Claude Opus 4.7 发布分析¶
Ch01.314 Claude Opus 4.7 发布分析¶
📊 Level ⭐⭐ | 11.7KB |
entities/claude-opus-4-7-launch.md
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%
- 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
- 新 xhigh reasoning effort：介于 high 和 max 之间，Claude Code 默认使用
- 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，测试框架需重新调优
- 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¶
| 基准 | Opus 4.6 | Opus 4.7 | 提升 |
|---|---|---|---|
| SWE-bench Pro | ~53% | 64.3% | +11pp |
| SWE-bench Verified | ~80% | 87.6% | +7pp |
| TerminalBench 2.0 | ~65% | 69.4% | +4pp |
| Document reasoning | 57.1% | 80.6% | +23.5pp |
| Vals Index | 67.7% | 71.4% | #1 |
第三方验证¶
- Cursor：内部 benchmark 58% → 70%
- 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
Claude Code 负责人 Boris Cherny 更新要点¶
自动模式（Auto mode）= 告别权限弹窗¶
- 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 将权限请求路由至模型分类器，判定安全则自动批准
- 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
新技能 /fewer-permission-prompts¶
- 扫描会话历史，识别本质安全但频繁触发弹窗的 bash/MCP 命令
- 推荐白名单（allowlist）以减少干扰
Recaps（回顾）¶
- 对 Agent 已完成工作和后续计划的简短总结
- 离开长时间运行会话后回来查看进度极好用
专注模式（Focus mode）¶
/focus命令切换，隐藏中间执行过程，只关注最终结果
Effort 设置¶
- Opus 4.7 采用自适应思考而非固定思考预算
- 低 Effort：更快响应、更低 token 消耗
- 高 Effort：最顶尖智能水平和执行能力
xhigh推荐用于大多数任务，max仅对当前会话生效
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
- Boris 常用 prompt：
"Claude，做某某任务 /go"→/go组合技能自动执行 E2E 自测 →/simplify→ 提交 PR
官方 Claude Code 搭配最佳实践¶
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
推荐 effort 设置¶
- medium/low：成本/延迟敏感或范围明确的小任务
- high：智能水平与成本平衡，适合并发多会话
- xhigh（默认/推荐）：最强自主性与智能水平，适合大多数编码和 Agent 场景
- max：极困难问题，收益递减，容易过度思考
自适应思考配合¶
- Opus 4.7 不支持固定 thinking budget，每一步是否思考是可选的
- 想多思考：
Think carefully and step-by-step before responding; this problem is harder than it looks. - 想少思考：
Prioritize responding quickly rather than thinking deeply. When in doubt, respond directly.
值得注意的行为变化（4.6→4.7）¶
- 响应长度自适应：简单查询更短，开放式分析更长
- 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
- 生成更少 subagent：谨慎委派，需要并行时需显式说明
最佳适用场景¶
- 复杂多文件修改、定义模糊的调试、跨服务代码审查、多步骤智能体工作
- 过去主要受限于人工监督成本的任务
注意事项（Caveats）¶
- 新 tokenizer：同一输入 token 消耗增加 1.0-1.35x ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
- 思考成本：高 effort 下会思考更久，输出更多 token ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
- 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 ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
- 定位：弱于 Claude Mythos Preview，Opus 4.7 是 Mythos 安全技术的试验场 ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
总结¶
相对 4.6，这是一次极具意义的升级，精准命中 Anthropic 核心客户群的三个痛点：Agent 编程可靠性、Computer-Use Agent 视觉能力、知识工作基准表现（GDPval-AA）。
Cross-links¶
- → Anthropic
- → Claude Code 深度架构分析
- → Claude Code 工具设计演化
- → KAIROS Claude Code 常驻协作范式
- → Claude Code Agent 工程设计
- → Claude Harness 设计：Generator-Evaluator
相关实体¶
- 刚刚Opus 4.7发布，相比4.6核心变化，与Claude Code搭配最佳实践
- Cat Wu — Anthropic Claude Code/Cowork产品负责人
- claude-code-agent-view
- Anthropic 官方技能最佳实践：14 个可复用的 Agent Skills 设计模式
- AI Agent工具数量陷阱——5个边界清楚的工具胜过20个模糊工具
- Anthropic发布「AI原生创业公司」手册：涵盖全流程四大核心阶段，一人公司法典来了
- Claude Code 大型代码库最佳实践 — Anthropic 企业级部署指南
- Boris Cherny 新访谈：开发工具正在从 IDE 变成 Agent 控制台
深度分析¶
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。Boris Cherny 强调的 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」。
Tokenizer 变化的双面影响¶
1.0-1.35x 的 token 消耗增加是显性成本，但需放在总推理效率框架下理解：虽然单 token 成本上升，但整体任务完成所需的 token 总数减少最多 50%。这意味着单次交互成本上升，但完整任务成本可能下降。对于长程 Agent 任务，这个换算对成本模型有根本性影响。 ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
Benchmark 跃进的真实含义¶
- SWE-bench Pro 64.3%：从「能辅助」到「能独立完成复杂工程任务」的临界点
- Document reasoning 57.1% → 80.6% (+23.5pp)：增幅最大，说明新 tokenizer 对结构化文档理解有特殊优化
- Vals Index 71.4% 第一：在第三方综合评估中确立 SOTA 地位
- 第三方验证（Cursor +12pp，Notion +14%）：不是官方自测，而是客户实际场景的背书
指令遵循「字面化」的双刃剑¶
Anthropic 明确警告 4.6 优化提示词可能失效。这是一个破坏性变更而非平滑迁移： ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
- 对于已建立 prompt 体系的团队，需要系统性回归测试
- 对于新用户是利好——字面化意味着更可预测、更少「自作主张」
- 测试框架（如 harness eval）需要同步调优，因为模型对指令的敏感度改变了
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
实践启示¶
对于已有 Claude Code 投入的团队¶
- 立即行动：用原有 prompt 在 4.7 上跑一次完整任务，对比 4.6 的输出质量差异 ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
- Effort 再校准：不要假设 4.6 的最佳 effort 设置在 4.7 上仍最优，xhigh 是新默认值得优先测试 ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
- Prompt 审计：检查所有针对 4.6 特定行为优化的指令，可能需要重写 ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
- 验证回路优先：建立 E2E 测试能力——Claude 能验证自己工作成果时效率提升 2-3 倍 ^[https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally]
对于 Cursor、Copilot 等第三方集成者¶
- 内部 benchmark 已有显著提升（58% → 70%），说明模型升级红利明显
- 需要关注工具调用频率降低但推理增加这一行为变化——可能需要调整 agent 协调逻辑
- Max 用户 Auto mode 是将 AI 编程推向完全自主的关键节点，值得提前布局
对于企业决策者¶
- Finance Agent 和 GDPval-AA 的 SOTA 表现说明其在高经济价值知识工作上的成熟度
- 定价持平（$5/$25 per M tokens）但能力跃升，性价比窗口打开
- 并行多 Claude 实例能力使「人机比」可以从 1:1 提升到 1:N，成本结构重估
对于个人开发者¶
- 简单查询会用更少 token 得到更短回答——成本意识场景天然利好
- 开放式分析/复杂任务会更长——这是「聪明」的代价，不必强行压缩
/focus模式让 CLI 用户可以在不关心过程时隐藏干扰，专注结果
→ 原文存档
- 建议先用
xhigh跑一个完整项目再决定是否调整，而不是凭直觉选择低 effort 省成本