四川
就在剛剛，Anthropic 正式發布了 Claude Opus 4.7。
這不是一次「擠牙膏」式的小更新，有幾個核心能力的提升幅度。
下面說重點。
先說一個場景。
你有沒有遇到過這種情況，把一個復雜的 bug 丟給 AI，它給你一個看起來合理的答案，你照著改了，結果發現根本沒解決問題，甚至引入了新問題。
這是因為模型在「不確定」的時候，傾向于給你一個「看起來對」的答案，而不是真的去驗證。
Opus 4.7 在這里做了一個關鍵改變。
它會在匯報結果之前，主動驗證自己的輸出。
官方的描述是「devises ways to verify its own outputs before reporting back」。不是說說而已，是真的在訓練層面做了優化。
數字上怎么體現？
Cursor 的 CEO 說，在他們內部 benchmark 上，Opus 4.7 解決了 70% 的任務，Opus 4.6 是 58%。
Rakuten 的團隊說，Opus 4.7 解決的生產任務數量是 Opus 4.6 的 3 倍。
另一家公司在 93 個任務的編程測試里，Opus 4.7 比 Opus 4.6 提升了 13%，其中有 4 個任務是 Opus 4.6 和 Sonnet 4.6 都解不了的。
這些數字不是 Anthropic 自己說的，是合作伙伴在自己的真實業務場景里跑出來的。
還有一個細節我覺得很有意思。
Vercel 的工程師說，Opus 4.7 會在開始寫代碼之前，先對系統代碼做推導驗證。「這是我們在之前的 Claude 模型里從沒見過的行為。」
這不是優化，這是行為模式的改變。
這個升級我沒想到會這么大。
之前的 Claude 模型上限大概是 100 萬像素出頭。
直接翻了三倍多。
有一家做自動滲透測試的公司 XBOW，他們的視覺精度 benchmark 上，Opus 4.7 得了 98.5%，Opus 4.6 只有 54.5%。
他們說，「我們最大的痛點基本消失了，這解鎖了一整類之前沒法用它做的工作。」
從 54.5% 到 98.5%，這不是小幅提升，這是質變。
這個功能之前一直是 Claude 的短板。
它能在多個會話之間記住重要信息，并在新任務開始時主動調用這些記憶，減少每次都要重新交代背景的麻煩。
對于跑長期項目、多步驟 Agent 任務的用戶來說，這個改變是實質性的。
以前你每次開新對話，都要把項目背景重新說一遍。現在它記得。
這次同步上線了幾個新東西。
第一個，xhigh 推理等級。
介于 high 和 max 之間，給用戶更細的控制粒度。Claude Code 里已經把默認推理等級調到了 xhigh。
第二個，/ultrareview 命令。
在 Claude Code 里用，專門做代碼審查。會像一個認真的 reviewer 一樣讀完所有改動，標出 bug 和設計問題。Pro 和 Max 用戶有三次免費試用。
第三個，task budgets。
API 公測，讓開發者可以控制 Claude 在長任務里的 token 消耗分配。對于跑復雜 Agent 流程的團隊，這個功能很實用。
輸入 5 刀 / 百萬 token，輸出 25 刀 / 百萬 token。
和 Opus 4.6 一樣。
但官方特別提醒了一件事。
Opus 4.7 用了新的 tokenizer，同樣的輸入可能會消耗更多 token，大概是原來的 1.0 到 1.35 倍。另外在高推理等級下，它會輸出更多 token，因為它想得更深了。
價格單價沒變，但實際花費可能會漲。
官方建議遷移前先在真實流量上測一下，別直接切換。
他們的結論是，目前最強的模型 Claude Mythos Preview，網絡安全能力太強，風險太高，暫時不對外開放，只給少數合作伙伴用于防御性安全工作。
Opus 4.7 是第一個用來測試「新網絡安全防護機制」的模型。
它的網絡安全能力被刻意降低了。
官方的說法是，「我們從 Opus 4.7 的真實部署中學到的東西，將幫助我們最終實現 Mythos 級別模型的廣泛發布。」
換句話說，Opus 4.7 是一個試驗場。
Anthropic 在用它測試，當一個強大的模型被放出去，安全機制能不能真的兜住風險。
這個邏輯，我覺得比任何一個 benchmark 數字都更值得認真對待。
一家公司在主動給自己的模型「降能」，然后用真實用戶來驗證安全機制是否有效。
現在，Claude 官網、API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry，全部上線。
代碼能力，真實場景里提升幅度在 13% 到 3 倍之間，取決于任務類型。最關鍵的變化是它會主動驗證自己的輸出，不再只是給你一個「看起來對」的答案。
記憶能力，跨會話長期記憶專項優化，不用每次開新對話都重新交代背景。
新工具，xhigh 推理等級、/ultrareview 代碼審查命令、task budgets 三件套，對重度 Claude Code 用戶實用性很高。
價格，單價不變，但 tokenizer 更新后實際 token 消耗可能增加 1.0 到 1.35 倍。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
