Claude Opus 4.7: programmeringsförmågan +13 % till samma pris
🔥 Claude Opus 4.7 officiellt släppt: programmeringsförmågan slår hela linjen
Anthropic har officiellt släpptClaude Opus 4.7, den senaste versionen i Opus-serien:
- Programmeringsförmågan slår hela linjen: +13 % på 93-task benchmark
- Mindre tokenförbrukning: Opus 4.7 på låg ansträngning ≈ Opus 4.6 på medel
- Lydigare: följer instruktioner strikt, minskar verktygsfelen
Opus 4.7 visar betydande förbättringar inomavancerad mjukvaruengineeringoch utmärker sig särskilt på de allra svåraste uppgifterna.
📊 Nyckeltal
| Mått | Opus 4.7 vs Opus 4.6 |
|---|---|
| 93-task programmeringsbenchmark | +13% förbättring |
| Felgrad för verktyg | minskning 1/3 |
| CursorBench | 70% vs 58% |
| Visuell precisionsbenchmark | 98.5% vs 54.5% |
🧠 Kärnförbättringar
1. Mer tillförlitlig på komplexa uppgifter
Opus 4.7 presterar bättre påkomplexa, långvariga uppgifter:
- Sträng konsekvens: bibehåller noggrannhet och konsekvens vid komplexa uppgifter
- Precision i instruktionsföljd: följer användarens instruktioner strikt
- Självverifiering: tar fram metoder för att validera sina egna resultat
2. Skarpare visuell upplösning
Stort lyft för de visuella förmågorna:
- Högre upplösning: kan analysera bilder i högre upplösning
- Bättre smak: mer smak och kreativitet i professionella uppgifter
- Högre kvalitet: genererar bättre gränssnitt, presentationer och dokument
3. Färre verktygsfel
Opus 4.7:s verktygsanrop är mer tillförlitliga:
- En tredjedel färre verktygsfel: stabilare verktygsanrop
- Felåterställning: fortsätter körningen när ett verktyg misslyckas, i stället för att stanna
- Högre kvalitet per verktygsanrop: bättre resultat för varje verktygsanrop
💰 Priset är oförändrat
Opus 4.7 kostar samma som Opus 4.6:
| Typ | Pris |
|---|---|
| Indata-tokens | $5/miljon |
| Utdata-tokens | $25/miljon |
Mindre tokenförbrukning: Opus 4.7 på låg ansträngning ≈ Opus 4.6 på medel, vilket innebärlägre kostnad.
🎯 Relationen till Mythos Preview
Anthropic anger uttryckligen:
- Mythos Preview är starkare än Opus 4.7, mensläpps begränsat
- Opus 4.7 är den första modell som testar de nya säkerhetsskydden
- Cybersäkerhetsförmåga: Opus 4.7 är inte lika stark som Mythos Preview
- Säkerhetsskydd: upptäcker och blockerar automatiskt högriskförfrågningar inom cybersäkerhet
Cybersäkerhetsverifieringsprogram
Säkerhetsproffs kan ansöka tillcybersäkerhetsverifieringsprogrammet:
- Sårbarhetsforskning
- Penetrationstestning
- Red team-testning
💡 Användarfeedback
Vercel:
- ”Enstaka kodningsuppgifter är utmärkta – mer korrekta och kompletta än Opus 4.6”
- ”Är mer ärlig med sina egna begränsningar”
- ”Bevisar till och med systemkoden innan arbetet börjar”
Cursor:
- ”Tydlig förbättring på CursorBench: 70% vs 58%”
- ”Autonomi och mer kreativt resonemang”
Devin:
- ”Kan arbeta flera timmar i sträck”
- ”Fortsätter med svåra problem i stället för att ge upp”
- ”Öppnar upp för djupgående utredningsarbete som tidigare inte kunde köras tillförlitligt”
Notion:
- ”+14 % framgångsfrekvens med färre tokens”
- ”Den första modellen som klarar testet på implicita krav”
- ”Fortsätter när verktyg misslyckas, i stället för att stanna”
Rakuten:
- ”Rakuten-SWE-Bench löser3 gångerfler produktionsuppgifter”
- ”Tvåsiffriga förbättringar i både kodkvalitet och testkvalitet”
📝 Sammanfattning
Claude Opus 4.7 ärett stort lyft för programmeringsförmågan:
- +13 % på programmeringsbenchmark, 70% vs 58% på CursorBench
- Mindre tokenförbrukning: låg kostnad, hög kvalitet
- Lydigare: följer instruktioner strikt, färre verktygsfel
- Självverifiering: validerar sina egna resultat
- Visuellt lyft: 98.5% vs 54.5% visuell precision
- Priset är oförändrat: $5/1M indata, $25/1M utdata
Programmeringsförmågan slår hela linjen – men priset är detsamma. Det är Opus 4.7.
Officiellt meddelande:https://www.anthropic.com/news/claude-opus-4-7
Claude API:https://platform.claude.com/docs/en/about-claude/models/overview