Claude Opus 4.7 正式发布

Anthropic:Newsroom(网页)·2026-04-16 22:45·131天前
AI 导读

Claude Opus 4.7 全面上线,在高级软件工程任务上实现重大飞跃,93项编码基准测试解决率较 Opus 4.6 提升 13%,并首次解决四项前代无法完成的难题。新版本支持更高分辨率图像识别,在研究代理基准测试中总分达 0.715,长上下文性能表现最为稳定。模型定价维持每百万输入 token 5 美元、输出 25 美元不变。出于安全考量,其网络攻击能力较 Claude Mythos Preview 有所削弱,并配备自动拦截高风险网络安全请求的防护机制,合法安全研究人员可通过 Cyber Verification Program 申请使用权限。

Anthropic:Newsroom(网页)
精选
79AI 编辑部评分,满分 100

Claude Opus 4.7 正式发布

2026-04-16 22:45· 131天前
AI 导读

Claude Opus 4.7 全面上线,在高级软件工程任务上实现重大飞跃,93项编码基准测试解决率较 Opus 4.6 提升 13%,并首次解决四项前代无法完成的难题。新版本支持更高分辨率图像识别,在研究代理基准测试中总分达 0.715,长上下文性能表现最为稳定。模型定价维持每百万输入 token 5 美元、输出 25 美元不变。出于安全考量,其网络攻击能力较 Claude Mythos Preview 有所削弱,并配备自动拦截高风险网络安全请求的防护机制,合法安全研究人员可通过 Cyber Verification Program 申请使用权限。

推荐理由

Opus 4.7 不是最炫的模型,但多家真实用户反馈指出它在复杂工程任务上的可靠性提升是实打实的,尤其长链自主执行和指令遵循,对开发 Agent 的团队是一次直接的生产力升级。

正文 · AI 翻译
Introducing Claude Opus 4.7

我们的最新模型 Claude Opus 4.7 现已全面上线。

Opus 4.7 在高级软件工程方面相比 Opus 4.6 有显著提升,尤其在最具挑战性的任务上表现突出。用户反馈称,现在可以放心地将最困难的编码工作——那些以往需要密切监督的任务——交给 Opus 4.7 处理。Opus 4.7 能够严谨且稳定地处理复杂、耗时的任务,精准遵循指令,并在汇报结果前自行设计方法来验证其输出。

该模型的视觉能力也有大幅提升:它能够以更高分辨率查看图像。在完成专业任务时,它更具品味和创造力,能生成更高质量的界面、幻灯片和文档。此外——尽管其综合能力不及我们最强大的模型 Claude Mythos Preview——但在多项基准测试中,Opus 4.7 的表现均优于 Opus 4.6:

上周我们宣布了 Project Glasswing,重点阐述了 AI 模型在网络安全领域的风险与收益。我们当时表示,将限制 Claude Mythos Preview 的发布范围,并先在能力较弱的模型上测试新的网络安全防护措施。Opus 4.7 正是首款应用这些措施的模型:其网络安全能力不及 Mythos Preview(事实上,在训练过程中,我们尝试了差异化降低这些能力的方法)。我们发布的 Opus 4.7 配备了安全防护机制,能够自动检测并拦截表明涉及禁止或高风险网络安全用途的请求。从这些防护措施在实际部署中获得的经验,将有助于我们最终实现广泛发布 Mythos 级别模型的目标。

欢迎希望将 Opus 4.7 用于合法网络安全目的(如漏洞研究、渗透测试和红队演练)的安全专业人士加入我们的新网络安全验证计划。

Opus 4.7 即日起在所有 Claude 产品、我们的 API、Amazon Bedrock、Google Cloud 的 Vertex AI 以及 Microsoft Foundry 上可用。定价与 Opus 4.6 保持一致:每百万输入 token 5 美元,每百万输出 token 25 美元。开发者可通过 Claude API 使用 `claude-opus-4-7`。

测试 Claude Opus 4.7

Claude Opus 4.7 获得了我们早期访问测试者的强烈正面反馈:

logo
在早期测试中,我们看到 Claude Opus 4.7 为我们的开发者带来了重大飞跃的潜力。它在规划阶段就能发现自身的逻辑错误,并加速执行,远超之前的 Claude 模型。作为一个为数百万消费者和企业提供大规模服务的金融科技平台,这种速度与精度的结合可能具有变革意义:加速开发效率,从而更快地交付客户每天依赖的可信金融解决方案。
logo
Anthropic 已经为编程模型树立了标准,而 Claude Opus 4.7 作为市场上最先进的模型,以有意义的方式进一步推动了这一标准。在我们的内部评估中,它脱颖而出的不仅是原始能力,还有它处理真实世界异步工作流(自动化、CI/CD 和长时间运行任务)的出色表现。它还能更深入地思考问题,并带来更具主见的视角,而不是简单地附和用户。
logo
Claude Opus 4.7 是 Hex 评估过的最强模型。当数据缺失时,它能正确报告,而不是提供看似合理但错误的替代方案,并且它能抵抗即使是 Opus 4.6 也会中招的不一致数据陷阱。它是一个更智能、更高效的 Opus 4.6:低投入的 Opus 4.7 大致相当于中等投入的 Opus 4.6。
logo
在我们包含 93 个任务的编程基准测试中,Claude Opus 4.7 的解决率比 Opus 4.6 提升了 13%,其中包括四个 Opus 4.6 和 Sonnet 4.6 都无法解决的任务。结合更快的中间延迟和严格的指令遵循能力,它对于复杂、长时间运行的编程工作流尤其有意义。它减少了这些多步骤任务中的摩擦,让开发者能够保持心流状态,专注于构建。
logo
根据我们的内部研究智能体基准测试,Claude Opus 4.7 拥有我们所见过的多步骤工作中最强的效率基线。它在六个模块中以 0.715 的总分并列第一,并且在我们测试的所有模型中提供了最一致的长上下文性能。在我们最大的模块“通用金融”中,它相比 Opus 4.6 取得了显著进步,得分从 0.767 提升至 0.813,同时在该组中展现出最佳的信息披露和数据纪律。而在 Opus 4.6 表现不佳的演绎推理领域,Opus 4.7 则表现稳健。
logo
Claude Opus 4.7 拓展了模型在调查研究和完成任务方面的能力极限。Anthropic 显然针对长时间运行的持续推理进行了优化,这一点在市场领先的性能上得到了体现。随着工程师从与智能体一对一协作转向并行管理多个智能体,这正是那种能够解锁全新工作流程的前沿能力。
logo
我们看到 Claude Opus 4.7 的多模态理解能力有了重大提升,从读取化学结构到解读复杂的技术图表。更高的分辨率支持正在帮助 Solve Intelligence 为生命科学专利工作流构建顶尖工具,涵盖从专利撰写、审查到侵权检测和无效性图表绘制等环节。
logo
Claude Opus 4.7 将 Devin 中的长周期自主能力提升到了新高度。它能连续数小时连贯工作,面对难题不会轻易放弃,并解锁了我们之前无法可靠运行的一类深度调查研究工作。
logo
对于 Replit 而言,升级到 Claude Opus 4.7 是一个轻松的决定。在我们用户日常所做的工作中,我们观察到它在更低成本下实现了同等质量——在分析日志和追踪信息、查找漏洞以及提出修复方案等任务上更加高效和精准。就个人而言,我喜欢它在技术讨论中提出反驳意见,帮助我做出更好的决策。它真的感觉像是一位更出色的同事。
logo
Claude Opus 4.7 在 Harvey 的 BigLaw Bench 上展现出强大的实质准确性,在高努力模式下得分 90.9%,在审查表格上具有更好的推理校准,并且在处理模糊的文档编辑任务时明显更加智能。它能够正确区分转让条款与控制权变更条款,这一任务历来是前沿模型的难点。在我们的评估中,实质准确性始终被评为其优势:正确、全面且引用充分。
logo
Claude Opus 4.7 是一款非常令人印象深刻的编程模型,尤其是在自主性和更具创造性的推理方面。在 CursorBench 上,Opus 4.7 的能力实现了显著跃升,达到 70% 以上,而 Opus 4.6 为 58%。
logo
对于复杂的多步骤工作流,Claude Opus 4.7 是一个明显的进步:相比 Opus 4.6,token 消耗更少,工具错误减少三分之二,性能提升 14%。它是首个通过我们隐性需求测试的模型,并且能够在过去会让 Opus 完全停摆的工具故障中继续执行。这种可靠性上的飞跃,让 Notion Agent 感觉像一个真正的团队成员。
logo
在我们的评估中,我们看到核心编排智能体在工具调用和规划方面的准确率实现了两位数的提升。当用户利用 Hebbia 来规划和执行检索、幻灯片创建或文档生成等用例时,Claude Opus 4.7 展现出了在这些工作流中改善智能体决策的潜力。
logo
在 Rakuten-SWE-Bench 上,Claude Opus 4.7 解决的生产任务数量是 Opus 4.6 的 3 倍,代码质量和测试质量均实现两位数提升。这对我们团队每天交付的工程工作来说,是一次有意义的提升和明确的升级。
logo
对于 CodeRabbit 的代码审查工作负载,Claude Opus 4.7 是我们测试过的最敏锐的模型。召回率提升了超过 10%,在我们最复杂的 PR 中发现了部分最难检测的 bug,同时尽管覆盖范围扩大,精确率仍保持稳定。在我们的测试框架上,它比 GPT-5.4 xhigh 略快一些,我们计划在发布时将其用于最繁重的审查工作。
logo
对于 Genspark 的超级智能体而言,Claude Opus 4.7 精准地把握了生产环境中最重要的三个差异化因素:防循环能力、一致性和优雅的错误恢复。防循环能力最为关键。一个在每 18 次查询中就有 1 次陷入无限循环的模型会浪费算力并阻塞用户。更低的方差意味着生产环境中更少的意外。而 Opus 4.7 达到了我们测量过的最高每次工具调用质量比。
logo
Claude Opus 4.7 对 Warp 来说是一次有意义的升级。Opus 4.6 是面向开发者的最佳模型之一,而新模型在此基础上明显更加周全。它通过了之前 Claude 模型未能通过的 Terminal Bench 任务,并解决了一个 Opus 4.6 无法攻克的棘手并发问题。对我们来说,这就是信号。
logo
Claude Opus 4.7 是目前全球构建仪表盘和数据丰富界面的最佳模型。它的设计品味令人惊喜——它做出的选择是我真正愿意发布上线的。现在它是我日常使用的默认模型。
logo
Claude Opus 4.7 是我们在 Quantium 测试过的最强模型。通过我们专有的基准测试方案,与领先的 AI 模型进行评估后,最大的提升出现在最关键的领域:推理深度、结构化问题框架构建以及复杂的技术工作。更少的修正、更快的迭代、更强的输出,以解决客户带给我们的最棘手问题。
logo
Claude Opus 4.7 感觉像是智能水平的一次真正跃升。代码质量显著提升,它去掉了过去那些堆积的无意义包装函数和回退脚手架代码,并且能边写边修正自己的代码。这是我们自 Sonnet 3.7 升级到 Claude 4 系列以来看到的最干净利落的一次进步。
logo
对于 XBOW 自主渗透测试核心的计算机使用任务而言,新的 Claude Opus 4.7 是一次阶跃式变化:在我们的视觉敏锐度基准测试中达到 98.5%,而 Opus 4.6 仅为 54.5%。我们最大的 Opus 痛点几乎消失了,这解锁了它在之前无法使用的整类工作中的应用。
logo
Claude Opus 4.7 是一次扎实的升级,对 Vercel 而言没有出现任何回退。它在一次性编码任务上表现出色,比 Opus 4.6 更正确、更完整,并且对自己能力的局限性也明显更加坦诚。它甚至会在开始工作前对系统代码进行验证,这是我们此前在 Claude 模型中未曾见过的新行为。
logo
Claude Opus 4.7 非常强大,在 Factory Droids 的任务成功率上比 Opus 4.6 提升了 10% 到 15%,工具错误更少,验证步骤的跟进也更可靠。它能够将工作从头到尾执行到底,而不是中途停止,这正是企业工程团队所需要的。
logo
Claude Opus 4.7 完全自主地从零构建了一个完整的 Rust 文本转语音引擎——包括神经网络模型、SIMD 内核、浏览器演示——然后将其自身输出通过语音识别器进行验证,以确保与 Python 参考实现一致。这相当于数月的资深工程师工作,被自主完成了。与 Opus 4.6 相比,进步显而易见,且代码库已公开。
logo
Claude Opus 4.7 通过了三个此前 Claude 模型无法完成的 TBench 任务,并且修复了我们之前最佳模型遗漏的问题,包括一个竞态条件。它在识别真实问题上展现出很高的精确度,并提出了其他模型要么放弃、要么未能解决的重要发现。在 Qodo 的真实代码审查基准测试中,我们观察到了顶级的精确度。
logo
在 Databricks 的 OfficeQA Pro 上,Claude Opus 4.7 展现出显著更强的文档推理能力,在处理源信息时,错误比 Opus 4.6 减少了 21%。在我们所有的智能体数据推理基准测试中,它是企业文档分析方面表现最佳的 Claude 模型。
logo
对于 Ramp 而言,Claude Opus 4.7 在智能体团队工作流中表现突出。我们看到了更强的角色遵循能力、指令遵循能力、协调能力和复杂推理能力,尤其是在涉及工具、代码库和调试上下文的工程任务上。与 Opus 4.6 相比,它需要的逐步指导少得多,这有助于我们扩展工程团队运行的内部智能体工作流。
logo
Claude Opus 4.7 在 Bolt 的长时间应用构建任务中,性能明显优于 Opus 4.6,最佳情况下提升幅度可达 10%,且没有出现我们在高度智能体化的模型中常见的能力退化。它进一步提升了用户单次会话中能够交付成果的上限。

以下是我们对 Opus 4.7 早期测试中的一些亮点和说明:

  • 指令遵循。Opus 4.7 在遵循指令方面有显著提升。有趣的是,这意味着为早期模型编写的提示词有时可能会产生意想不到的结果:之前的模型可能会宽松地解读指令或完全跳过某些部分,而 Opus 4.7 则会严格按照字面意思执行指令。用户应据此重新调整他们的提示词和使用框架。
  • 多模态能力提升。Opus 4.7 对高分辨率图像具有更好的视觉识别能力:它可以接受长边高达 2,576 像素(约 3.75 兆像素)的图像,是之前 Claude 模型的三倍以上。这为大量依赖精细视觉细节的多模态应用打开了大门:例如计算机使用智能体读取密集的屏幕截图、从复杂图表中提取数据,以及需要像素级精确参考的工作。
  • 实际工作应用。除了在金融智能体评估(见上表)中取得最先进水平外,我们的内部测试还表明,Opus 4.7 比 Opus 4.6 是更有效的金融分析师,能够生成严谨的分析和模型、更专业的演示文稿,以及跨任务的更紧密集成。Opus 4.7 在 GDPval-AA(一项针对金融、法律及其他领域经济价值知识工作的第三方评估)上也达到了最先进水平。
  • 记忆能力。Opus 4.7 在使用基于文件系统的记忆方面表现更好。它能在跨多个会话的长时间工作中记住重要的笔记,并利用这些笔记推进新任务,从而减少新任务所需的前置上下文信息。

下图展示了我们在发布前测试中,跨多个不同领域的更多评估结果:

安全性与对齐

总体而言,Opus 4.7 展现出与 Opus 4.6 相似的安全特性:我们的评估显示,其在欺骗、谄媚和协助滥用等令人担忧的行为上发生率较低。在某些指标上,例如诚实性和对恶意“提示词注入”攻击的抵抗力,Opus 4.7 相比 Opus 4.6 有所改进;而在其他方面(例如,在管制药物问题上给出过于详细的危害减少建议的倾向),Opus 4.7 则略有不足。我们的对齐评估结论是,该模型“大体上对齐良好且值得信赖,尽管其行为尚未达到完全理想状态”。请注意,根据我们的评估,Mythos Preview 仍然是我们训练过的对齐效果最好的模型。我们的安全评估在 Claude Opus 4.7 系统卡中有完整讨论。

来自我们自动化行为审计的整体失调行为得分。在此项评估中,Opus 4.7 相比 Opus 4.6 和 Sonnet 4.6 略有改进,但 Mythos Preview 仍显示出最低的失调行为发生率。

今日同步发布

除了 Claude Opus 4.7 本身,我们还发布了以下更新:

  • 更多努力程度控制:Opus 4.7 引入了一个新的 xhigh(“超高”)努力程度级别,介于 high 和 max 之间,让用户在解决难题时能更精细地权衡推理速度与延迟。在 Claude Code 中,我们已将所有计划的默认努力程度提升至 xhigh。在测试 Opus 4.7 用于编码和智能体用例时,我们建议从 high 或 xhigh 努力程度开始。
  • 在 Claude 平台(API)上:除了支持更高分辨率的图像外,我们还以公开测试版的形式推出了任务预算功能,为开发者提供了一种引导 Claude 模型 token 消耗的方式,使其能够在更长的运行周期中优先处理工作。
  • 在 Claude Code 中:新的 `/ultrareview` 斜杠命令会生成一个专门的审查会话,它会通读变更内容,并标记出细心审查者会发现的错误和设计问题。我们为 Pro 和 Max 版 Claude Code 用户提供了三次免费的超审查体验机会。此外,我们已将自动模式扩展至 Max 用户。自动模式是一种新的权限选项,Claude 会代你做出决策,这意味着你可以运行更长时间的任务,减少中断次数——并且比选择跳过所有权限时的风险更低。

从 Opus 4.6 迁移至 Opus 4.7

Opus 4.7 是 Opus 4.6 的直接升级版本,但有两项变化值得提前规划,因为它们会影响模型 token 用量。首先,Opus 4.7 使用了更新的分词器,改进了模型处理文本的方式。其代价是,相同的输入可能会映射为更多的 token——根据内容类型不同,大约为 1.0 到 1.35 倍。其次,Opus 4.7 在更高努力级别下会进行更多思考,尤其是在智能体场景中的后续轮次。这提升了其在难题上的可靠性,但确实会产生更多的输出 token。

用户可以通过多种方式控制模型 token 用量:使用努力参数、调整任务预算,或提示模型更简洁。在我们自己的测试中,整体效果是积极的——如下所示,在内部编码评估中,所有努力级别下的 token 用量均有所改善——但我们建议在实际流量中衡量差异。我们编写了一份迁移指南,为从 Opus 4.6 升级到 Opus 4.7 提供了更多建议。

在内部智能体编码评估中,各努力级别下 token 用量对应的得分。在此评估中,模型根据单个用户提示自主工作,结果可能不代表交互式编码中的 token 用量。有关调整努力级别的更多信息,请参阅迁移指南。

脚注

1 这是模型层面的变化,而非 API 参数,因此用户发送给 Claude 的图像将直接以更高保真度进行处理。由于高分辨率图像会消耗更多 token,不需要额外细节的用户可以在将图像发送给模型之前对其进行降采样。

  • 对于 GPT-5.4 和 Gemini 3.1 Pro,我们在图表和表格中对比的是通过 API 可用的、报告的最佳模型版本。
  • MCP-Atlas:Opus 4.6 的分数已更新,以反映 Scale AI 修订后的评分方法。
  • SWE-bench Verified、Pro 和 Multilingual:我们的记忆筛查标记了这些 SWE-bench 评测中的部分问题。排除任何显示出记忆迹象的问题后,Opus 4.7 相对于 Opus 4.6 的提升幅度保持不变。
  • Terminal-Bench 2.0:我们使用了禁用思考功能的 Terminus-2 测试框架。所有实验均采用 1 倍保证/3 倍上限的资源分配,每个任务重复五次取平均值。
  • CyberGym:Opus 4.6 的分数已从最初报告的 66.6 更新为 73.8,因为我们更新了测试框架参数以更好地激发网络能力。
  • SWE-bench Multimodal:我们对 Opus 4.7 和 Opus 4.6 均使用了内部实现。其分数不能直接与公开排行榜上的分数进行比较。

2026 年 5 月 4 日:更新了文档推理图,以反映 Opus 4.7 更新后的 OfficeQA Pro 分数。

推出 Claude for Teachers

Anthropic 承诺向加拿大 AI 研究投入 1000 万美元

来源:Anthropic:Newsroom(网页)· anthropic.com