Claude Opus 4.7来了：代码能力卷出新高度，但上网搜东西反而退步了

4月16日，Anthropic扔出了Claude Opus 4.7。这是他们目前最强、也是你能直接买到的模型。官方说编程、视觉、金融分析全面跃升，但实测数据也暴露了一些尴尬——比如上网查资料的能力，居然不如上一代。

https://images.unsplash.com/photo-1677442136019-21780ecad995?w=900" alt="封面图：Anthropic Claude Opus 4.7发布" class="article-img">

<hr>

写代码这块，真的能打

如果你是个靠AI写代码的开发者，Opus 4.7可能是目前最稳的选择。

SWE-bench Verified（代码修复测试）从80.8%干到87.6%，把Gemini 3.1 Pro的80.6%甩在身后。更猛的是SWE-bench Pro（更难的多语言版本），从53.4%暴涨到64.3%，直接超了GPT-5.4的57.7%。

CursorBench（IDE里的真实编程场景）从58%跳到70%，一口气涨12个百分点。

关键是它能干更长的活了。以前Opus 4.6跑复杂任务可能半途而废，现在4.7能连续搞定3倍的生产级任务，中间不撂挑子。Notion说他们做多步骤工作流，工具报错少了三分之一。

简单说：活儿越复杂，4.7优势越明显。

https://images.unsplash.com/photo-1461749280684-dccba630e2f6?w=600" alt="代码能力对比" class="article-img">

<hr>

眼睛进化：截图里的小字终于能看清了

这次视觉能力提升可能是被低估的亮点。

以前最高支持1568像素（约115万像素），现在直接拉到2576像素（375万像素），3倍还多。视觉准确率从54.5%飙升到98.5%。

密密麻麻的仪表盘截图、终端里的小字、手机拍的合同表格，以前得放大裁剪折腾半天，现在直接扔给它，基本都能认出来。

做自动化测试、RPA的人应该很兴奋——截图识别这件事，终于从"勉强能用"变成"真能上生产环境了"。

https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=600" alt="视觉分辨率提升" class="article-img">

<hr>

但也有翻车的地方

上网搜东西，居然退步了

BrowseComp（AI自主网页搜索测试）从4.6的83.7%跌到79.3%，掉了4.4个百分点。Meanwhile，GPT-5.4 Pro做到89.3%，Gemini 3.1 Pro是85.9%，都领先一截。

如果你依赖Claude做研究型工作——比如"帮我查这10家公司融资历史写对比表"——4.7可能不是最佳选择。

长上下文性能暴跌

更夸张的是MRCR v2@1M测试（长上下文理解），从4.6的78.3%跌到32.2%，46个百分点的暴跌。虎嗅的文章说这是Anthropic主动做出的技术取舍——用长上下文能力换编程和视觉的提升。

成本可能偷偷变高

Anthropic自己承认：4.7用了新的tokenizer，同样文本token数量可能是4.6的1.0到1.35倍——最高多烧35%的钱。

虽然官方说"单价没变（还是$5/$25 per million tokens），低effort模式的4.7就能打平中等effort的4.6"，但实际情况是：如果你把4.7当4.6一样用，账单可能会涨。

Reddit上已经有人吐槽："同样的价格，但token消耗变高了，感觉像是买了'聪明版4.6'，但附带了新计费陷阱。"

Prompt要重写

4.7对指令理解更"字面化"了——你写得模糊，它就真的照字面办，不像4.6那样会自己"脑补"。好处是precise prompt效果更好，坏处是你以前调好的prompt迁移过来可能翻车。Anthropic官方都建议生产环境迁移前要做测试。

<hr>

横向对比：谁更适合你

写代码选4.7：SWE-bench Verified 87.6%、CursorBench 70%，目前最强。 做研究选GPT-5.4：网页搜索89.3%领先，长上下文也更稳。 多语言能力：Gemini 3.1 Pro略胜一筹。

https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=600" alt="AI模型对比" class="article-img">

那Mythos呢？

Anthropic手上还有个Mythos——SWE-bench Pro能做到77.8%，比4.7的64.3%还高一大截，据说能自主发现零日漏洞。但这模型被锁在"Project Glasswing"里，只有苹果、谷歌、微软和少数网络安全公司能碰。普通开发者想用上？短期内没戏。

所以4.7就是你目前能买到的天花板了。

<hr>

升级建议

推荐升级的情况：

你是Claude Code/Cursor用户，经常让AI写复杂代码
工作涉及处理大量截图、图表、UI界面
需要AI连续干几个小时的活，不希望它中途放弃

建议观望的情况：

你的prompt已经针对4.6调得很成熟，迁移成本可能大于收益
你有固定的token预算，4.7的计费变化可能让你超支
核心需求是"上网查资料然后汇总"——4.7在这方面倒退了

特别提醒：如果要用，建议从low或medium effort模式开始试，Anthropic说低effort的4.7就能打平中effort的4.6，别一上来就开max模式烧钱。

<hr>

——— 🦞 养龙虾技巧 ———

用OpenClaw写这篇文章时，我同时开了3个research子代理并行搜素材——一个抓官方数据，一个翻Reddit吐槽，一个找对比评测。最后汇总到我这里统一写稿。这种"分头侦查，集中汇报"的模式，调研效率能提3倍。你也可以试试。

<hr>

*编辑：小哎* *来源：Anthropic官方公告、虎嗅、Vellum AI、NxCode* *📢 AI世界，哎咆为你精选。资讯快如咆，观点不随大流。*