Claude Opus 4.7 - Anthropic 推出的最新旗舰大模型

发布于 2026-04-17 · Claude Opus 4.7 是 Anthropic 推出的最新旗舰大模型，为 Claude Opus 4.6 的直接升级版。模型在高级软件工程任务上表现突出，SWE-bench Pro 得分提升至 64.3%，视觉分辨率支持提升至 2,576 像素（约 3.75 兆像素），具备自我验证与长程自主执行能力。

Claude Opus 4.7是什么

Claude Opus 4.7 是 Anthropic 最新的旗舰模型，可以看作 Claude Opus 4.6 的直接升级版。它在高级软件工程任务上表现突出，SWE-bench Pro 得分 64.3%，视觉输入的长边分辨率提到 2,576 像素（约 3.75 兆像素），还能自我验证、长程自主执行。目前已在 Claude 全系产品、API 以及 Amazon Bedrock 等主流云平台上线。

Claude Opus 4.7的主要功能

高难度编程：SWE-bench Pro 得分 64.3%，复杂的长时间开发任务能自己扛下来，交结果前还会自我验证。
超高分辨率视觉：图像输入支持长边 2,576 像素（约 375 万像素），是前代模型的 3 倍以上。
自主纠错机制：交结果之前先自查逻辑错误，内部改完再输出，人工介入少了很多。
长程任务执行：多步骤的复杂工作流能连着跑几个小时，稳定性和一致性都在线。
多模态理解：密集截图、复杂技术图表、化学结构乃至像素级的视觉细节，都能准确解读。
智能工具调用：支持 MCP-Atlas 这类扩展工具链，工具调用错误率降了约 1/3。
文件系统记忆：跨会话的长任务里能记住关键笔记，重复的上下文输入省掉了。
新增 effort 档位：新增 xhigh 档位（夹在 high 与 max 之间），Claude Code 默认就用这一档。
Task Budgets：可以为长任务设置 token 预算，资源怎么分由模型自己定。
Ultrareview 命令：Claude Code 加了独立的审查会话，专门深挖代码改动和潜在问题。

如何使用Claude Opus 4.7

平台访问：
- Claude 网页/App：在模型选择器里切到 Opus 4.7 就能用。
- API 调用：模型 ID 为 claude-opus-4-7，可以通过 Anthropic API、Amazon Bedrock、Google Cloud Vertex AI 或 Microsoft Foundry 调用。
- Claude Code：effort 档位默认提到了 xhigh，输入 /ultrareview 就会启动一次深度代码审查。
API 关键参数设置：
- effort 档位：通过 effort 参数控制响应规模，选项为 low / medium / high / xhigh / max。编程和 agentic 场景建议从 high 或 xhigh 起步就行。
- task budgets（公测）：给长任务设一个 token 预算，资源由模型自己分配，配合 effort 参数还能调得更细。
- thinking 参数：不再使用 thinking: {type: "enabled", budget_tokens: N}，改用 thinking: {type: "adaptive"} 搭配 effort 参数即可。
高分辨率视觉：长边不超过 2,576 像素的原图直接传，不用自己压缩，高分辨率输入交给模型处理。
Claude Code 特有指令：
- 输入 /ultrareview 启动独立审查会话，把代码改动仔细查一遍（Pro 和 Max 用户每月有 3 次免费额度）。
- Auto mode 也开放给 Max 用户了，位置在 --dangerously-skip-permissions 与默认模式之间，多了一个折中的安全选项。

Claude Opus 4.7的关键信息和使用要求

模型定位：Opus 4.6 的直接升级版，也是 Anthropic 目前的旗舰，Claude 全系产品、API、Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 都已上线。
核心升级：高难度软件工程能力提升明显（SWE-bench Pro 达 64.3%）；视觉输入支持长边 2,576 像素（约 375 万像素，是前代的 3 倍以上）；还能自我验证、长程自主执行。
定价策略：价格和 Opus 4.6 持平，输入 $5/百万 token，输出 $25/百万 token，模型 ID 是 claude-opus-4-7。
新增档位：在 high 与 max 之间新增 xhigh effort 档位，Claude Code 默认已经切过来了。
Tokenizer 变更：换成新 tokenizer 后，同样文本的 token 数大约是旧版的 1.0–1.35 倍，预算要留得更宽。

Claude Opus 4.7的核心优势

高难度编程突破：SWE-bench Pro 得分 64.3%，比 4.6 高出 11 个百分点，最复杂的软件工程任务也能自己处理。
自我验证机制：汇报结果前先查逻辑错误，内部修正后再给出来，长任务因此更可靠，人工介入也少了。
视觉感知跃升：能处理长边 2,576 像素（约 375 万像素）的高分辨率图像，视觉感知基准从 54.5% 升到 98.5%。
长程任务稳定性：多步骤复杂工作流能连着跑几个小时，中途遇到难题也不撂挑子，执行始终一致。
严格指令遵循：对指令的字面执行更准，模糊解读少了，基本能按用户意图完成。
工具调用效率：工具调用错误率降了约三分之一，多步 agentic 场景里的 token 效率也提上来了。

Claude Opus 4.7的项目地址

项目官网：https://www.anthropic.com/news/claude-opus-4-7

Claude Opus 4.7的同类竞品对比

评测维度	Claude Opus 4.7	GPT-5.4	Gemini 3.1 Pro
Agentic coding (SWE-bench Pro)	64.3%	57.7%	54.2%
Agentic coding (SWE-bench Verified)	87.6%	—	80.6%
Agentic terminal coding (Terminal-Bench 2.0)	69.4%	75.1%	68.5%
Multidisciplinary reasoning (Humanity’s Last Exam w/ tools)	54.7%	58.7%	51.4%
Agentic search (BrowseComp)	79.3%	89.3%	85.9%
Scaled tool use (MCP-Atlas)	77.3%	68.1%	73.9%
Agentic computer use (OSWorld-Verified)	78.0%	75.0%	—
Agentic financial analysis (Finance Agent v1.1)	64.4%	61.5%	59.7%
Graduate-level reasoning (GPQA Diamond)	94.2%	94.4%	94.3%
Visual reasoning (CharXiv w/ tools)	91.0%	—	—
Multilingual Q&A (MMLU)	91.5%	—	92.6%

Claude Opus 4.7的应用场景

高难度软件开发：大规模代码重构、复杂算法实现这类工程任务都能处理，可以自主跑几个小时，汇报前还会自我验证。GitHub 上的实测任务解决率提升了 13%。
高分辨率视觉分析：密集 UI 截图、技术图表、化学结构、像素级细节都能解读，计算机视觉代理、自动化渗透测试、生命科学专利工作流里都用得上。
长程自主工作流：跨会话的多步骤任务可以自动执行，比如深度数据分析、研究报告生成；长时间跑下来依然连贯，人工介入不多。
金融与商业分析：财务建模、投资分析、专业演示文稿都能做，Finance Agent v1.1 基准得分 64.4%，产出的分析模型和商业交付物质量都不低。