-
日期: 2026-04-17 | 來源: 量子位 | 有0人參與評論 | 字體: 小 中 大
用Mythos向外界虛晃壹槍後，Anthropic猝不及防把Claude Opus 4.7抬了上來。
不少小伙伴都熬夜玩兒瘋了！
壹骨碌從床上坐起來邊沖浪邊上手體驗，我從Opus 4.7身上總結了壹個壞消息和壹些好消息。
先說壞消息吧——Opus 4.7身上，怎麼看怎麼有點故人之姿。
動不動就要“穩穩接住”我。
不少網友也反饋，怎麼說是升級，但Opus 4.7越用越像GPT？？？
如果是真的，這可不是什麼好事情（無奈閉眼.jpg）。
相比壞消息只有壹個，好消息那是有壹籮筐。
在Agentic coding、Agentic terminal coding、Scaled tool use、Visual reasoning等多個方面，都比前作更好。但Agentic search等幾個單項能力上有所下降。
Anthropic還很臭屁地表示：
Opus 4.7是我們家目前最強大的公開可用模型。
不過這不是我們最強大的模型喲～～
看來最強大的還是密而不發的Mythos。
看看上面的表格，Mythos在那些測試上的整體表現，均優越約10%至15%。
毫無疑問，Mythos Preview是目前Anthropic手裡最夯的壹張牌，能力拉滿，但價格也是Opus 4.7的5倍。
相比之下，Opus 4.7更像是安全體系完成全驗證、定價親民且全平台開放的最強量產版。
但……所謂智者千慮必有壹失。
強大的Opus 4.7還是在昨日的陰溝裡面翻了船：
Claude Opus 4.7突襲，核心升級肆大方向
通覽下來，這個公開最強的Opus 4.7，在肆個方向上都有突出表現。
高級軟件工程領域：值得托付
Opus 4.7最顯著的進步在高級軟件工程領域。
來看這組數據：
SWE-bench Verified測試達到78.2%；
SWE-bench Multimodal達到72.7%；
Terminal-Bench 2.0拿下68.8%；
Rakuten-SWE-Bench 中解決生產任務的數量更是Opus 4.6的3倍；
GitHub 93項任務編碼基准也提升了13%。
Cursor的CEO Michael Truell給出了壹個關鍵評價：
在CursorBench上，Opus 4.7從58%躍升到70%，這個躍升意義重大。
這種提升體現在叁個關鍵特性上。
第壹，嚴格遵循指令。
Opus 4.7不再像早期模型那樣“靈活解讀”用戶的模糊表述，而是字面執行。
這意味著以前你寫“如果可能的話，嘗試優化這段代碼”這種提示詞，模型可能會選擇性忽略。
現在你說“優化這段代碼”，它就壹定會執行。
這種變化要求用戶重新調整提示詞策略，軟修飾符如“if possible/ideally/try to”的權重變得更高，硬限制需要更明確。
第贰，輸出前自我驗證。
Opus 4.7會在報告結果前devise ways to verify its own outputs，就像壹個資深工程師在提交代碼前會自己跑壹遍測試。
第叁，擅長復雜多文件變更、模糊調試、跨服務代碼審查。
Notion的AI Lead Sarah Sachs分享了壹個數據：
面對復雜多步驟工作流，Opus 4.7比Opus 4.6提升14%，而且token消耗更少，工具錯誤只有叁分之壹。
它是第壹個通過我們隱性需求測試的模型。
視覺能力：分辨率×3，看見更多細節
在視覺能力方面，Opus 4.7也有很不錯的進步。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見