Claude Opus 4.7

資料來源#

• Introducing Claude Opus 4.7

摘要#

Claude Opus 4.7 是 Anthropic 發布的通用 GA frontier model，以直接升級 Opus 4.6 的形式推出（價格相同：輸入每百萬 token $5、輸出每百萬 token $25；model ID claude-opus-4-7）。它在進階軟體工程、字面指令遵循、高解析度視覺能力與檔案系統記憶方面有所提升，但整體能力仍不如限量發布的 Claude Mythos Preview。這是首個在 Project Glasswing 下搭載 Mythos 級 cyber safeguards 的模型。

詳細資訊#

相較 Opus 4.6 的能力差異#

• 最困難任務的軟體工程：明確以「交付你最棘手的 coding work」作為行銷訴求。在 Finance Agent、GDPval-AA 上達到 SOTA；在 SWE-bench Verified/Pro/Multilingual 上有所改進（排除標記為記憶化的問題後，改進仍然成立）。
• 指令遵循——字面式：更加字面化。Anthropic 警告，針對早期模型調校的 prompt「現在有時可能產生意外結果」，因為 Opus 4.7 不再跳過或寬鬆解讀部分內容。重新調校是必要的遷移步驟，不是可選項。
• 多模態：長邊最多接受 2,576 px 的圖片（約 3.75 MP，比先前的 Claude models 多出 >3 倍）。可進行密集截圖閱讀（computer-use）、複雜圖表擷取與像素精準的參照。這是 model-level 變更，不是 API 參數。
• 檔案系統記憶：更擅長在長時間、多工作階段的工作中使用由檔案系統支援的記憶；後續任務所需的前置 context 更少。
• 安全性：整體 profile 與 4.6 類似。在誠實性與prompt-injection resistance方面更佳；對受控物質的過度詳細 harm-reduction 建議則略弱。「大致上 alignment 良好且值得信賴，但仍非完全理想。」依 Anthropic 的評估，Mythos Preview 仍是 alignment 最佳的模型。

Token 經濟變化（遷移風險）#

兩種疊加效應會提高 token 消耗：

1. 更新 tokenizer：相同輸入依內容類型不同，會對應到 1.0–1.35× 更多 token。
2. 較高 effort level 下思考更多，尤其是在 agentic settings 的後續 turns——因此輸出 token 更多。

Anthropic 表示，在各種 effort level 的內部 coding eval 中，整體結果有利，但明確建議在真實流量上進行測量。使用者可以透過 effort 參數、task budgets 或明確要求簡潔的 prompting 來抵銷影響。這直接呼應 Claude Code Best Practices 中「context window 是主要限制」的主題；另請交叉參照 Scale-Dependent Prompt Sensitivity 中關於簡潔性限制的研究結果。

Effort Levels#

新增 xhigh（「extra high」）effort level，位於 high 與 max 之間。在困難問題上，這提供推理深度與延遲/token 之間的取捨。

• Claude Code 的預設值在所有方案中都提高為 xhigh。
• Anthropic 建議 coding/agentic 使用從 high 或 xhigh 開始。

Cyber 能力與 Safeguards#

• Opus 4.7 是首個 Glasswing 後的模型，搭載「會自動偵測並阻擋顯示出禁止或高風險 cybersecurity 用途之請求」的 safeguards。
• Cyber 能力在訓練期間即被差異化削弱（不只是 inference 時過濾）。
• Cyber 能力仍不如 Mythos Preview；CyberGym 分數已更新（harness 改進使 Opus 4.6 基準從 66.6 → 73.8）。
• 合法的 security researchers（vuln research、pentest、red-teaming）會經由新的 Cyber Verification Program 審核，而不是取得預設存取權。

這直接實現了 LLM-Driven Vulnerability Research 中所述的 roadmap 承諾：「即將推出的 Claude Opus model 將搭載針對 Mythos 級 outputs 開發的新 safeguards。」

同步推出的功能#

• Task budgets（public beta、API）：由 developer 引導、在較長執行期間分配 token spend——相當於 Client-Side Agent Optimization combo space 中 budget lever 的 server-surfaced 版本。
• Claude Code 中的 /ultrareview slash command：專用 review session，會讀取變更並標記 bugs/design issues。Pro 與 Max 使用者可免費進行三次 ultrareviews。
• Auto mode 擴展至 Max 使用者（先前僅限 Team 的 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。
• 價格與 Opus 4.6 相同。

相關連結#

• Claude Code Best Practices — Opus 4.7 是大多數 Claude Code 工作會鎖定的 runtime；其字面指令遵循與 tokenizer 膨脹，放大了「context window 是主要限制」的框架
• Claude Code Auto Mode — auto mode 原本已擴展至 Opus 4.6；Opus 4.7 推出時則已擴展至 Max 使用者
• LLM-Driven Vulnerability Research — Opus 4.7 將 Mythos Preview 揭露中「針對 Mythos 級 outputs 開發 safeguards」的承諾落地
• Client-Side Agent Optimization — 改善的 instruction-following 可能降低 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 — 字面指令遵循可能抑制由 elaboration 驅動的 overthinking，但 xhigh-default 與「在較高 effort 下思考更多」則朝相反方向。需要先進行實證重新檢驗，才能假設簡潔性研究結果仍然適用
• Agent Harness Engineering — 更好的檔案系統記憶，強化了將 repo-local、具版本控管的 artifacts 作為 agent 主要記憶介面的理由
• Mythos Model — 內部使用的 preview-tier successor；Boris Cherny：「我們少量使用 Mythos，大量使用 Opus 4.7」
• Claude Opus 4.8 — direct successor（2026 年 5 月）；幾乎在每項 eval 與大多數 alignment measures 上都有改進；4.7 的僅提供協助變體在 4.8 的 behavioral audit 中擔任 investigator model，而 4.7 則為 4.8 的 constitution-adherence eval 評分
• Harness Shrinkage as Models Improve — Opus 4.7 是其自發啟動迴圈與自然使用 to-do list 促成 shrinkage thesis 的模型；Cat Wu 的 pruning discipline 在此 lineage 的每次 release 中運作
• Agent Loop Pattern — 根據 Boris Cherny 的報告，/loop 在 4.7 成為自然的 model behavior
• Claude Code — 以此模型為目標的主要 product surface
• Model Spec Midtraining (MSM) — 2026 年 5 月的 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) — Opus 是 Anthropic alignment work 中 SDF/MSM corpora 的主力 generator
• TML-Interaction-Small — 同時代模型（來自不同 lab 的 2026 年中 frontier model）；4.7 的 xhigh effort tier 對應 TML interaction benchmarks 中作為 baseline 的 GPT-realtime-2.0 之 minimal/xhigh tiers
• AI-Accelerated Offense — Opus 4.7 的 Glasswing 後 safeguards，是 model-side 對加速攻擊威脅環境的回應，而 Zero Trust framework 正是針對該環境
• Build for the Next Model — Opus 4.7 是填補 Claude Design 未解 prototype gaps 的具體 release——Dan Carey 對「build for the next model」賭注的回溯性證明
• Claude Design — Anthropic Labs 的 product；其 early-prototype capability gaps 由此 release 修正，而非靠 engineering 修正
• Claude Sonnet 5 — 繼承 4.7 的兩項與遷移相關變更：1.0–1.35× tokenizer 膨脹與預設的 real-time cyber safeguards（Sonnet 5 搭載相同 safeguards，且被判定為低風險）

待解決的問題#

• Hakim (2026) 在 Opus 4.6 上關於簡潔性限制的研究結果，能否在 Opus 4.7 上重現？還是 instruction-following 的變化改變了 elasticity？具體而言：<50 words 是否仍會在 GSM8K 上帶來 +13.1pp？
• Opus 4.7 在 HotpotQA-style combo sweeps 中是否仍會作為 planner 表現不佳？還是改善的 instruction-following 已填補 AgentOpt（Hua et al., 2026）所指出的差距？
• 真實世界典型 Claude Code sessions 的 token-inflation multiplier 是多少（1.0–1.35× 取決於內容——code-heavy 與 prose-heavy inputs 的分布為何）？
• xhigh 與 max 在 coding evals 上相比如何？遷移指引說「從 high 或 xhigh 開始」——max 是否曾值得用於 coding？
• 在字面指令遵循下，現有 CLAUDE.md / system-prompt hedges 中有多少會適得其反？

相關連結#

• Jagged Intelligence (Ghosts, Not Animals) — Karpathy 所說的「Opus 4.7 會重構 100K 行 codebase 或找出 zero-days，卻會告訴我走到 50m 外的洗車場去洗車」，是此模型能力層級下的典型 jaggedness 範例

衍生內容#

• Opus 4.6 → 4.7 Changes and Multi-Agent Coding Considerations — 綜合 4.6→4.7 的差異，以及 multi-agent coding teams 的 role-assignment、context-budget 與 safety considerations

資料來源#

• Introducing Claude Opus 4.7