Claude Opus 4.7 发布¶

原文发布于 2026 年 4 月 16 日 | 原文链接

概述¶

Opus 4.7 是 Anthropic 最新的正式发布模型，在高难度自主软件工程任务上显著优于 Opus 4.6，精确遵循指令并在报告前自我验证输出。

Claude Opus 4.7 现已全面可用。它代表了相对 Opus 4.6 在高级软件工程方面的显著进步，尤其是在困难任务上。该模型在处理复杂、长时间运行的任务时更加严谨，精确遵循指令，并在汇报结果前验证自身输出。

核心改进：

• 高难度软件工程任务大幅提升
• 视觉能力大幅增强（分辨率提升 3 倍以上，长边达 2,576 像素）
• 更有创意和品位的专业输出（界面、幻灯片、文档）
• 指令遵循能力"实质性"改善

需要注意的是，Anthropic 表示其"功能广度不如我们最强大的模型 Claude Mythos Preview"。

基准测试¶

网络安全¶

Opus 4.7 是首个搭载实时网络安全防护的模型——自动检测并阻止被禁止或高风险的网络安全用途。

上周 Anthropic 发布了 Project Glasswing，强调 AI 模型在网络安全方面的风险和收益。Opus 4.7 的网络安全能力不如 Mythos Preview 先进，训练过程中 Anthropic 实验了差异化降低这些能力的方法。模型发布时配备了自动检测和阻止被禁止或高风险网络安全用途的安全防护措施。

希望将 Opus 4.7 用于合法用途（漏洞研究、渗透测试、红队演练）的安全专业人员可以加入 Cyber Verification Program。

定价与可用性¶

早期用户反馈¶

来自多家公司的测试反馈表明，Opus 4.7 在长任务自主性、工具调用准确率和代码质量方面均实现双位数提升。

关键能力提升¶

指令遵循¶

Opus 4.7 对指令的解读从"宽松"变为"字面"——此前模型松散解读或跳过的指令，Opus 4.7 会逐字执行。

Opus 4.7 在遵循指令方面有实质性改善。为早期模型编写的 prompt 可能产生意外结果，因为 Opus 4.7 会字面解读指令，而之前的模型是宽松解读。建议用户相应调整 prompt。

多模态视觉¶

支持长边 2,576 像素（约 3.75 兆像素）的图片，超过此前 Claude 模型 3 倍以上。

适用场景：computer-use Agent 阅读密集截图、复杂图表数据提取、像素级参考工作。

真实世界工作¶

• Finance Agent 评测达到最先进水平
• GDPval-AA（来自 Artificial Analysis）达到最先进水平
• 内部测试表明它是比 Opus 4.6 更有效的金融分析师，分析更严谨、演示更专业、任务间衔接更紧密

记忆¶

更善于利用基于文件系统的记忆——跨长期多会话工作中记住重要笔记，后续任务需要更少的前置上下文。

评测图表¶

办公任务¶

视觉¶

文档推理¶

长上下文推理¶

生物学¶

长期连贯性¶

编码¶

安全与对齐¶

安全画像与 Opus 4.6 类似：低欺骗、低迎合、低配合滥用率；诚实性和 prompt injection 抵御有改善。

Opus 4.7 的安全画像与 Opus 4.6 类似，在欺骗、迎合和配合滥用方面保持低水平。相对 Opus 4.6 的改善：

• 诚实性更强
• 对 prompt injection 攻击的抵御能力提升
• 在受控物质方面给出过于详细的减害建议的倾向略有增加（相对弱项）

Anthropic 的对齐评估结论："基本良好对齐且可信赖，但行为尚未完全理想。" Mythos Preview 仍然是训练出的对齐最好的模型。

完整信息参见 Claude Opus 4.7 System Card。

同步发布的新功能¶

Effort 控制¶

新增 xhigh 级别（介于 high 和 max 之间），Claude Code 默认 effort 已提升至 xhigh。

详见 Effort 级别文档。

Claude Platform (API)¶

• 更高分辨率图片支持
• Task budgets（公开 beta）：允许开发者引导 Claude 在较长运行中的 token 开支分配，优先处理不同工作

Claude Code¶

• /ultrareview 命令： 生成专用审查会话，标记 bug 和设计问题。Pro 和 Max 用户获得 3 次免费 ultrareview。
• Auto mode 扩展到 Max 用户——一种权限选项，Claude 代为决策以完成更长任务，减少中断。

从 Opus 4.6 迁移¶

两个变化影响 token 用量：更新的 tokenizer（1.0~1.35 倍）和更高 effort 下更多思考。

影响 token 用量的两个变化：

控制 token 用量的方法：effort 参数、task budgets、或在 prompt 中要求简洁。净效果有利——Anthropic 内部编码评测中所有 effort 级别的 token 效率均有改善。

详见 迁移指南。

脚注¶

1. 更高分辨率图片处理是模型级变化，非 API 参数。图片自动以更高保真度处理。不需要额外细节的用户可以在发送前降采样。详见 Vision 文档。

其他说明：
- GPT-5.4 和 Gemini 3.1 Pro 的对比使用了通过 API 可获得的最佳已报告模型版本
- MCP-Atlas：Opus 4.6 分数已更新以反映 Scale AI 修订后的评分方法
- SWE-bench Verified、Pro 和 Multilingual：记忆筛查标记了一部分问题；排除这些后，Opus 4.7 相对 Opus 4.6 的优势仍然成立
- Terminal-Bench 2.0：使用 Terminus-2 harness，关闭思考；1 倍保证/3 倍上限资源分配，每个任务平均五次尝试
- CyberGym：Opus 4.6 分数从 66.6 更新为 73.8，因为 harness 参数已更新
- SWE-bench Multimodal：使用内部实现；分数与公开排行榜不直接可比

更新说明（2026 年 5 月 4 日）：更新了文档推理图表以反映 Opus 4.7 的更新版 OfficeQA Pro 分数。

相关阅读¶

• 改进 Fable 5 的生物安全防护
• Mariano-Florentino (Tino) Cuellar 加入 Anthropic 担任首席全球事务官
• 调查我们网络安全评估中的三个真实事件