Opus 4.7中的新'xhigh'努力程度是什么？

'xhigh'（超高）努力程度是Opus 4.7中引入的一项新设置，介于'high'和'max'努力程度之间。它使用户可以更精细地控制难题上推理质量和延迟之间的权衡。对于编码和代理用例，Anthropic建议从'high'或'xhigh'努力程度开始。

Opus 4.7与其他AI模型相比如何？

根据Anthropic的基准测试，Opus 4.7在几个关键指标上优于Opus 4.6、ChatGPT 5.4和Google Gemini 3.1 Pro。然而，它仍然不如Anthropic的Mythos Preview模型，后者仍然是他们最先进的模型，但仅向部分公司提供。

视觉能力有哪些改进？

Opus 4.7具有明显更好的视觉支持，并且可以接受长边最大为2,576像素（约375万像素）的图像，是先前Claude模型分辨率的三倍以上。这使得可以更好地处理密集的屏幕截图、复杂的图表和像素完美的参考。

Claude Opus 4.7的成本是多少？

定价与Opus 4.6相同：每百万输入token 5美元，每百万输出token 25美元。该模型可在所有Claude产品、Claude API、Amazon Bedrock、Google Cloud的Vertex AI和Microsoft Foundry中使用。

Opus 4.7中的任务预算是什么？

任务预算是公开测试版中的一项新功能，它为Claude提供了一个粗略的估计，即完整代理循环（包括思考、工具调用、工具结果和最终输出）的目标token数量。该模型会看到一个倒计时，并使用它来优先处理工作，并在预算耗尽时优雅地完成任务。

Opus 4.7是否比以前的版本更诚实和可靠？

是的，根据Anthropic的模型卡，Claude Opus 4.7比Opus 4.6或Sonnet 4.6更可靠地诚实，重要遗漏的发生率大大降低，事实性也有适度提高。它还显示出较低的幻觉和奖励利用率。

关于从Opus 4.6迁移到4.7，我应该了解些什么？

Opus 4.7使用更新的tokenizer，与以前的模型相比，对于相同的输入，可能会使用1.0-1.35倍的token。该模型在更高的努力程度上也会进行更多的思考，从而产生更多的输出token。但是，Anthropic的测试表明，在编码评估中，token效率得到了提高。用户应重新调整其提示，因为Opus 4.7比以前的版本更字面地遵循指令。

Claude Opus 4.7

WebsitePaidLarge Language Models (LLMs)AI Code Assistant

Claude Opus 4.7 是 Anthropic 最新的旗舰 AI 模型，具有先进的软件工程能力、增强的视觉智能，支持高达 2,576 像素的高分辨率图像，并改进了指令遵循能力，可用于复杂的、长时间运行的自主任务。

访问网站

推广此工具

https://www.anthropic.com/news/claude-opus-4-7?ref=producthunt&utm_source=aipure

概述
分析
替代方案

产品信息

更新于：2026年04月20日

Claude Opus 4.7 月度流量趋势

Claude Opus 4.7 上个月收到了 14.6m 次访问，显示出 28.3% 的适度增长。根据我们的分析，这一趋势与人工智能工具领域的典型市场动态相符。

查看历史流量

什么是 Claude Opus 4.7

Claude Opus 4.7 是 Anthropic 最强大的通用 AI 模型，于 2026 年 4 月 16 日发布，代表对其前身 Claude Opus 4.6 的重大升级。这种先进的大型语言模型擅长复杂的软件工程、多步骤推理、文档分析和专业工作创建。虽然定位低于功能更强大但受限制的 Claude Mythos Preview，但 Opus 4.7 在包括编码、金融代理评估和现实世界知识工作在内的众多基准测试中提供了最先进的性能。该模型可在所有 Claude 产品、Claude API、Amazon Bedrock、Google Cloud 的 Vertex AI 和 Microsoft Foundry 中使用，与 Opus 4.6 保持相同的定价，即每百万输入令牌 5 美元，每百万输出令牌 25 美元。值得注意的是，Opus 4.7 包括内置的网络安全保障，可以自动检测并阻止高风险请求，并且其网络功能有意地比 Mythos Preview 降低，这是 Anthropic 负责任的 AI 部署策略的一部分。

Claude Opus 4.7 的主要功能

Claude Opus 4.7是Anthropic最新推出的通用人工智能模型，于2026年4月16日发布，代表了对Opus 4.6的显著改进。它在高级软件工程、自主编码和长期运行的代理任务方面表现出色，在SWE-bench Pro上的得分为64.3%，优于GPT-5.4和Gemini 3.1 Pro。该模型具有三倍的图像分辨率（高达2,576像素）、增强的指令遵循能力、基于文件系统的多会话工作记忆，以及通过降低幻觉率来提高诚实度。虽然不如受限制的Claude Mythos Preview，但Opus 4.7包含内置的网络安全保护措施，可以自动检测和阻止高风险的安全用途。它保持与Opus 4.6相同的定价（每百万输入token 5美元，每百万输出token 25美元），并且可在所有Claude产品、API和主要云平台上使用。

高级软件工程能力: 在SWE-bench Pro编码基准测试中达到64.3%，比Opus 4.6提高了13%，从而能够自主处理复杂的、长期运行的编码任务，且只需最少的监督。具有自我验证能力，并在计划阶段发现逻辑错误。

高分辨率视觉处理: 支持长边最大为2,576像素（约375万像素）的图像，代表了先前Claude模型容量的3倍以上。能够读取法律文件中的微小文本、解释复杂的电路原理图，并以像素级的精度导航桌面界面。

增强的基于文件系统的内存: 能够记住长期、多会话工作中的重要笔记，并使用它们以更少的预先背景信息来继续执行新任务。提高了连续性，并减少了在扩展工作流程中重复指令的需要。

网络安全保护措施: 包括自动检测和阻止指示禁止或高风险网络安全用途的请求。与Mythos Preview相比，网络安全能力被故意降低，合法的安全专业人员可以通过网络验证计划访问全部能力。

更高的诚实度和可靠性: 在重要遗漏方面有大幅减少，在事实性方面有适度改进，并降低了幻觉率。更擅长报告数据缺失的情况，而不是提供看似合理但不正确的后备方案。

灵活的努力控制: 引入了介于高和最大之间的新"xhigh"努力级别，以及任务预算功能，使开发人员可以指导Claude的token支出，并在更长的运行中优先考虑工作，从而更好地控制推理与延迟之间的权衡。

Claude Opus 4.7 的使用场景

自主软件开发: 开发人员可以放心地交付需要多步骤推理、CI/CD自动化和长期运行工作流程的复杂编码任务。该模型比Opus 4.6多解决3倍的生产任务，并以最少的人工干预处理异步工作流程、调试和代码审查。

企业文档分析和知识工作: 擅长处理高分辨率文档、法律合同、财务模型和技术图表。在GDPval-AA基准测试中，针对金融和法律领域具有经济价值的工作，实现了最先进的结果，文档推理中的错误减少了21%。

多代理协调和代理工作流程: 能够执行长达数小时的自主任务，并保持持续的专注和连贯性。在复杂的多步骤工作流程中表现出14%的改进，工具错误减少了三分之一，使其适用于处理并行操作和长期调查的代理团队。

专业创意工作: 能够生成更高质量的用户界面、幻灯片、演示文稿和专业文档，并具有更高的审美品味和创造力。尤其擅长构建仪表板和数据丰富的界面，其设计选择已为生产做好准备。

计算机视觉和视觉智能任务: 能够处理复杂的视觉信息，包括密集的屏幕截图、技术原理图、医学图像和建筑图。在计算机使用应用程序的视觉敏锐度基准测试中达到98.5%，从而实现自主渗透测试和UI导航。

网络安全研究和测试: 注册网络验证计划的安全专业人员可以使用该模型进行合法的漏洞研究、渗透测试和红队演练，同时保护措施通过自动阻止高风险请求来防止恶意使用。

优点

在编码基准测试中具有最先进的性能（在SWE-bench Pro上为64.3%），优于GPT-5.4和Gemini 3.1 Pro，并在自主软件工程方面有显著改进

三倍的图像分辨率容量（375万像素）能够处理以前Claude模型无法处理的详细视觉内容

更高的可靠性和诚实度，大幅减少了幻觉，更好地遵循指令，并能够报告缺失的数据而不是捏造答案

与Opus 4.6相同的定价，尽管能力大幅提高，但没有增加成本，并且可在所有主要云平台上使用

缺点

不如Claude Mythos Preview那样具有广泛的能力，后者仍然受到限制，普通用户无法使用

更新后的分词器将某些输入的token计数增加了1.0-1.35倍，可能会增加某些用例的成本

严格的指令遵循可能会为早期模型设计的提示产生意想不到的结果，需要重新调整提示和调整工具

由于故意限制的网络安全能力和内置的保护措施，网络安全漏洞再现能力略有下降（Opus 4.6中为73.8%，而现在为73.1%）

如何使用 Claude Opus 4.7

1: 通过以下可用平台之一访问 Claude Opus 4.7：Claude.ai 网站（适用于 Pro、Max、Team 和 Enterprise 用户）、Claude API、Amazon Bedrock、Google Cloud 的 Vertex AI、Microsoft Foundry 或 GitHub Copilot（适用于具有管理员启用策略的 Business 和 Enterprise 用户）。

2: 如果使用 Claude Web 界面，请导航到“测试”菜单并选择“Playground”。从模型选择器下拉列表中选择“Claude Opus 4.7”。

3: 如果使用 API，请通过 Anthropic Messages API、AWS CLI、AWS SDK 或 bedrock-runtime 端点在 API 请求中指定模型标识符“claude-opus-4-7”。

4: 从您的请求中删除任何 temperature、top_p 或 top_k 参数，因为将这些参数设置为非默认值将在 Opus 4.7 中返回 400 错误。使用提示来指导模型的行为。

5: 为您的任务选择适当的工作量级别：对于编码和代理用例，使用“high”或“xhigh”工作量。新的“xhigh”级别在“high”和“max”工作量之间提供更精细的控制，从而平衡推理能力和响应速度。

6: 对于代理工作流程，可以选择设置任务预算，以便为 Claude 提供一个估计值，即完整循环（包括思考、工具调用、工具结果和最终输出）的目标令牌数。

7: 如果您需要查看模型的推理过程，请通过将“\"display\": \"summarized\"”添加到您的请求中来明确选择显示思考内容，因为在 Opus 4.7 中，默认情况下会从响应中省略思考块。

8: 对于高分辨率图像分析，发送长边最大为 2,576 像素（约 375 万像素）的图像。该模型将自动以更高的保真度处理它们，但这将消耗更多的令牌。

9: 如果使用 Claude Code（Mac 应用程序），请使用默认的“xhigh”工作量级别访问 Opus 4.7，并使用新的“/ultrareview”斜杠命令进行专用代码审查会话，或启用自动模式以进行更长时间的不间断任务。

10: 对于需要使用 Opus 4.7 进行合法安全工作（漏洞研究、渗透测试、红队）的网络安全专业人员，请加入 Anthropic 的网络验证计划以绕过自动保障措施。

11: 监控您的令牌使用情况，因为 Opus 4.7 使用了一种新的令牌生成器，与以前的模型相比，对于相同的输入，可能会消耗 1.0-1.35 倍的令牌，并相应地调整提示或任务预算。

12: 从以前的 Claude 模型中查看和调整您的提示，因为 Opus 4.7 比早期版本更字面和精确地遵循指令，这可能会使用松散编写的提示产生意想不到的结果。