Claude Opus 4.7 實測：配得上是最強模型嗎？

發布背景與官方態度

2026 年 4 月 16 日，Anthropic 正式發布 Claude Opus 4.7。與市場普遍預期及媒體報導不同，Anthropic 在官方公告中明確指出，Opus 4.7 的能力不如僅對少數合作伙伴開放的「Mythos Preview」，且在某些關鍵能力上甚至弱於上一代 Opus 4.6。這標誌著 Anthropic 從追求「最強模型」轉向更具商業化與精準度的發布策略。

核心能力升級：編程與視覺

編程能力顯著提升：Opus 4.7 在編程領域表現突出。在 SWE-bench Verified 測試中得分 87.6%，SWE-bench Pro 達到 64.3%，CursorBench 達到 70%。多家合作伙伴（如 Rakuten、Factory、CodeRabbit）的實測數據顯示，其在解決複雜工程問題、跨文件推理及長週期任務上的成功率大幅提升。

視覺能力重建：視覺處理能力實現了重建級別的躍遷。XBOW 基準從 54.5% 飆升至 98.5%，最大圖像分辨率提升至約 375 萬像素（長邊 2,576 像素），並實現模型坐標與實際像素的 1:1 對應。這使得「Computer Use」功能首次具備可靠部署的門檻，大幅降低了誤點率。

明顯退步：長上下文與搜索

長上下文能力暴跌：最引人注目的退步在於長上下文處理。MRCR v2 @1M 基準從 Opus 4.6 的 78.3% 跌至 32.2%，跌幅達 46 個百分點。這主要歸因於新 Tokenizer 的引入，導致相同輸入文本產生的 Token 數量增加 1.0-1.35 倍，使得實際可用的上下文窗口縮小，且長任務 Agent 的 Token 消耗增加約 35%。

搜索能力下滑：在 BrowseComp（網絡深度信息檢索）測試中，得分從 83.7% 降至 79.3%，被 GPT-5.4 Pro（89.3%）和 Gemini 3.1 Pro（85.9%）反超。這意味著在需要跨複雜代碼庫或多文件推理的場景下，Opus 4.7 的表現不如前代。

新的行為特徵與控制機制

自我驗證與字面化指令：Opus 4.7 在輸出結果前會主動驗證自身，這使其在數據缺失時能誠實報告而非編造答案。然而，這也伴隨了對指令更「字面化」的解讀，可能不再像 4.6 那樣理解言外之意，用戶需重新測試 Prompt。

推理控制與成本：為回應過往「降智門」爭議，Opus 4.7 引入了顯式的推理強度控制（新增 xhigh 檔位，默認改為 xhigh）及 Task Budgets（Token 預算控制）。此外，Claude Code 新增 /ultrareview 命令，Max 用戶亦可使用 auto 模式。儘管 API 定價（輸入$5/百萬 Token，輸出$25/百萬 Token）未變，但 Tokenizer 變更與更高默認 effort 導致實際使用成本可能上升 2-3 倍。

安全策略與商業化方向

Opus 4.7 被視為 Project Glasswing 的測試樣本，用於驗證針對網絡安全攻擊能力的自動檢測與攔截護欄，為未來 Mythos 模型的有限開放鋪路。Anthropic 正試圖通過 Opus 4.7 修復信任損傷，並利用其在編程與視覺上的優勢，建立類似蘋果等成熟產品的用戶粘性與商業生態。