Claude Opus 4.7 深度介紹》coding 能力升級、1M 不加價，實測缺點在哪？

Anthropic 4 月 16 日發布 Claude Opus 4.7，主打 coding 大幅躍進（SWE-bench Pro 衝 64.3%，較前代 4.6 的 53.4% 提升 10.9 分）、視覺解析度加強三倍、1M context 維持標準價沒加 long-context premium。不過部分用戶還是反應不少痛點。 （前情提要：Claude Code 用起來變笨了？AMD AI 總監開砲：思考深度暴跌 67%、API 月費暴漲 144 倍） （背景補充：大賣空麥可貝瑞放話：Anthropic 正在吃掉 Palantir）   Anthropic 在 4 月 16 日把 Claude Opus 4.7 正式推上 API、Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 四大雲平台，GitHub Copilot Pro+、Business、Enterprise 使用者也同步收到。 和 4.6 版本比，這次升級的方向明確，包括加強 coding 能力是絕對主線、視覺是第二優先、而 API 改動則是老使用者最有感也最有爭議的部分。 這篇文章我整理了新功能、我自己測下來的感覺，還有社群反應兩極的缺點。 Opus 4.7 定位：Mythos 以下最強模型 要搞懂 Opus 4.7，得先理解它在 Anthropic 模型階梯上的位置。Anthropic 內部還有一個能力上限更高的 Mythos（神話），因為大規模發現零日漏洞能力被判定為國家安全風險，目前不對外發布，只給聯邦機構與 Project Glasswing 合作名單內的關鍵基礎設施廠商用。 Opus 4.7 則是「公開能賣的最強」目前民用版本。 這是 Anthropic 的策略底層，執行長 Dario Amodei 在《金融時報》專訪裡估算，中國開源模型最快 6 個月、最慢 12 個月就會追上 Mythos 的能力，在那之前 Opus 4.7 是 Anthropic 能給市場的最強商用模型。 三大核心提升 新功能清單裡，最能打的是這三個升級點： Coding 能力大幅躍進。 SWE-bench Pro（評估 AI 解真實 GitHub issue 的 benchmark）從 4.6 的 53.4% 直接跳到 64.3%，提升 10.9 分。這個成績在公開模型中排第一，超越 GPT-5.4 的 57.7% 和 Gemini 3.1 Pro 的 54.2%。SWE-bench Verified 也從 80.8% 升到 87.6%。 專門衡量 Cursor IDE 自主 coding 表現的 CursorBench，從 58% 衝到 70%。Anthropic 自己的說法是「你之前需要密切監督才敢交出去的 coding 任務，現在可以比較放心交給 4.7」。 多步 agentic 工作流（multi-step agentic workflow，讓 Claude 一次完成包含多個工具呼叫的任務）用起來也很有感覺。 官方宣稱相較 4.6 有 14% 改進、用更少 tokens、而 tool 使用錯誤降到大約 1/3。這個數字跟我自己測下來的體感蠻吻合，下一節會講。 視覺能力三倍提升 Opus 4.7 是第一個支援高解析度影象的 Claude 模型，最大可以到 2576px / 3.75MP，等於 4.6 的三倍。 用起來是截圖可以直接丟，不用先 resize，PDF 圖表、IDE 截圖、設計稿等等，它能把更多細節記下來。 跑分的話，視覺相關 benchmark 有 13% 提升。 1M token context 沒漲價 context window 從 200K 擴到 1M 沒有漲價是大家很關注的一點，先前用戶很擔心漲價或是把上下文窗口縮回 200k，更關鍵的是 Anthropic 沒有收 long-context premium（長上下文溢價）。 以前 Claude 超過 200K tokens 的請求會加錢，4.7 直接全部按 $5 / $25 per million tokens 的標價走。搭配 128K max output tokens，長程式碼庫分析、長合約審閱、長 log 診斷之類的工作流，不用再切 chunk。 xhigh、adaptive thinking、sampling：API 改得最多的地方 新功能列表裡，這塊改最多，也引來很多爭議。 新增 xhigh（extra high）effort level 以前 Claude 的推理力道有 high 和 max 兩級，4.7 在中間插了一級 xhigh，給「問題強度很高但是不想要做max 那麼深的推理」的場景來用。 另外還新增一個 /ultrareview 指令，專門跑深度 code review session，比普通 review 花更多 tokens 換更完整的檢查。 Anthropic 也在測試一個叫「task budgets」的系統，讓開發者指定 Claude 在長任務中最多花多少時間思考，目前是 beta。 Extended Thinking 改叫 adaptive thinking 這是最多人反彈的一項。4.6 以前你可以在 API 設定 budget_tokens: 5000，Claude 保證思考 5000 tokens 再回答。 4.7 把這個設計拿掉，改成 adaptive mode，意思是模型自己判斷要不要思考、思考多久。如果你還照以前寫 budget_tokens，直接回 400 error。Thinking 內容預設也不會出現在 response body 裡，要明確 opt-in 才給你。Anthropic 的理由是內部評估中 adaptive 在多數任務上贏過固定 budget，而且 response latency 略有改善。 Sampling 控制從 API 消失 temper...