrareview 也很值得試

• API 開發者 ：記得重新調 prompt，關注 token 用量變化，遷移指南先讀一遍

• 網絡安全從業者 ：有合法需求的走 Cyber Verification Program

最讓我感興趣的其實是這個關于「更好同事」的描述——一個會在技術討論中反駁你、幫你做出更好決定的 AI

這可能才是 AI 應該有的樣子，不是附和你，是真的幫你。

.7

制作不易，如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個，謝謝你看我的文章，我們下篇再見！