Datawhale干货 

作者：桔了个仔，Datawhale成员

对于 A 社，该骂骂，但该用的时候，还是得用。刚躺在床上，看到opus 4.7的消息，马上弹起来滚进书房开始用了。

先说结论，opus 4.7性能上有不少提升，但我看下来，进步体感应该没有从 4.5 到 4.6 那么大，但毕竟 Opus 4.6 都这么好用了，4.7只会更好用，而且经常写代码的朋友都知道，当模型的某个Benchmark很高的时候，提升一点点，在使用感受上会更不一样，毕竟意味着新的模型能解决更多corner case。

不过，

为什么 Opus 4.7 这次只给个 0.1 版本号

年前大家都说claude 5快要发布了，结果现在才发布4.7。但可能是因为Mythos在手，opus直接叫5.0太狂了。毕竟A 社发布页自己都承认了：Opus 4.7 的能力不如 Mythos Preview，但 Mythos 因为 cyber 能力太强，只走 Project Glasswing 的有限发布。

所以 Opus 4.7 这个 0.1 版本号的真实含义是：A 社还没掏出底牌。我对下一个大版本（不管叫 Claude 5 还是 Mythos 正式版）的兴奋度，比对 4.7 本身还高一点。

不过，既然发布了，我的第一个疑问是，

opus从4.5到4.6升得多，还是4.6到4.7升得多？

首先先说4.5 到 4.6的升级。我之前写过一个回答

可以看到，其提升主要集中在Agentic coding和Agentic search上，同时，ARC AGI 2（抽象推理）从37.6% → 68.8%，几乎翻倍。这是当时给的性能对比图。

而4.7比起4.6呢？这是对比图

虽然这两个表在row上不能直接对比，但认真看，还是可以发现问题。

首先讲讲进步的地方吧。总结一下，在这几个维度上，Opus 4.7 实现了大幅的性能提升：

• agentic coding方面，SWE-bench Verified这一块进步很大，可以看到4.6 vs 4.5： 几乎原地踏步。4.5 分数为 80.9%，4.6 分数为 80.8%（甚至微降了 0.1%）。不过，4.7 的分数跃升至 87.6%，相比 4.6 提升了 6.8%，进步可谓挺大； 在 Verified 版本上，4.7 的进步远超 4.6（4.6 基本没进步）。这标志着 4.7 在处理中等难度的软件工程任务时，可靠性有了大幅阶梯式的提升。

• 视觉推理 (Visual Reasoning)方面，opus 4.6 比 4.5只多3.3%（无工具下从 70.6% 到 73.9%）；而4.7 vs 4.6就 出现了爆发式增长，多了13.0%（无工具下从 69.1% 跳升至 82.1%，）。这是 4.7 改进最明显的地方。

• 多学科推理 (Multidisciplinary Reasoning - Humanity's Last Exam)方面，4.6 vs 4.5在无工具表现提升约 9.2%，4.7 vs 4.6呢？虽然基数已高，但无工具表现仍提升了 6.9%，且在有工具辅助下维持了稳定增长。

但有个地方，4.7反而退步了，那就是Agentic Search。从4.5到4.6有巨大飞跃（从 67.8% 到 84.0%，+16.2%），而从 4.6到4.7，则出现了回落（从 83.7% 降至 79.3%，-4.4%）。这可能反映了 4.7 在搜索策略上变得更加审慎，或者测试集标准有所变化。

另外，这次 A 社在 effort 等级里塞了个新档位叫 xhigh，夹在 high 和 max 中间，给用户更多的成本控制能力。Claude Code 里默认 effort 直接提到 xhigh。

这次和模型一起发布的两个新东西

xhigh档

这次 A 社在 effort 等级里塞了个新档位叫 xhigh，夹在 high 和 max 中间。Claude Code 里默认 effort 直接提到 xhigh。

这个小改动看着不起眼，但做 Agent 的人会懂。之前 high 和 max 之间差一档，high 有时不够用，max 又太烧钱烧 token。现在 xhigh 补了这个缝。配合同时上线的 API task budgets（让开发者给 Claude 设置 token 预算），做 long-running Agent 的成本可控性好了一截。

/ultrareview 和 Auto mode

Claude Code 这次加了个 /ultrareview slash command，会专门跑一遍仔细的 review，找一个认真的 reviewer 能发现的 Bug 和设计问题。

另外，Auto mode 扩展到了 Max 用户。简单讲就是 Claude 在做 long task 的时候可以自己决定某些授权，不用每一步都卡你一下。

Opus 4.7好用吗？

opus 4.7才发布，我暂时还没一手经验分享，不过A社在发布模型之前，总喜欢和合作方一起测评，我点开发布页我去看了各家合作方给的评价，例如大家都熟悉的Cursor和Notion

Cursor： 自家 CursorBench 上，4.7 跨过 70%，4.6 只有 58%。

Notion： 多步工作流上 Opus 4.7 比 4.6 好了 14%，用了更少的 token，tool 错误只有 4.6 的三分之一。这个组合才是最关键的：更准 + 更省 + 更稳。

一共27个，我就不一一总结了。

小坑

这里有个点值得细说：Opus 4.7 用了新的 tokenizer，虽然价格没变，还是 5/25 美金每百万 token，但同样的输入内容，token 数会多 1.0~1.35 倍。

加上 4.7 在高 effort 下思考得比 4.6 多，整体输出 token 也会增加。官方测下来净效应是正向的（花更少钱做更多事），但如果你是 API 用户，切过去之前最好在自己的真实 traffic 上跑一下 A/B。

好了，先写这么多，后续我肯定会在实际项目里继续用 4.7，有翻车案例和惊喜再回来更新。写完这篇文章，我算是对opus 4.7哪里好哪里不怎么好有所了解了，等上班试试了。

参考资料：

1. https://www.anthropic.com/news/claude-opus-4-7

一起“点赞”三连↓