推演本领上，GPQA Diamond测试物理、化学、生物学领域之博士级别推演。
Shopify高级营造师本·拉弗蒂（Ben Lafferty）说，Opus 4.7觉受智力上真提升之且代码品质明显更好。
Nginx。二为你已为Opus 4.6之举止精细调过提示词。
从Opus 4.6整体迁移过来得谨慎。
若你之课题需大量网络调研与多页面讯息整顿，此名退步得心里有数。
此名测试今快饱与之，所有前沿模型皆挤于91%到95%之间。
还有更难之SWE-bench Pro测试。
切尔尼说若你对长度或风格有特定要求，于提示词里明确写出来，而且给正面例子比给“不要此样做”之负面指令效果更好。
器物调用本领上，MCP-Atlas基准测试衡量之为繁多轮器物调用。
早期协作伙伴Warp证实，Opus 4.7通过之昔Claude模型皆没能通过之终端差事，包括一名Opus 4.6完全搞不定之并发bug。
沃顿商学院教授伊森·莫利克（Ethan Mollick）就遇到之此名疑难。
其次Claude Code里默认勤勉级别改成之xhigh。
草木皆兵。GPT-5.4之得分为57.7%，Gemini 3.1 Pro为54.2%，Opus 4.7已把差距拉开之。
02 API章法收紧之，老用户得做迁移 默认生成之子智能体也更少。
Replit总裁米歇尔·卡塔斯塔（Michele Catasta）也印证之此一点。
官方建议第一次轮次就把差事说清楚，包括意图、限制机缘、验收标准、相关文书位置须全给齐。
Notion之AI负责者莎拉·萨克斯（Sarah Sachs）给出之实在数据，多步骤工流改善之14%，器物调用过失少之66%，智能体今像名真正之队友之。
Anthropic官方明确提醒用户，与Opus 4.7打交道得换一套法门，别再指望它像旧模型彼样替你“揣摩意思”，而要更直接地下指令。
Opus 4.7于决定为否把工分给子智能体时更谨慎。
数据标注公司Cognition之CEO Scott Wu说，Opus 4.7能连贯工好几名小时，昔让模型卡住之难题它能硬啃下来。
低与中等勤勉级别留给对本金或延迟敏感之差事。
切尔尼最后小结说，Opus 4.7于长光阴运行之差事上比之前之模型表现好甚多，格外适合彼些昔者工督察为瓶颈之差事，比如繁之多文书改动、说不清楚之调试疑难、跨效劳之代码审查、多步骤之智能体差事。
财务剖析方面，Finance Agent v1.1测试多步财务差事，包含做财务模型、生成专业演示文稿、筹划注资计策。
Opus 4.7得分94.2%，与GPT-5.4 Pro之94.4%、Gemini 3.1 Pro之94.3%基本持平，比Opus 4.6之91.3%有提升。
Claude Code负责者鲍里斯·切尔尼（Boris Cherny）亲自写之一篇最佳实践指南。
AI法典平台Harvey之应用研讨负责者尼科·格鲁彭（Niko Grupen）提到，模型于BigLaw Bench上得之90.9%，办理模糊之文档编辑差事明显更慧之。
他说于日志剖析与找bug此类差事上，Opus 4.7用更低之本金实现之更高之品质且觉受像名更好之同事。
Anthropic也表示：“吾等从此些保障举措之现状部署中学到之东西，将帮吾等最终实现广泛发布Mythos级别模型之宗旨。
虽旧金山法官最初阻止之此名认定，但联邦上诉小组最近驳回之Anthropic之中止请求。
第三Opus 4.7用之新之tokenizer，同样一段输入实质，今消耗之token数量比昔多出0%到35%不等，实在取决于实质类型。
Metaverse Tech。于智能体搜索测试BrowseComp中，模型要做多步网络研讨，浏览多名页面、统合讯息并跨页面推演。
Mythos Preview仍然为Anthropic操练过之对齐最好之模型，Opus 4.7就为名津梁，先于此上面测试安康机制以后再推广到Mythos级别。
对于企业来说，Opus 4.7标志之AI从创意助手转向可靠操作员。
而Opus 4.6用器物时得分53.3%，故有长进但不大。
此点对需办理大代码库或者长文档之团队甚友好。
Factory公司之技艺员列奥·楚拉科夫（Leo Tchourakov）也观察到类似之效果。
若你于构建需路由到多名器物之业务编排智能体，此名数术最为枢纽。
模型需导航文书体系、执行DevOps差事并于终端里调试程序。
格外为彼些提示词较量脆弱且赢利方位又薄之遗留应用更得小心。
它之API变之且老代码得改。
此于甚多情况下效果更好。
大家其实已拉不开差距之。
Opus 4.7得分69.4%，比Opus 4.6之65.4%高之4名点，也稍微超过之Gemini 3.1 Pro之68.5%。
此样长光阴运行之调试会话就不会突然给你一张吓者之账单。
Anthropic自己之估量为大体上对齐良好且值得信赖，虽举止还没完全抱负。
多言辞问答MMMLU上，Opus 4.7得分91.5%，比Opus 4.6之91.1%稍高，但Gemini 3.1 Pro之92.6%依然居先。
核心身价为模型之新本领，它不再只为生成一名解答而为于回答之前自己先验证一下此名解答对不对。
首先为SWE-bench Verified基准测试，模型要处置确凿之GitHub issue，即程序员平时于开源课题里遇到之彼种实际bug或者功能需求。
Opus 4.7为一名有军纪性之模型，它不追寻于所有差事上皆得第一，而为于编码、器物用、视觉体谅此些实际干活之本领上做深。
而且要减来回对话，每多一轮用户交互就多一轮推演开销。
它不再像旧模型彼样会揣摩你之意思而为严格执行你给出之指令。
你可给智能体设置一名token开销之硬性上限，最低2万名token起。
Augmentcode联手创始者伊戈尔·奥斯特罗夫斯基（Igor Ostrovsky）提到，Opus 4.7不光原始本领强，办理现状全球之参差工流、自动化、CI/CD与长期差事皆表现出色。
若你主要做非英语之问答差事，Gemini或更合适。
他建议把勤勉级别保xhigh并先看看第一轮能跑多远。
也就为说模型自己裁决什么时候需多想以及什么时候可快速回应。
首先扩展思考概算被移除之。
该公司坦言，尽管Opus 4.7于多项指标上有所提升，但于部分枢纽本领上，仍不及近期亮相之Claude Mythos Preview。
Anthropic之自动化举止查账显示，整体不对齐举止比Opus 4.6有适度改善，诚性与抵抗提示词注入攻击之本领提升之，但于给管制形而下提供过度详细之减害建议方面有一点点退步。
换句话说，此不为一名更会聊天之新旗舰，而为一名更适合干活之公开版本。
Anthropic目前正跟美国国防部打官司。
再结合图像分辨率之三倍提升，彼些需读取密集UI界面或者看懂截图之自动化脚本本领会有明显改善。
Claude Code Max用户按Shift加Tab就能开自动模式，模型不用每步皆问你我可此样做吗。
而且模型思考更深且会带来更有主见之观点，而不为光顺之用户之意思走。
4月17日凌晨，Anthropic正式发布Claude Opus 4.7。
响应长度会跟差事繁度匹配，简查名东西不会像昔彼样啰嗦一堆。
Opus 4.7能不能接住此名期待，得看它于你自己之确凿差事上跑得怎么样。
官方建议于切制造流量之前先于代表性样本上重新测试。
模型调用器物之频率降低之且更倾向于自己先推演。
公司年化营收已冲到300亿美元，主要靠企业主顾与Claude Code带动。
Anthropic自己建议于迁移制造工负载之前，先于实际流量上测一下token影响。
此意味之上一代模型于此上面十次差事要败差不多一半，今十次里能成六次多。
对于你已把上下文皆给全之之长期差事此名模式格外合适。
围绕此次晋级，不少讨论却不为“它更强之”，而为“它更难聊之”。
更长之提示词、反复跑之智能体轮回、带之甚多图片之输入，或比预期更快触及本金上限或者截断阈值。
他断言OpenAI将会拉开差距。
它于网络搜索上退步之，若你主要做研讨类差事反而体验会降。
另外还有一名底色讯息。
切尔尼建议大家试试不同档位，不要直接把旧设置搬过来。
莫利克还抱怨说虽还没测完所有东西，但经常发觉对于此类用例，解答品质比Opus 4.6之扩展思考模式还低。
切尔尼于指南里给之一名处置办法。
他最后怼之一句，AI公司好像总觉得编码与技艺工为唯一重要之智力工，但实际上根本不为此样。
思考实质默认为被省略之，除非调用者主动要求看摘要版。
第三也为最重要之，跟Opus 4.7说话要直接。
此为目前行业里公认最接近确凿掘发场景之测试之一。
Opus 4.7于该测试中得分77.3%，居先GPT-5.4之68.1%与Gemini 3.1 Pro之73.9%。
Mythos Preview用器物后得分64.7%，差距还挺明显之。
此对于彼些已习性于调试时直接看模型推演历程之团队来说为名不小之改动，你用来监控模型举止之彼套器物或需调理。
此可不为小事情。
好消息为差事概算功能于公开测试版里上线之。
其次推演实质之可见性变之。
但若你确实望模型更积极用器物，比如于智能体工中更主动搜索或读文书，彼就得于提示词里明确说清楚什么时候以及为什么该用器物。
但此不为所有场景之通吃。
Opus 4.7某种程度上也为Anthropic对此些批之回应。
最新估值3800亿美元，而且有报道说注资机构正给出约8000亿美元之新一轮融资报价。
Opus 4.7得分79.3%，反而比Opus 4.6之83.7%低之4.4名百分点。
此直接来自分辨率之三倍提升。
首先Opus 4.7不再支固定概算之扩展思考，改用自随顺思考。
第四模型默认举止有变化。
若你还于请求里发budget_tokens参数，API会返回400过失。
有早期协作伙伴测试自立渗透测试之计算机视觉，视觉敏锐度从54.5%直接飙到98.5%。
03用新模型得换套路：别跟它闲聊并直接下指令。
新面貌。此样能省token但难之步骤上或会丢失一点准确度。
依赖旧模型宽松解释或者习性性跳过某些指令之提示词或会出奇怪之结局。
此可不为小事情。
昔你可给模型设定一名固定之思考token概算今不行之。
Opus 4.7能把差事从头做到尾而不为半路停下来，差事成率比Opus 4.6提升之10%到15%，器物过失更少且验证步骤之执行也更可靠。
04企业要不要晋级：看你为干活还为查资料 但真正反常之为，Anthropic此次发布之新模型自己也承认并非最强。
三为你之token概算卡得较量紧。
更让他不满之为于Claude Code里能设置思考级别但于Claude Cowork里不能。
Humanity's Last Exam为目前最难之多模态推演测试，考之为苍生学识前沿之疑难。
GPT-5.4 Pro于此名测试上拿之89.3%，Gemini 3.1 Pro也有85.9%。
Anthropic通过允许用户控制勤勉程度、设定概算并验证输出，正朝之自立数术劳动力之宗旨靠近。
有者直接说Claude Code桌面应用十分粗糙，配不上一名快万亿美元估值之公司。
视觉推演CharXiv测试格致图表解读，此为Opus 4.7长进最大之地方。
与此同时，之前一些忠实用户抱怨Opus 4.6与Claude Code货品被悄悄降智，说最近之版本更易陷入探求轮回、记不住东西并忽略指令。
一为你之智能体严重依赖深度网络研讨与多页面讯息整顿。
BrowseComp彼4.4名点之退步为确凿之，GPT-5.4 Pro或者Gemini 3.1 Pro于此类差事上更合适。
更长之提示词、反复跑之智能体轮回、带之甚多图片之输入，或比预期更快触及本金上限或者截断阈值。
分阶段推出加重新调优为较量稳妥之做法。
能用自动模式之就用。
昔彼种较量随意且靠模型自己脑补之提示词今或会翻车。
模型得自己看懂代码、找到疑难、写补丁，然后验证修补为否有效。
此为该公司目前最强之公开模型，主打编程与智能体差事，图像分辨率提升至此前三倍，上下文窗口维持100万token，API定价保不变，输入每百万token 5美元，输出25美元。
GPT-5.4 Pro得分58.7%，也比Opus 4.7高一点。
Anthropic于操练历程中专门实验之如何“差异化降低”模型之网络安康本领，并加入之自动检测与拦截高险情网络安康请求之机制。
Anthropic收紧之好几处API举止，现有团队得做迁移工。
模型会自己删掉彼些没意义之包装函数与多余之支架，边干活边修正自己之代码，此为从Claude 4系列以来见过最利落之一次晋级。
Anthropic还提到Opus 4.7于GDPval-AA此名跨钱庄、法典与专业领域之学识工估量上也为居先之。
而且真正之顶尖模型Mythos还于后面藏之，Opus 4.7只为彼名能公开卖之版本。
对于Replit、Notion、Shopify此些公司之营造团队来说，从看之AI干活到管AI结局之转变已始之。
官方推荐大多数编码差事用xhigh就够之，因max虽分数更高但收益递减还易过度思考。
对于彼些需读密密麻麻之截图、技艺图纸、数据图表之应用来说，此名提升为实实于于之。
后者把Anthropic列为“供应链险情”，因Anthropic拒绝让模型用于大规模监控或完全自立之致命兵刃。
Anthropic格外提醒，Opus 4.7改善之指令遵循意味之它会比你预期得更字面地体谅指令。
想象一下你让智能体去查数据库与调API，然后根据结局再决定下一步操作，中间或要来回用好几名器物。
一些早期体验者与测试者发觉，Opus 4.7于编程、终端操作与多步骤智能体差事上长进明显，但于剖析、写作、研讨此类非代码差事上，反而更易显得生硬、字面，也更少主动调用器物与网络搜索。
此为新加之一名档位，介于high与max之间。
IIoT。Opus 4.7于此名测试里拿下之87.6%，比上一代Opus 4.6之80.8%高之将近7名百分点，也超过之Gemini 3.1 Pro之80.6%。
爆料大神草莓哥@iruletheworldmo直接泼之冷水。
采样举止也更严格之，非默认之temperature、top_p、top_k值皆会被拒绝，同样返回400过失。
Opus 4.7于不用器物之情况下得分46.9%，用器物得分增至54.7%。
彭博社报道称，Opus 4.7实际上为一名被刻意弱化之网络安康本领之版本并自带“安康枷锁”。
财务上Anthropic之演进倒为甚猛。
AWS。” 但若你之团队于构建智能体或者繁软件体系，此次晋级甚值得。
多言辞问答MMMLU上，Opus 4.7得分91.5%，比Opus 4.6之91.1%稍高，但Gemini 3.1 Pro之92.6%依然居先。
于计算机操作测试OSWorld-Verified中，模型要跟确凿桌面软件交互，包括点击按钮、填表单以及于GUI氛围里成差事。
Anthropic自己建议于迁移制造工负载之前，先于实际流量上测一下token影响。
若你主要做非英语之问答差事，Gemini或更合适。
他说Opus 4.7之改善不算太大，远远比不上OpenAI即将推出之东西。
核心意思为用Opus 4.7你得换一套打法。
但此不为一名无脑晋级之版本。
他说模型经常觉得非数学非代码之实质为低勤勉差事，然后就产出更差之结局。
若你欲它快点回应少想点，就说优先快速回应且有疑问时直接答。
若你欲模型多思考，就于提示词里明确说此名疑难比看起来难且仔细一步步想。
此意味之你不能简地把模型名字从opus-4-6改成opus-4-7就完事，请求模板、内部预设、测试预期皆得重新过一遍。
01编码与器物本领为真涨之，但网络搜索反而退步之 此次晋级不为换名模型名字就能直接用之。
第三Opus 4.7用之新之tokenizer，同样一段输入实质，今消耗之token数量比昔多出0%到35%不等，实在取决于实质类型。
若你确实需并行办理多名文书或差事得明确告诉它。
看基准测试数据，Opus 4.7最强之改善于编码上。
安康与对齐方面，Opus 4.7为第一名搭载制造级网络安康保障举措之Opus模型。
Opus 4.7得分64.4%，居先GPT-5.4 Pro之61.5%与Gemini 3.1 Pro之59.7%。
模型需跨四种编程言辞，不光为修一名文书里之bug，或要同时改多名文书并体谅整名课题之架构。
好处为简疑难响应快，坏处为它或低估某些差事之难度。
原野。于终端操作方面，Terminal-Bench 2.0用于测试命令行氛围里之熟练度。
不用器物时从69.1%跳到82.1%，用器物时从84.7%涨到91.0%。
Opus 4.7拿之78.0%，比Opus 4.6之72.7%高之5名多点，也比GPT-5.4之75.0%强。
但若你今之工流里Opus 4.6跑得好好之，有几类情况可先不之急换。
还有一点，Opus 4.7支100万token之上下文窗口，用之为标准API定价且不用额外付长上下文溢价。
切尔尼还教之一招，让Claude成差事时自己放名声响通知你，它能自己创建基于hook之通知。
若你已为Claude Code用户但没手动改过设置会自动晋级到xhigh。
Opus 4.7之得分从53.4%跳到之64.3%，涨幅超过10%。
此种可靠性对于长期营造差事甚枢纽，因者力督察之本金于彼里摆之。
Opus 4.7之新tokenizer会让同样输入消耗更多token，而且它于更高勤勉级别下会思考更多。
于剖析、写作或研讨差事上，模型基本上甚少启动深度思考，此意味之器物与网络搜索也不怎么用。
他拿货品线做对比指出，若看实验室发布之货品与功能数量，Anthropic或因发得多显得居先，但要比品质之话Codex远远居先于新之Claude Code桌面货品，而新之超级应用比此名好十倍。
Techno-life。但有一名地方确确实实翻车之。
Anthropic自己公布之表格里此也为唯一一名明显退步之指标。
建议于实际流量上先测一下影响再决定。
它之提示词逻辑变之且昔能用之模板或要重调。
切尔尼给之一名示例提示词，明确要求不要为你自己能于单次回复里直接成之工生成子智能体，但于跨课题扇出或者读多名文书之时候需于同一轮里生成多名子智能体。
上一篇：每体：卡萨多无论多难皆没有想过离队，此份持打动之弗里克 下一篇：布莱顿近13轮仅1胜，许尔策勒：我没有压力，得到俱乐部支