新聞 
網民熬夜玩兒瘋,Claude Opus 4.7來了
網民熬夜玩兒瘋,Claude Opus 4.7來了網民熬夜玩兒瘋,Claude Opus 4.7來了
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。
[物價飛漲的時候 這樣省錢購物很爽]
好新聞沒人評論怎麼行，我來說幾句
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。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
推薦: