Anthropic在4月16日将Claude Opus 4.7推向API、Amazon Bedrock、Google Cloud Vertex AI和Microsoft Foundry四大云平台，GitHub Copilot Pro+、Business、Enterprise用户同步收到更新。这是当前公开可用的最强模型，定位在内部更强大的Mythos之下，后者因零日漏洞发现能力被判定为国家安全风险，仅限联邦机构使用。
三大核心升级：编码、视觉、上下文
编码能力是最显著的提升点。Opus 4.7在SWE-bench Pro上达到64.3%，比前代4.6的53.4%高出10.9个百分点，超越GPT-5.4的57.7%和Gemini 3.1 Pro的54.2%。SWE-bench Verified从80.8%升至87.6%，CursorBench从58%升至70%。多步agent工作流改进约14%，tool使用错误降至原来的约三分之一。视觉方面，Opus 4.7首次支持高分辨率图像，最大2576px/3.75MP，是4.6的三倍，相关基准提升13%。上下文窗口从200K扩至1M tokens，且不收取长上下文溢价，输入/输出定价仍为$5/$25 per million tokens，配合128K max输出，长代码库分析无需分块处理。
API改动：xhigh等级、自适应思考、采样参数消失
API改动是争议焦点。新增xhigh（extra high）effort等级，适用高强度但不需max推理的场景。同时新增/ultrareview指令用于深度代码审查。Extended Thinking被改为adaptive thinking模式，模型自行决定是否思考及思考时长，此前通过budget_tokens固定思考量的设计被移除，报400错误。更关键的是，temperature、top_p、top_k三个采样参数全部移除，这直接破坏了依赖结构化输出和确定性测试的开发流程。此外，模型内置了网络安全检测功能，自动拦截标记为禁止或高风险网安用途的请求。
用户实测体验与社群反应
实际使用中，跨8个文件的重构任务，4.7能一次完成并同步修改测试文件，成功率从60%升至75-85%。多轮agent工作流中tool调用错误显著减少。视觉任务上，截图识别缩进、括号配对、语法高亮颜色均更准确，PDF表格数字识别从75%提至约90%。但文字创作、竞赛级数学推理没有明显进步，对话语气更严格遵循指令，减少了“脑补”倾向。社群主要抱怨三点：新tokenizer导致实际账单高出30-35%；采样参数消失迫使测试套件重写；adaptive thinking变成黑箱，思考链不默认返回且需opt-in。Anthropic内部数据显示adaptive平均胜率更高，但高阶用户更看重可预测性。