Claude 4/5 Sonnet & Opus Release Notes¶

Ch01.227 Claude 4/5 Sonnet & Opus Release Notes¶

📊 Level ⭐⭐ | 15.6KB | entities/claude-4-5-sonnet-opus-release-notes.md

发布时间线¶

Opus 4.7 核心升级¶

新 Tokenizer¶

• 同一输入可多消耗 1.0-1.35x token
• 但整体推理效率提升使总 token 用量减少最多 50%
• 对结构化文档理解有特殊优化

视觉增强¶

• 支持 2,576px 长边图片（~3.75 MP），3x 于前代
• 可用于密集截图读取的 Computer-Use Agent
• XBOW 安全视觉测试从 54.5% → 98.5%，接近满分

新 Reasoning Effort：xhigh¶

• 介于 high 和 max 之间
• Claude Code 默认使用此级别
• 采用自适应思考而非固定思考预算

自适应思考（Adaptive Thinking）¶

Opus 4.7 不支持带固定 thinking budget 的 Extended Thinking，取而代之的是自适应思考：

• 每一步是否思考是可选的，模型根据上下文自己决定
• 快速回应简单查询，不需要思考时直接跳过
• 把 thinking tokens 投入到最可能有帮助的地方
• 不再容易过度思考

精确控制思考频率的 Prompt 技巧¶

• 想让它多想：Think carefully and step-by-step before responding; this problem is harder than it looks.
• 想让它少想：Prioritize responding quickly rather than thinking deeply. When in doubt, respond directly.（可节省 token 但可能在困难步骤上损失准确性）

其他功能¶

• 任务预算 beta、/ultrareview、Max 用户 Auto mode 扩展
• 指令遵循更加字面化：针对 4.6 优化的提示词可能失效
• 文件系统记忆：跨多会话长程工作记忆处理能力更强
• 现实世界知识工作：Finance Agent 和 GDPval-AA（金融/法律领域）达到 SOTA

Benchmark 跃进¶

第三方验证¶

• Cursor：内部 benchmark 58% → 70%（+12pp）
• Notion：内部 eval +14%，工具错误减少 1/3
• LlamaIndex ParseBench：图表 13.5% → 55.8%（大幅改善），排版轻微倒退 16.5% → 14.0%
• 定价：~7¢/页（OCR 场景），vs agentic mode ~1.25¢/页

Sonnet 4.6 定位¶

根据 Anthropic Managed Agents 平台文档，Claude Sonnet 4.6 作为中端模型：

• 支持 多 Session 并发（单次最多 100 个 Session）
• 与 Opus 4.7 共用同一基础设施
• 适合高并发、高吞吐量的 Agent 任务场景
• 迅速占据 Sonnet 系列主导地位，根据 AI Gateway Production Index，"Claude Sonnet 4.6 在发布后第一个完整月内吸收了 Sonnet 系列的大部分份额"

Sonnet 4.6 性能基准¶

Haiku 4.5 定位¶

Claude Haiku 4.5 作为轻量级模型，主打高性价比和快速响应：

• 最低延迟：单张图片处理仅需 1-5 秒
• 多模态支持：尽管体积小，仍支持图像理解
• 成本优化：适合需要快速迭代的 Agent 任务
• 与 Sonnet 4.6、Opus 4.6 共用同一基础设施架构

Haiku 4.5 vs 其他层级延迟对比¶

注：推理时间在不同层级模型间相近，但成本差异显著

模型层级与适用场景对照¶

关键行为变化（4.6 → 4.7）¶

[!warning] 破坏性变更警告 Anthropic 明确警告：针对 4.6 优化的提示词可能失效。这是破坏性变更而非平滑迁移。

已确认的行为变化¶

1. 响应长度自适应：简单查询更短，开放式分析更长。提供正向示例比否定式"不要这样写"更有效
2. 工具调用频率降低但推理增加：需明确告诉它何时该用工具
3. 生成更少 subagent：谨慎委派，需要并行时需显式说明。如果单次响应能直接完成就不生成 subagent
4. 思考成本变化：高 effort 下会思考更久，输出更多 token
5. medium/low 级别仍优于 4.6：Opus 4.7 即使在低 effort 级别也优于 Opus 4.6 同级别表现

需重新调优的领域¶

• 测试框架（如 harness eval）对指令的敏感度改变
• Prompt 工程需要系统性回归测试
• 安全概况与 4.6 持平，提升诚实度和抗提示词注入，但伤害减少建议略弱

Claude Code 最佳实践（Opus 4.7）¶

推荐 Effort 设置¶

[!note] medium/low 级别在 Opus 4.7 下依然优于 Opus 4.6 同级别表现，有时消耗更少 token

交互式编码会话组织¶

• 第一轮讲清楚：意图、约束、验收标准、相关文件位置都要在首轮提供
• 减少用户交互次数：每多一轮增加推理开销
• 使用 auto mode：适合完整上下文 + 长时间运行的任务
• 设置任务完成通知：让 Claude 播放提示音或创建 hook 通知
• 使用 /go 组合技能：让 Claude 自动执行 E2E 自测 → /simplify 重构 → 直接提交 PR

验证工作至关重要¶

确保 Claude 能验证自己的工作成果，效率可提升 2-3 倍：

• 后端：启动服务进行 E2E 测试
• 前端：Chromium 浏览器扩展
• 桌面应用：Computer Use

Claude Code 新功能（Opus 4.7 配套）¶

Recaps（内容回顾）¶

• 对 Agent 已完成工作和后续计划的简短总结
• 适合长时间离开后回来查看进度

Focus Mode（专注模式）¶

• 隐藏所有中间执行过程，专注最终结果
• 使用 /focus 命令切换
• 适合信任模型可以准确执行任务的场景

/fewer-permission-prompts 技能¶

• 扫描会话历史，识别本质安全但反复触发权限的命令
• 生成白名单建议，避免不必要的干扰
• 精细化调整权限设置，不开启 auto mode 时尤其实用

/ultrareview¶

• 专属代码审查模式，标记 Bug 和设计缺陷
• Pro 和 Max 用户拥有 3 次免费额度

Auto mode（自动模式）¶

• Opus 4.7 擅长复杂长时任务（深度调研/代码重构/构建复杂功能/持续迭代至达标）
• Auto mode 将权限请求路由至基于模型的分类器，判定安全则自动批准
• 分类器独立判断，风险低于"完全跳过权限确认"
• 意味着可并行运行多个 Claude 实例
• 面向 Max/Teams/Enterprise 用户，Shift+Tab 或在桌面版下拉菜单开启
• CLI：Shift+Tab | 桌面/VSCode：下拉菜单选择

定价信息¶

定价持平但能力跃升，性价比窗口打开

注意事项（Caveats）¶

1. 新 tokenizer：同一输入 token 消耗增加 1.0-1.35x
2. 思考成本：高 effort 下会思考更久，输出更多 token
3. 安全概况：与 4.6 持平，提升诚实度和抗提示词注入，但伤害减少建议略弱
4. 定位：弱于 Claude Mythos Preview，Opus 4.7 是 Mythos 安全技术的试验场

战略定位¶

从工具到代理的范式跃迁¶

Opus 4.7 的核心叙事不是「更强」，而是从辅助工具向自主代理的角色转变。Auto mode 并行化、「Claude 做某某任务 /go」组合技能、以及 2-3 倍效率提升的验证机制，都在重新定义 human-AI 协作的边界——人类从「监督者」变成「发起者」。

Mythos 的试验场定位¶

Opus 4.7 是 Anthropic 在安全护栏和网络保护技术上的试验场，这些技术最终会支撑 Mythos 的大规模推广。这意味着：

• 4.7 刻意在能力上弱于 Mythos Preview（受控发布）
• 但安全层面的迭代会首先在 4.7 上验证
• 后续 Mythos 可能会复用 4.7 验证过的护栏技术

深度分析¶

1. 旗舰模型定位出现战略分化：长上下文 vs 任务执行¶

Opus 4.7 最值得关注的不是它的全面提升，而是一次有意识的战略放弃。MRCR v2 256k 上下文检索从 91.9% 暴跌至 59.2%，1M 上下文从 78.3% 跌至 32.2%——这意味着 Anthropic 主动牺牲了长文档精确检索能力，将资源集中投向编程、视觉理解和任务执行。这一分化在 Claude Opus 4.7 与 4.6 之间形成了明确的使用场景分野：深度研究（RAG、长文档理解）继续用 4.6，自动化任务执行（coding、computer use）升级到 4.7 。

2. 范式跃迁：从"辅助工具"到"自主代理"的质变拐点¶

Opus 4.7 真正重要的叙事不是 SOTA 数字，而是 Auto mode 的推出——它将权限请求路由至基于模型的分类器，判定安全则自动批准执行。这意味着 Claude 可以代表用户做决策而非仅仅是执行指令。Boris Cherny 明确表示这次更新的核心在于增强 Agent 能力，让模型能更自主地处理长期任务。Auto mode 使得并行运行多个 Claude 实例成为可能，人类从「监督者」变成「发起者」 。

3. 新 tokenizer 的隐性成本：效率提升掩盖了潜在的隐形涨价¶

Anthropic 宣称整体推理效率提升使总 token 用量减少最多 50%，但前提是任务落在 4.7 提升明显的场景（编程、办公自动化、视觉理解）。对于日常知识管理、写方案、数据分析等提升不大的场景，token 消耗反而增加 1.0-1.35x。这是一个典型的「性价比陷阱」：定价不变但实际成本因使用场景而异 。

4. 自适应思考机制：模型从"被动工具"到"主动判断者"的认知升级¶

Opus 4.7 不再使用固定 thinking budget 的 Extended Thinking，而是采用 adaptive thinking——每一步是否思考由模型自己决定。这是模型判断能力的一次质变：模型被赋予了在「快速响应」和「深度思考」之间自主切换的权利，而不仅仅是执行用户指定的思考预算。配合 Prompt 技巧（"Think carefully..."或"Prioritize responding quickly..."），用户可以引导但无法强制模型的思考深度 。

5. 破坏性变更的深层逻辑：Anthropic 的主动技术换代策略¶

Anthropic 明确警告「针对 4.6 优化的提示词可能失效」，并将此定性为破坏性变更而非平滑迁移。这种直白的警告本身就是一个战略信号：Anthropic 不再追求向后兼容的渐进式升级，而是愿意牺牲短期的用户体验一致性来换取更大的技术换代力度。这与之前「4.6 是 4.5 的全面升级」的模式完全不同，暗示 Anthropic 正在进入一个更激进的技术迭代周期 。

实践启示¶

选型决策：建立场景-模型对照矩阵¶

不应盲目追求「最新最强」，而应根据任务类型建立严格的模型选择标准。编程、视觉理解、Computer Use 类任务优先选 4.7；长文档精确检索（超过 100k token 的 RAG 场景）、deep research 类任务继续用 4.6；日常闲聊和成本敏感型任务用 Sonnet 4.6 或 Haiku 4.5 。

Prompt 迁移：对 4.6 提示词进行系统性回归测试¶

针对 4.6 精细调优的 Prompt 需要逐条回归测试，尤其是涉及「脑补」逻辑的提示词——4.7 会更字面化地执行，可能产生非预期结果。建议在切换前准备对照实验，验证输出质量是否下降 。

Agent 开发：充分利用 Auto mode 的并行化能力¶

Auto mode 的自动批准机制使得并行运行多个 Claude 实例成为可能。对于可以拆分的独立子任务（如多个文件的代码审查、多个报告的数据分析），可以将任务并行化并通过 Auto mode 自动执行，显著提升吞吐量 。

成本监控：区分「表面定价」和「实际成本」¶

API 定价维持 $5/$25 不变，但新 tokenizer 导致实际 token 消耗变化 0.85x-1.35x。需要建立针对不同任务类型的 token 消耗监控，在账单分析中识别哪些场景实际在「隐形涨价」 。

效率优化：让 Claude 验证自己的输出¶

Anthropic 数据显示验证工作可将效率提升 2-3 倍。对于代码任务，确保 Claude 知道如何运行 E2E 测试；对于前端任务，使用 Claude Chromium 扩展让它控制浏览器验证；对于桌面应用，使用 Computer Use 功能。验证闭环是 Opus 4.7 Agent 工作流的核心组成部分 。

相关实体¶

• Claude Opus 4.7 — 最新旗舰模型发布
• Claude Opus 4.7 深度分析 — 详细发布分析
• Anthropic — 模型开发商
• MOC