新秀王之蔑视 ？埃奇库姆登全美热搜！30+10+6三分创6纪录超魔术师
外地时间 4 月 16 日，Anthropic 正式宣布新一代旗舰模子 Claude Opus 4.7。该公司将其定位为 " 迄今能力最强的通用可用模子 "，标记着人工智能行业竞争焦点的决议性转变——从追求对话流通性转向审核自主使命执行能力。与两个月前宣布的 Opus 4.6 相比，新版本专为 Agentic 事情流设计，即需要 AI 在较长时间内自力运行、仅需少量人类干预的重大使命。此次更新优先提升高区分率视觉感知、重大多步软件工程链稳固性，以及长上下文检索能力，而非纯粹追求推理深度（官方博客地址：https://www.anthropic.com/news/claude-opus-4-7）。值得注重的是，Anthropic 在宣布 Opus 4.7 的同时坦诚体现，这并非其最强模子——能力更强的 Claude Mythos Preview 仍处于受限测试阶段。视觉智能突破与长上下文瓶颈攻克在企业级应用场景的基准测试中，Opus 4.7 与主要竞争敌手的性能差别进一步拉大。在 OfficeQA Pro 评测中——该评测由 Databricks 开发，要求模子剖析近 9 万页美国财务部历史文件（涵盖近 100 年公报、2600 万个数字）—— Opus 4.7 取得 80.6% 的得分。这一效果险些是谷歌 Gemini 3.1 Pro（42.9%）的两倍，并大幅领先于 GPT-5.4（51.1%）。数据显示，Anthropic 已在长上下文检索的要害瓶颈上取得突破。在 BFS 1M 测试中——该测试由 OpenAI 设计，将一张有向图用边列表塞满 100 万 token 上下文，要求模子举行图遍历—— Opus 4.7 从 Opus 4.6 的 41.2% 提升至 58.6%，提升幅度达 17.4 个百分点。这项指标被视为权衡 AI 智能体（Agent）跑多办法长使命的硬性指标。在 Vending-Bench 2 模拟谋划测试中，Opus 4.7 最终实现 10,937 美元余额，较 Opus 4.6 的 8,018 美元提升 36%，展现出长时间事情流中的决议连贯性优势。视觉智能是此版本前进最为显著的方面。Opus 4.7 现在支持最长边达 2,576 像素的图像输入，区分率约 375 万像素，较前代提升凌驾三倍。这使得模子能够 " 看到 " 屏幕上占比低至 0.07% 的 UI 元素。在 ScreenSpot-Pro 基准测试中——该基准评估 AI 在 VSCode、Photoshop、AutoCAD 等专业软件中定位特定按钮或数据点的能力—— Opus 4.7 在高区分率模式下配合工具挪用功效抵达 87.6% 的乐成率，而 Opus 4.6 在低区分率下仅为 57.7%。这种准确度不再是纯粹的学术探索，而是 " 电脑使用 "（Computer Use）能力的条件。Anthropic 将图像区分率大幅提升的实质目的，是让 AI 能够看懂软件界面、麋集表格、终端输出、设计稿细节和代码截图。未来 AI 办公、AI 测试、AI 清静、AI 前端开发等使命，都将从纯文本使命转向屏幕使命。在 SWE-bench Multimodal 测试中——该测试要求模子团结 UI 截图和代码一起修复前端 JavaScript bug —— Opus 4.7 从 Opus 4.6 的 27.1% 提升至 34.5%，提升 7.4 个百分点。这批注视觉能力的升级直接服务于编程场景的现实需求。Anthropic 在官方通告中特殊强调，Opus 4.7 在指令遵照能力上泛起显著提升。过往模子可能会宽松地 " 瞎搅 " 指令或完全跳过部分指示，但 Opus 4.7 会严酷按字面意思执行指令。这一转变带来双重影响：一方面，它镌汰了提醒词 " 玄学 "，使写需求、命名堂、列限制条件变得越发可靠；另一方面，用户可能需要重写旧的、更偏对话式的提醒词以阻止意外输出。许多用户的提醒词是在旧模子 " 会自动补全真实意图 " 的习惯上调优出来的，而新模子的刚性可能导致这些旧提醒词失效。在高级软件工程领域，这种严谨性转化为显著提升。在 SWE-bench Verified 测试中，Opus 4.7 得分为 87.6%，Opus 4.6 为 80.8%；在更难的 SWE-bench Pro 测试中，Opus 4.7 为 64.3%，Opus 4.6 为 53.4%。这意味着用户可以将已往需要亲近监视的高难度编码事情交给 Opus 4.7 处置惩罚，它会在汇报效果前自动验证自身输出。Opus 4.7 在使用基于文件系统的影象方面体现更为精彩。它能在长时间、多会话的事情中记着主要条记，并将其用于开展新的使命，因此新使命需要更少的前置上下文。一个能跨会话记着项目约束、用户偏好、架构决媾和上次失败缘故原由的 Agent，才可能从 " 智慧暂时工 " 酿成 " 稳固同事 "。这一特征在官方通告中并不显眼，但可能是恒久使用中最要害的更新。陪同 Opus 4.7 宣布，Anthropic 还更新了 Claude Code，新增 auto mode 和 /ultrareview 功效。auto mode 不是模子自动选型，而是权限选项。它允许 Claude 替用户做一些权限决议，让长使命少被打断，但危害低于完全跳过权限确认。这个设计针对的是 Agent 产品的焦点矛盾：问太多，Agent 像实习生；不问，危害又太大。auto mode 的实质，就是在 " 别烦我 " 和 " 别瞎搅 " 之间找平衡。/ultrareview 是一个专门的代码审查会话，可读取变换并指出 bug 和设计问题。这标记着 AI 编程正式进入第二阶段：让 AI 自己审查 AI 自己天生的代码。天生代码只是开发流程的一部分，审查、测试、重构、文档同样主要。若是 AI 只能做第一步，它永远只是辅助工具；若是它能加入整个流程，它才可能真正改变软件开发的方法。专业领域的经济价值正加速释放在 Structural Biology（结构生物学）基准测试中，Opus 4.7 的推理得分从 Opus 4.6 的 30.9% 跃升至 74.0%，一次版本迭代实现 2.4 倍增添。这是所有基准测试中跃升最夸张的一项。这种分子推理能力的突破批注，该模子正在从通用辅助迈向专业科学研究领域。关于更普遍的劳动力市场而言，模子刷新后的指令遵照能力意味着在短时间内它更禁止易爆发 " 幻觉 " 或遗漏办法。在金融剖析领域，Opus 4.7 同样取得领先职位。在 Finance Agent v11 测试中，Opus 4.7 得分为 64.4%，Opus 4.6 为 60.1%。在 GDPval-AA 评估中——该评估由 Artificial Analysis 基于 OpenAI GDPval 数据集开发，笼罩 44 种知识事情职业、9 大 GDP 焦点行业，使命来自资深职业人士（平均 14 年履历）的真实交付物—— Opus 4.7 获得 1753 分的 Elo 评分，高于 Opus 4.6（1619 分）、GPT-5.4（1674 分）和 Gemini 3.1 Pro（1314 分）。Anthropic 先容称，Opus 4.7 在金融剖析使命上能够天生更严谨的剖析与建模、更专业的报告展示，并在各项使命间实现更细密的整合。在宣布 Opus 4.7 的同时，Anthropic 推出了一份系统说明书并更新了 Cyber Verification Program（网络清静验证妄想）。该项目实质上是对能力举行分级：通俗用户拿到的是有护栏的 Opus，经由验证的清静专家才华申请更宽的网络清静用途权限。值得注重的是，Anthropic 有意限制了 Opus 4.7 的高级网络清静能力，使其低于 Mythos Preview 模子中的水平，以避免在进攻性操作中的滥用。官方甚至体现，他们在训练历程中实验性地削弱了这个模子的网络清静能力。Opus 4.7 被明确定位为 " 第一款用来测试新网络清静护栏的果真模子 "。Anthropic 体现，他们会从 Opus 4.7 的真实安排中学习，为未来 Mythos 级别模子的普遍宣布做准备。这种审慎的安排战略凸显了硅谷日益增添的主要关系：在争相打造能够替换人类事情者的模子的同时，也要确保统一模子无法摧毁数字基础设施。当模子能力抵达某个临界点后，竞争逻辑从 " 我比你强 " 最先转向 " 会不会失事 "。特朗普政府最近强调美国在 AI 清静方面需要施展向导作用，Anthropic 的宣布战略正是对这一政策导向的呼应。公司选择先把最强的模子锁起来，用稍弱但足够好的模子来测试清静机制。这不是手艺上做不到，而是自动选择不做。这种 " 榨取 " 自己成了产品差别化的一部分。至少在宣布战略上，Anthropic 给出了一种新思绪：有时间 " 不做什么 " 比 " 能做什么 " 更主要。Token 消耗激增背后的本钱逻辑效率也意味着实着实在的本钱。Opus 4.7 使用了修订后的分词器（tokenizer），使得相同输入量下的 token 消耗约莫增添了 10% 到 35%。虽然 Anthropic 在定价上与 Opus 4.5 和 Opus 4.6 坚持一致（输入每百万 token 5 美元，输出每百万 token 25 美元），但 token 密度的增添意味着高强度使命将更快消耗 API 积分。这种隐性本钱上涨是模子增添 " 思索 " 时间的价钱。尤其在使用新的 Xhigh Effort 模式时——该模式位于标准处置惩罚与最大推理深度之间——模子会举行更多内部推理，从而提高可靠性，但也会爆发更多输出 token。Anthropic 在迁徙指南中提醒用户，Opus 4.7 的 token 使用可能增添，但在现实编程评估中，整体效率反而提升了。这说明他们优化的不是单次挪用的本钱，而是完成使命的总本钱。一个 Agent 若是第一次就把事情做对，纵然单次挪用贵一点，总本钱也比重复试错要低。这是一种更成熟的产品思绪。早期 AI 产品追求的是 " 自制 " 和 " 快 "，现在最先追求 " 靠谱 "。Anthropic 新增的 x-high effort 和 task budgets（使命预算）功效，说明高端模子的使用方法正在走昔时云盘算的那套逻辑。用户买的不是一次回覆，而是在给一个会思索、会试错、会验证的使命历程付费。已往模子计费主要看输入输出长度，现在还要看思索的品级、使命预算、Agent 跑了几轮、工具失败后有没有继续推理。这种计费模式的演变，反应出 Agent 产品从 " 醒目什么 " 到 " 能不可用 " 的重大奔腾。综合来看，Opus 4.7 不是最强的模子，Anthropic 也没有把它包装成最强的模子。它是在能力、清静、本钱之间的一个平衡点。至于这个平衡点是否真的平衡，需要期待市场来验证� ？梢匀范ǖ氖�，随着 Opus 4.7 的宣布，AI 行业竞争的焦点指标已经改变。大模子竞争的焦点，正在从答得像不像，转到做得完不完。只会写一段漂亮谜底，已经不敷了。能不可把一份长文档改清洁，能不可把一套资料串起来做成可交付物，能不可一连几十分钟甚至更久不跑偏，这才会决议它在一样平常事情里能不可真的替身扛起一片天。这个战略能否乐成，取决于市场是否定可 " 审慎 " 这个看法。若是用户只在乎 " 能不可做到 "，那 Anthropic 的做法会显得守旧。但若是企业客户最先重视 " 会不会失事 "，那这种分级宣布、自动削弱某些能力的做法，反而可能成为竞争优势。（本文首发钛媒体 APP，作者 | 硅谷 Tech_news，编辑 | 秦聪慧）