Claude Opus 4.7

資料來源#

• Introducing Claude Opus 4.7

摘要#

Claude Opus 4.7 是 Anthropic 發布為正式可用的 general-availability frontier model，作為 Opus 4.6 的直接升級（價格相同：$5/M input、$25/M output；model ID claude-opus-4-7）。它在進階 software engineering、literal instruction following、高解析度 vision，以及 file-system memory 上都有進展，同時整體能力仍不如 limited-release 的 Claude Mythos Preview。它是第一個在 Project Glasswing 下搭載 Mythos-class cyber safeguards 出貨的模型。

細節#

能力差異 vs. Opus 4.6#

• 最困難任務上的 software engineering：明確以「hand off your hardest coding work」行銷。在 Finance Agent、GDPval-AA 上達到 SOTA；在 SWE-bench Verified/Pro/Multilingual 上改善（排除標記為 memorization 的題目後，改善仍然成立）。
• Instruction following — literal：明顯更 literal。Anthropic 警告，為早期模型調校的 prompts「有時現在可能產生非預期結果」，因為 Opus 4.7 不再跳過或鬆散解讀部分內容。Retuning 是必要的 migration step，不是可選項。
• Multimodal：接受長邊最高 2,576 px 的圖片（約 3.75 MP，>3× 先前 Claude 模型）。支援 dense-screenshot reading（computer-use）、複雜圖表擷取、pixel-precise references。這是 model-level 變更，不是 API parameter。
• File-system memory：更擅長在長期 multi-session 工作中使用 filesystem-backed memory；後續任務需要較少的 upfront context。
• Safety：整體 profile 與 4.6 類似。在 honesty 與 prompt-injection resistance 上更好；在受管制物質的過度詳細 harm-reduction advice 上略弱。「Largely well-aligned and trustworthy, though not fully ideal.」依 Anthropic 的 evaluations，Mythos Preview 仍是 best-aligned model。

Token-Economics Changes（Migration Hazard）#

兩個疊加效應會增加 token consumption：

1. Updated tokenizer：相同 input 會依 content type 對應到 1.0–1.35× more tokens。
2. 在較高 Effort Levels 會思考更多，尤其在 agentic settings 的後續 turns 中 — 會產生更多 output tokens。

Anthropic 聲稱，在其內部 coding eval 中，跨 Effort Levels 的淨結果是有利的，但也明確建議在真實流量上測量。使用者可以透過 effort parameter、task budgets，或明確的 conciseness prompting 抵銷。這直接打中 Claude Code Best Practices 中 context-window-as-primary-constraint 的主題；也可交叉參照 Scale-Dependent Prompt Sensitivity 中的 brevity-constraint findings。

Effort Levels#

引入新的 xhigh（「extra high」）Effort Level，位於 high 與 max 之間。取捨面向：hard problems 上的 reasoning depth vs. latency/tokens。

• Claude Code default 在所有 plans 上提高到 xhigh。
• Anthropic 建議 coding/agentic use 從 high 或 xhigh 開始。

Cyber Capabilities and Safeguards#

• Opus 4.7 是第一個 post-Glasswing model，並搭載會「automatically detect and block requests that indicate prohibited or high-risk cybersecurity uses」的 safeguards。
• Cyber capabilities 在訓練期間被差異化降低（不只是 inference 時過濾）。
• 在 cyber 上仍不如 Mythos Preview；CyberGym 分數已更新（harness improvement 將 Opus 4.6 baseline 從 66.6 改為 73.8）。
• 合法 security researchers（vuln research、pentest、red-teaming）會透過新的 Cyber Verification Program 路由，而不是 default access。

這直接兌現了 LLM-Driven Vulnerability Research 中說過的 roadmap promise：「Upcoming Claude Opus model will ship with new safeguards developed against Mythos-class outputs.」

隨附發布#

• Task budgets（public beta，API）：由 developer 指導的 token-spend allocation，可跨更長 runs 分配 — 這是 Client-Side Agent Optimization 的 combo space 中 budget lever 的 server-surfaced analogue。
• Claude Code 中的 /ultrareview slash command：專用 review session，會讀取 changes 並標記 bugs/design issues。Pro 與 Max users 可獲得三次免費 ultrareviews。
• Auto mode 擴展到 Max users（先前是 Team-only research preview）。

可用性#

• 所有 Claude products、Claude API、Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry。
• API model ID：claude-opus-4-7。
• Pricing 與 Opus 4.6 相同。

相關連結#

• Claude Code Best Practices — Opus 4.7 是大多數 Claude Code 工作將 target 的 runtime；它的 literal-instruction-following 與 tokenizer inflation 會放大 context-window-as-primary-constraint framing
• Claude Code Auto Mode — auto mode 已經擴展到 Opus 4.6；Opus 4.7 出貨時也擴展給 Max users
• LLM-Driven Vulnerability Research — Opus 4.7 operationalizes Mythos Preview disclosure 中「safeguards developed against Mythos-class outputs」的承諾
• Client-Side Agent Optimization — improved instruction-following may reduce 4.6 上記錄的 Opus-as-planner failures（open question）；task budgets 在 server-side 呼應 AgentOpt 的 budget lever
• Scale-Dependent Prompt Sensitivity — literal instruction following 可能降低 elaboration-driven overthinking，但 xhigh-default 與「thinks more at higher effort」會往反方向作用。在假設 brevity findings 可延續之前，需要 empirical recheck
• Agent Harness Engineering — 更好的 file-system memory 強化了 repo-local versioned artifacts 作為 agent primary memory surface 的理由
• Mythos Model — 內部使用的 preview-tier successor；Boris Cherny：「we use a little bit of Mythos and a lot of Opus 4.7」
• Claude Opus 4.8 — 直接 successor（May 2026）；在幾乎每個 eval 與大多數 alignment measures 上改善；4.7 的 helpful-only variant 在 4.8 的 behavioral audit 中作為 investigator model，而 4.7 也為 4.8 的 constitution-adherence eval 評分
• Harness Shrinkage as Models Improve — Opus 4.7 是其 spontaneous loop-starting 與自然 to-do-list use 激發 shrinkage thesis 的模型；Cat Wu 的 pruning discipline 會在這個 lineage 的每次 release 中執行
• Agent Loop Pattern — 依 Boris Cherny 的報告，/loop 在 4.7 變成自然 model behavior
• Claude Code — target 此模型的 primary product surface
• Model Spec Midtraining (MSM) — 2026 年 5 月 MSM paper 使用 Opus 4.6/4.7 作為 synthetic spec documents 與 AFT data 的 data-generation model
• Synthetic Document Finetuning (SDF) — 在 Anthropic alignment work 中，Opus 是跨 SDF/MSM corpora 的 workhorse generator
• TML-Interaction-Small — era-mate（mid-2026 frontier from a different lab）；4.7 的 xhigh effort tier 對應 TML interaction benchmarks 中作為 baseline 使用的 GPT-realtime-2.0 minimal/xhigh tiers
• AI-Accelerated Offense — Opus 4.7 的 post-Glasswing safeguards，是對 Zero Trust framework 所處理的 accelerated-offense threat landscape 的 model-side response
• Build for the Next Model — Opus 4.7 是補上 Claude Design 未解 prototype gaps 的具體 release — Dan Carey retrospective proof 了「build for the next model」這個 bet
• Claude Design — Anthropic Labs 產品，其 early-prototype capability gaps 是由這次 release 補上，而不是靠 engineering 補上

開放問題#

• Hakim（2026）在 Opus 4.6 上的 brevity-constraint findings，是否會在 Opus 4.7 上重現，或者 literal-instruction-following 會改變 elasticity？具體而言：<50 words 是否仍會讓 GSM8K 增加 +13.1pp？
• Opus 4.7 在 HotpotQA-style combo sweeps 中是否仍作為 planner 表現較差，或者 improved instruction-following 是否補上 AgentOpt（Hua et al., 2026）指出的 gap？
• typical Claude Code sessions 上的 real-world token-inflation multiplier 是多少（1.0–1.35× 取決於 content — 在 code-heavy vs. prose-heavy inputs 上的 distribution 是什麼）？
• xhigh 在 coding evals 上與 max 相比如何？migration guidance 說「start with high or xhigh」— max 對 coding 是否曾經值得？
• 現有 CLAUDE.md / system-prompt hedges 有多少比例會在 literal instruction following 下變成 counterproductive？

相關連結#

• Jagged Intelligence (Ghosts, Not Animals) — Karpathy 的「Opus 4.7 will refactor a 100K-line codebase or find zero-days, yet tell me to walk to a car wash 50m away to wash my car」是此模型能力層級下的 canonical jaggedness example

衍生內容#

• Opus 4.6 → 4.7 Changes and Multi-Agent Coding Considerations — 將 4.6→4.7 deltas 與 multi-agent coding teams 的 role-assignment、context-budget、safety considerations 綜合起來

資料來源#

• Introducing Claude Opus 4.7