Opus 4.7 发布
这一版的核心升级，和 的新功能是目标对齐的：让 AI 能跑更长、更复杂的任务，还能自己检查结果，减少你盯着它的时间。
定价上，与一代 4.6 相同，\(5 输入/\)25 输出，每百万 token。
Opus 4.7 加了一个以前不太突出的能力：在汇报结果之前，先一遍。
发现问题，就在内部修掉，再给你答案。
听起来简单，但放在自主运行的场景下，这件事的意义就大了。以前我们让 Claude 连续跑几小时的任务，到最后才发现中间某步出了岔子。
现在，它自己能发现，自己能纠正。
你需要介入的时机，少了一层。
Claude 自我验证流程对比
Rakuten 用 Opus 4.7 跑生产任务，解决率提升了 3 倍，代码质量「提升了 10 个数量级以上」。
在多任务工作流上，Opus 4.7 比 4.6 提升了 14%，工具调用出错率下降约 1/3，token 消耗也降低了。
基准测试对比
更可靠，也更省钱。
视觉能力这次的提升，有些夸张。
Opus 4.7 支持最高 2,576 像素长边的图像，约 375 万像素，是之前的 3 倍以上分辨率。
官方提到的场景：生成界面原型、制作演示文稿、解读化学结构和技术图表，都是那种细节稍差就没法用的任务。
视觉能力基准
然后是 XBOW 给出的数据：计算机视觉感知基准上，Opus 4.7 得分 98.5%，Opus 4.6 是 54.5%。
从 54.5% 跳到 98.5%……
XBOW 的评价是：「彻底解决了我们的主要痛点。」
视觉感知：54.5% vs 98.5%
这个变化，对自主任务有极其重要的意义。
以前让 AI 看截图、读 UI、处理图文混排的文档，都有肉眼可见的失误率。这次分辨率的跃升，给了它处理视觉任务的基础。
编程能力对比
Cursor 在 CursorBench 上的数据：Opus 4.7 拿到 70%，Opus 4.6 是 58%。
而Notion 的反馈则是：整体性能提升 14%，工具调用出错率下降约 1/3，首次通过了「隐性需求」测试项，就是那些没有明确说出来、但理应被理解的需求。
CodeRabbit 用在代码审查上：最复杂 PR 的召回率提升了 10% 以上，精准度基本没有变化。
Databricks 的方向是文档推理：文档推理错误减少了 21%。
Claude Code 这次，还新增了 /ultrareview 命令，专门跑一轮深度代码审查。
它会把所有改动完整读一遍，找出一个认真的 reviewer 会抓到的问题，包括 bug 和设计层面的隐患。
不需要你再另开一个对话、手动要求它帮你看。
一条命令，它自己跑完，给你一份报告。
Auto Mode 也向 Max 用户开放了，更长的任务可以跑起来不那么频繁被打断。结合前几天上线的 Routines，你可以在睡觉前配一个任务，设好触发条件，第二天早上看结果。
从而，让「AI 帮你值夜班」这件事，开始变得越来越顺理成章。
对开发者来说，这次新增了 xhigh 推理等级，位置在 high 和 max 之间。
以前 high 和 max 中间的跨度有点大，现在有了过渡档，可以在推理深度和响应速度之间做更细的调整。
推理档位：从两档到精调
另外，默认 effort 级别也从 high 升到了 xhigh，什么都不用改，模型应该就已经比以前更仔细了。
还有 （beta），让 Claude 在跑较长任务时自己管理 token 消耗，知道哪里该多花力气，哪里可以省。还在测试阶段，但方向是对的。
这次更新了 tokenizer，相同的输入内容，token 数量会比以前多出约 0% 到 35%。
好处是模型看到的信息更完整，输出更可靠。代价是成本可能上浮。
如果工作流对 token 计费敏感，切换时留意一下，官方有迁移指南。
今天，Anthropic 发了一个能跑更长任务、会自己检查结果、视觉能力大幅提升的模型。
前两天，Routines 上线，AI 开始主动巡逻，不用你 @ 也会自己盯着。
再加上 、、/ultrareview……
每一个更新单独来看，都是「一个小功能」。
但拼在一起看，我发现有一件事在悄悄发生：AI 需要我们人类介入的地方，一点一点在变少。
你凌晨两点在睡觉，它在帮你审 PR。
你周末在爬山，它在帮你同步文档。
你出去吃饭，它在帮你跑测试。
我偶尔会想，这……
到底是好事，还是坏事呢？
◇ ◆ ◇
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/268535.html