Anthropic 发布 Claude Opus 4.7

我们最新的模型 Claude Opus 4.7 现已正式发布。

Opus 4.7 在高级软件工程方面相较 Opus 4.6 有显著提升，在最具挑战性的任务上进步尤为明显。用户反馈称，他们能够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 能够严谨而一致地处理复杂、长时间运行的任务，精确遵循指令，并在汇报结果之前设法验证自己的输出。

该模型在视觉方面也有大幅提升：它能够以更高的分辨率查看图像。在完成专业任务时，它更具品味和创造力，能够产出更高质量的界面、幻灯片和文档。而且——尽管其广泛能力不及我们最强大的模型 Claude Mythos Preview——它在多项基准测试中的表现均优于 Opus 4.6：

上周我们发布了 Project Glasswing，重点介绍了 AI 模型在网络安全方面的风险与益处。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 就是首个此类模型：其网络能力不如 Mythos Preview 先进（事实上，在其训练过程中，我们尝试了差异化降低这些能力的做法）。我们发布 Opus 4.7 时配备了防护措施，能够自动检测并阻止表明存在被禁止或高风险网络安全用途的请求。我们从这些防护措施的实际部署中学到的经验，将帮助我们朝着最终广泛发布 Mythos 级模型的目标迈进。

希望将 Opus 4.7 用于合法网络安全用途（如漏洞研究、渗透测试和红队演练）的安全专业人士，欢迎加入我们新推出的 Cyber Verification Program。

Opus 4.7 即日起可在所有 Claude 产品以及我们的 API、Amazon Bedrock、Google Cloud 的 Vertex AI 和 Microsoft Foundry 中使用。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 获得了早期访问测试者的强烈反馈：

在早期测试中，我们看到 Claude Opus 4.7 有潜力为我们的开发者带来重大飞跃。它能在规划阶段发现自身的逻辑缺陷并加速执行，远超以往的 Claude 模型。作为服务数百万消费者和企业的大规模金融科技平台，这种速度与精确性的结合可能带来颠覆性改变：加快开发速度，从而更快交付客户每天依赖的可信金融解决方案。

Anthropic 已经为编码模型树立了标准，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，它不仅以原始能力脱颖而出，还在于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——的表现。它还会更深入地思考问题，并带来更有主见的观点，而不是简单地附和用户。

Claude Opus 4.7 是 Hex 评估过的最强模型。当数据缺失时，它会正确报告，而不是提供看似合理但不正确的回退方案；它还能抵御连 Opus 4.6 都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。

在我们的 93 项任务编码基准测试中，Claude Opus 4.7 的解决率比 Opus 4.6 提升了 13%，其中包括 Opus 4.6 和 Sonnet 4.6 都无法解决的四个任务。结合更快的中位延迟和严格的指令遵循，它对复杂、长时间运行的编码工作流尤其有意义。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并专注于构建。

基于我们的内部研究代理基准测试，Claude Opus 4.7 拥有我们见过的多步骤工作中最强的效率基线。它在我们的六个模块中并列最高总分，达到 0.715，并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 General Finance——我们最大的模块——上，它相比 Opus 4.6 有显著提升，得分为 0.813 对 0.767，同时还展现出该组中最佳的披露和数据纪律。在 Opus 4.6 表现不佳的演绎逻辑方面，Opus 4.7 表现扎实。

Claude Opus 4.7 拓展了模型在调查和完成任务方面能力的极限。Anthropic 显然针对长时间运行中的持续推理进行了优化，并以市场领先的性能证明了这一点。随着工程师从与代理 1:1 协作转向并行管理它们，这正是解锁新工作流所需的前沿能力。

我们看到 Claude Opus 4.7 的多模态理解有了重大改进，从读取化学结构到解读复杂技术图表。更高分辨率的支持正在帮助 Solve Intelligence 为生命科学专利工作流构建一流的工具，涵盖起草和审查到侵权检测和无效性图表。

Claude Opus 4.7 在 Devin 中将长时程自主性提升到了新水平。它能连贯地工作数小时，攻克难题而不是放弃，并解锁了一类我们以前无法可靠运行的深度调查工作。

对 Replit 来说，Claude Opus 4.7 是一个轻松的升级决定。对于我们的用户每天所做的工作，我们观察到它以更低的成本实现了相同的质量——在分析日志和追踪、查找错误以及提出修复方案等任务上更高效、更精确。就个人而言，我喜欢它在技术讨论中提出异议，帮助我做出更好的决策。它真的感觉像一个更好的同事。

Claude Opus 4.7 在 Harvey 的 BigLaw Bench 上展现出强大的实质性准确性，在高投入下得分 90.9%，在审查表上具有更好的推理校准，并且对模糊文档编辑任务的处理明显更智能。它能正确区分转让条款和控制权变更条款，这一任务历来对前沿模型构成挑战。在我们的评估中，实质性始终被评为优势：正确、全面且引用充分。

Claude Opus 4.7 是一个非常令人印象深刻的编码模型，尤其是其自主性和更具创造性的推理。在 CursorBench 上，Opus 4.7 是能力上的显著跃升，达到 70%，而 Opus 4.6 为 58%。

对于复杂的多步骤工作流，Claude Opus 4.7 是明显的升级：相比 Opus 4.6 提升 14%，同时使用更少的 token，工具错误只有三分之一。它是首个通过我们隐式需求测试的模型，并且能在过去会让 Opus 彻底卡住的工具故障中持续执行。这一可靠性跃升让 Notion Agent 感觉像一位真正的队友。

在我们的评估中，核心编排代理在工具调用和规划准确性上实现了两位数增长。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 展现出在这些工作流中改进代理决策的潜力。

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，在代码质量和测试质量上实现了两位数提升。这是一次有意义的提升，也是对我们团队每天交付的工程工作的明确升级。

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。召回率提升超过 10%，在我们最复杂的 PR 中发现了某些最难检测的 bug，同时尽管覆盖率提高，精确率仍保持稳定。在我们的测试框架上，它比 GPT-5.4 xhigh 稍快一些，我们正安排它在发布时用于最繁重的审查工作。

对于 Genspark 的 Super Agent，Claude Opus 4.7 精准把握了三个最关键的生产差异化因素：抗循环、一致性和优雅的错误恢复。抗循环最为关键。一个在 18 次查询中就有 1 次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 实现了我们测量过的最高单次工具调用质量比。

Claude Opus 4.7 对 Warp 来说是一次有意义的升级。Opus 4.6 是市面上最适合开发者的模型之一，而这款模型在此基础上可衡量地更加彻底。它通过了此前 Claude 模型失败的 Terminal Bench 任务，并解决了一个 Opus 4.6 无法攻克的棘手并发 bug。对我们来说，这就是信号。

Claude Opus 4.7 是世界上构建仪表盘和数据丰富界面的最佳模型。其设计品味确实令人惊讶——它做出的选择我真的会发布。它现在是我的默认日常主力。

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，最大的提升出现在最关键的地方：推理深度、结构化问题构建和复杂技术工作。更少的修正、更快的迭代，以及更强的输出来解决客户带给我们的最难问题。

Claude Opus 4.7 感觉在智能上是一次真正的升级。代码质量明显改善，它去掉了过去堆积的无意义包装函数和回退脚手架，并在过程中自行修复代码。这是自 Sonnet 3.7 转向 Claude 4 系列以来我们看到的最干净的跃升。

对于 XBOW 自主渗透测试核心的计算机使用工作，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上达到 98.5%，而 Opus 4.6 为 54.5%。我们最大的 Opus 痛点实际上消失了，这解锁了它在一整类此前无法使用的工作中的用途。

Claude Opus 4.7 是一次扎实的升级，对 Vercel 而言没有任何回退。它在一次性编码任务上表现出色，比 Opus 4.6 更正确、更完整，并且明显更诚实地对待自身的局限。它甚至会在开始工作前对系统代码进行验证，这是我们在早期 Claude 模型中从未见过的新行为。

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，验证步骤的后续执行也更可靠。它会将工作贯彻到底，而不是半途而废，这正是企业工程团队所需要的。

Claude Opus 4.7 自主从零构建了一个完整的 Rust 文本转语音引擎——包括神经模型、SIMD 内核、浏览器演示——然后将其自身输出送入语音识别器，以验证其与 Python 参考实现一致。数月的高级工程工作，自主完成。从 Opus 4.6 的跃升显而易见，且代码库已公开。

Claude Opus 4.7 通过了三个此前 Claude 模型无法完成的 TBench 任务，并且正在修复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强大的精确度，并揭示出其他模型要么放弃、要么未能解决的重要发现。在 Qodo 的真实世界代码审查基准测试中，我们观察到了顶级的精确度。

在 Databricks 的 OfficeQA Pro 上，Claude Opus 4.7 展现出显著更强的文档推理能力，在处理源信息时比 Opus 4.6 的错误减少了 21%。在我们所有基于数据的智能体推理基准测试中，它是用于企业文档分析表现最佳的 Claude 模型。

对于 Ramp，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忠实度、指令遵循、协调能力和复杂推理，尤其是在跨越工具、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，帮助我们扩展工程团队运行的内部智能体工作流。

对于 Bolt 的长时间应用构建工作，Claude Opus 4.7 可测量地优于 Opus 4.6，在最佳情况下提升高达 10%，且没有我们已习惯从高度智能体化模型中看到的回退。它提升了用户单次会话可交付成果的上限。

01 /

28

以下是我们对 Opus 4.7 早期测试的一些亮点和笔记：

• 指令遵循。Opus 4.7 在遵循指令方面显著更好。有趣的是，这意味着为早期模型编写的提示词有时现在会产生意想不到的结果：以往模型会宽松地解释指令或完全跳过部分内容，而 Opus 4.7 会字面地执行指令。用户应相应地重新调整他们的提示词和测试框架。
• 改进的多模态支持。Opus 4.7 对高分辨率图像有更好的视觉能力：它可以接受长边高达 2,576 像素（约 3.75 百万像素）的图像，是此前 Claude 模型的三倍多。这开启了大量依赖精细视觉细节的多模态用途：读取密集截图的计算机使用智能体、从复杂图表中提取数据，以及需要像素级精确参考的工作。¹
• 真实世界工作。除了在 Finance Agent 评估中取得的最先进分数（见上表）外，我们的内部测试表明，Opus 4.7 是比 Opus 4.6 更有效的金融分析师，能产出严谨的分析和模型、更专业的演示文稿，以及跨任务更紧密的整合。Opus 4.7 在 GDPval-AA 上也处于最先进水平，这是一项针对金融、法律及其他领域具有经济价值的知识工作的第三方评估。
• 记忆。Opus 4.7 更擅长使用基于文件系统的记忆。它能在长时间、多会话的工作中记住重要笔记，并利用它们推进新任务，因此这些新任务需要的前期上下文更少。

下图展示了我们发布前测试中更多评估结果，涵盖一系列不同领域：

安全与对齐

总体而言，Opus 4.7 展现出与 Opus 4.6 相似的安全概况：我们的评估显示，欺骗、谄媚和配合滥用等令人担忧行为的比率较低。在某些指标上，例如诚实性和对恶意“提示注入”攻击的抵御能力，Opus 4.7 相比 Opus 4.6 有所改进；在其他方面（例如对受控物质给出过于详细的减害建议的倾向），Opus 4.7 则略弱。我们的对齐评估得出结论，该模型“大体上对齐良好且值得信赖，尽管其行为并非完全理想”。请注意，根据我们的评估，Mythos Preview 仍是我们训练过的最对齐的模型。我们的安全评估在 Claude Opus 4.7 系统卡中有完整讨论。

今日同步推出

除了 Claude Opus 4.7 本身，我们还推出以下更新：

• 更多努力控制：Opus 4.7 在 high 和 max 之间引入了一个新的 xhigh（“超高”）努力级别，让用户能更精细地控制难题上推理与延迟之间的权衡。在 Claude Code 中，我们将所有计划的默认努力级别提高到 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 努力级别开始。
• 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形式推出任务预算，让开发者能够引导 Claude 的 token 消耗，从而在更长的运行中优先安排工作。
• 在 Claude Code 中：新的 /ultrareview 斜杠命令会生成一个专门的审查会话，通读更改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 Claude Code 用户提供三次免费 ultrareview 以供试用。此外，我们已将自动模式扩展到 Max 用户。自动模式是一种新的权限选项，Claude 会代你做出决定，这意味着你可以运行更长的任务且中断更少——并且比选择跳过所有权限的风险更低。

从 Opus 4.6 迁移到 Opus 4.7

Opus 4.7 是 Opus 4.6 的直接升级，但有两项变化值得提前规划，因为它们会影响 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。代价是相同的输入可能映射到更多 token——根据内容类型不同，大约为 1.0–1.35 倍。其次，Opus 4.7 在更高 effort 级别下思考更多，尤其是在 agentic 场景的后续轮次中。这提升了它在难题上的可靠性，但也意味着它会生成更多输出 token。

用户可以通过多种方式控制 token 用量：使用 effort 参数、调整任务预算，或提示模型更加简洁。在我们自己的测试中，净效果是有利的——在内部编码评估中，所有 effort 级别的 token 用量都有所改善，如下所示——但我们建议在真实流量上测量差异。我们撰写了一份迁移指南，为从 Opus 4.6 升级到 Opus 4.7 提供进一步建议。

相关内容

Anthropic 投资 1 亿美元培训 10,000 名工程师，以弥合企业 AI 人才缺口

Anthropic 向 Claude Frontier Academy 投资 1 亿美元，计划到 2027 年底培训 10,000 名 Frontier Deployed Engineers，来自 Accenture、Bain、CBA、Deloitte、McKinsey、Morgan Stanley 和 Novo Nordisk 的首批学员已经开课。

阅读更多

Barclays 扩展 Claude 应用，以升级运营并改善客户体验

英国全能银行 Barclays 正在扩大与 Anthropic 的战略合作，在其全球业务中整合安全的企业级 AI 系统。

阅读更多

Claude 发现一种具有类 CRISPR 重复序列的新型酶系统

我们宣布在 Anthropic 成立一个新的生命科学研究小组和实验室。本文介绍这项工作背后的团队，并分享早期成果：在我们科学家仅提供高层方向的情况下，Claude 发现了一种特性令人联想到 CRISPR 的新型酶系统。

阅读更多