Claude Opus 4.7 與 Claude Opus 4.6：改進與遷移指南

Claude Opus 4.7 於 2026 年 4 月 16 日發布，在程式設計、代理式工作流程、視覺與指令遵循方面，相較 Opus 4.6 有重大升級。它在 SWE-bench Verified（87.6% vs 80.8%）提升 +6.8 個百分點、SWE-bench Pro（64.3% vs 53.4%）提升 +10.9 個百分點、CursorBench（70% vs 58%）提升 +12 個百分點，並提供 3.3× 更高解析度的視覺能力，搭配自我驗證迴圈，降低長任務的幻覺。官方定價維持不變（每百萬 tokens $5/$25），但低努力級別的 4.7 可達到中等努力級別 4.6 的品質，實際成本因此下降。

在 CometAPI 上，你可獲得兩個模型（Claude Opus 4.7 與 Opus 4.6），以 $4 輸入 / $20 輸出 的價格，提供與 OpenAI 相容的端點且零供應商綁定。若你運行生產級程式代理、複雜文件分析或多會話工作流程，建議升級——4.7 是前沿工作的全新預設。

Claude Opus 4.7 vs Opus 4.6: Quick comparison

Bottom line：Opus 4.7 的感受是「Opus 4.6 的解禁加精修版」。它移除了 4.6 偶爾出現的限制（例如過早放棄任務、較低的視覺敏感度），並透過自適應推理提升效率。使用者反饋它更「有主見」且更具協作性——就像與會自我複核的資深工程師共事。

Why Claude Opus 4.7 Matters in 2026

2026 年 4 月 16 日，Anthropic 低調推出了迄今最強的「普遍可用」模型：Claude Opus 4.7。在受限的 Mythos Preview（側重網安的強力模型）釋出數週後，Opus 4.7 重新奪回生產工作負載的王座，同時保持與 Opus 4.6 完全一致的定價。

開發者與企業不再需要看管最困難的程式任務。使用者回報現可放心交付「過去需要密切監督」的工作給 4.7。該模型現會自我驗證輸出、按字面遵循指令，並能以更少的工具錯誤與更佳的錯誤修復，支撐多小時的代理式執行。

該模型擅長：

• 嚴謹的長時任務，內建自我驗證（Plan → Execute → Verify → Report）。
• 按字面執行指令——不再鬆散解讀「consider」或「you might」。
• 大幅提升的視覺能力（長邊最高至 2,576 px ≈ 3.75 MP，超過先前解析度的 3×）。
• 在介面、簡報與文件等專業產出中具備更佳的品味與創造力。
• 改進的檔案系統記憶，實現真正的多會話自治。

新功能包含 xhigh 努力等級（介於 high 與 max 之間）、Platform API 的任務預算，以及 Claude Design 工具整合。模型 ID 現為 claude-opus-4-7。官方定價不變，但因 token 效率提升，常能降低每次任務的有效成本。

Core Capability Improvements – What Actually Changed

Advanced Software Engineering & Agentic Coding

Opus 4.7 在最困難的問題上表現出色。在 93 項內部程式基準中，它相較 4.6 提升 13% 的解決率，並攻克 4 個連 4.6 與 Sonnet 4.6 都無法解決的任務。Rakuten-SWE-Bench 顯示在無人干預下解決的生產級任務增加 3×。CursorBench（真實 IDE 工作流）提升 +12 點至 70%。

內部 93 項程式基準顯示 13% 的提升，並解決了 4 個連 4.6 與 Sonnet 4.6 都無法攻克的任務。在代理式工作流程中，Box 報告LLM 呼叫次數減半（7.1 vs 16.3），同輸出下 AI 單位使用量降低 30%——直接轉化為成本與延遲的優勢。

**對開發者的重要性：**你如今可以信任 Opus 4.7 處理過去需監督的「最困難程式工作」。它精準注意指令、自我驗證輸出，並能跨會話重用檔案系統記憶——非常適合跨多日的自主重構。

實際成果包括：

• 以單一提示自動生成 Rust 文字轉語音引擎。
• 修復在 Terminal-Bench 2.0 中先前模型束手無策的競態條件與並發錯誤（+4.0 個百分點）。
• 在 Factory Droids 任務成功率提升 10–15%，工具錯誤減少至 ⅓。
• 在程式碼品質、測試品質與審查準確度方面的雙位數提升（CodeRabbit、Qodo）。

低努力級別的 4.7 現可匹敵中等努力級別的 4.6 品質，因此在相同（甚至更低）token 花費下完成更多工作。

Vision & Multimodal Leap

這是單一最大升級。最高影像解析度從 1.15 MP（1568 px）躍升至 3.75 MP（長邊 2576 px）——像素增加 3.3×，並提供 1:1 座標映射。對截圖或圖表不再需要縮放因子的計算。

結果：

• 視覺敏銳度基準：98.5% vs 54.5%（相較 4.6）。
• CharXiv-R（無工具）：+13.4 個百分點；有工具：+13.6 個百分點。
• 解鎖像素級精準的電腦使用代理、密集截圖分析、化學結構解析與 UI/UX 設計審查。

Agentic Workflows, Reliability & Instruction Following

Opus 4.7 引入原生自我驗證——模型先規劃、執行、驗證，再回報。這大幅降低長期任務中「自信但錯誤」的答案。檔案系統記憶的改進讓真正的多日自治成為可能。

指令遵循更嚴謹且更按字面。針對 4.6 較鬆散風格調過的提示可能需要審核——例如「consider」這類措辭如今被視為硬性要求。對精準工作而言這是特色，但需要進行提示遷移。

**關於回退的註記：**長上下文針對性檢索（MRCR）顯著下降（例如在 256K 下 91.9% → 59.2%）。Anthropic 表示正逐步淘汰此類合成測試，改用應用的 GraphWalks 指標；在此框架下，真實程式碼理解仍然強勁。

New xhigh Effort Level + Task Budgets

Opus 4.7 新增介於 high 與 max 之間的 xhigh，提供更精細的控制。Claude Code 目前在各方案中預設為 xhigh。新的 task_budget（公開測試版）讓模型可在整個代理式迴圈中追蹤總 token，並在預算用罄時優雅完成。

Instruction Following, Self-Verification & Memory

Opus 4.7 對提示的解讀更為字面——對精準非常有利，但舊的模糊提示可能需要收緊。它會自擬驗證步驟（Plan → Execute → Verify → Report），並在多會話工作中更佳地重用檔案系統記憶。對打造持久代理的團隊而言，這是最實用的升級之一，因為它減少了重複解釋、重載與重規劃。

Tokenizer Update

新的分詞器提升了品質，但可能消耗 1.0–1.35× 的 token（最多 +35%）。token 計數端點現在會返回不同的數字。淨效果是：在相同品質目標下，尤其於較低努力級別時，較高的任務品質往往可抵銷增加的 token。

Safety, Alignment & Cybersecurity

安全側寫類似 4.6（低不對齊），在誠實性與抵抗提示注入方面略有改善。

Opus 4.7 隨附 Project Glasswing 的防護：即時阻擋被禁止或高風險的網安用途。CyberGym 分數刻意維持不變。不對齊行為相較 4.6 略有改善。完整系統卡可於 Anthropic 官網取得。

Pricing, Token Efficiency & CometAPI Savings

官方定價相同，但每次任務的有效成本下降，因為低努力級別的 4.7 ≈ 中等努力級別的 4.6 品質，且更高的成功率意味著更少重試。新的分詞器對相同文字的輸入 token 增加 0–35%，但在匹配品質下的淨用量常更有利。

**CometAPI 優勢：**可同時以 每百萬 tokens $4 輸入 / $20 輸出 存取兩個模型——比官方便宜 20%——並可透過單一相容 OpenAI 或 Anthropic Messages 端點，在 500+ 模型（GPT-5.4、Gemini 3.1 等）間無縫切換。供應商調價時無停機風險。零供應商綁定。操場測試與統一計費讓遷移毫不費力。

Side-by-Side Benchmark Deep Dive

以下為 Anthropic 發布資料的完整 14 項基準對比（由合作夥伴驗證）：

Coding Benchmarks

• SWE-bench Verified：80.8% → 87.6%（+6.8 個百分點）
• SWE-bench Pro：53.4% → 64.3%（+10.9 個百分點）
• Terminal-Bench 2.0：65.4% → 69.4%（+4.0 個百分點）

Agentic & Tool-Use

• MCP-Atlas：62.7% → 77.3%（+14.6 個百分點）——最大單次提升
• OSWorld-Verified：72.7% → 78.0%（+5.3 個百分點）
• Finance Agent：60.7% → 64.4%（+3.7 個百分點）

Reasoning & Knowledge

• GPQA Diamond：91.3% → 94.2%（+2.9 個百分點）
• HLE（無工具）：40.0% → 46.9%（+6.9 個百分點）
• MMMLU：91.1% → 91.5%（+0.4 個百分點）

Vision

• CharXiv-R（無工具）：68.7% → 82.1%（+13.4 個百分點）
• CharXiv-R（有工具）：77.4% → 91.0%（+13.6 個百分點）

Regressions (transparent)

• BrowseComp：84.0% → 79.3%（–4.7 個百分點）——對測試工具敏感
• CyberGym：73.8% → 73.1%（–0.7 個百分點）——基於安全的刻意調整

**Internal Research-Agent Benchmark：**整體 0.715（並列最高），其中 Finance 模組由 0.767 跳升至 0.813。

Real-World Performance & Use Cases

Box 的代理式工作流程測試顯示，Opus 4.7 以 7.1 次 LLM 呼叫 vs 16.3（下降 2.3×）完成相同任務，AI 單位使用量降低 30%。中位延遲由 242 秒降至 183 秒。

企業夥伴（Harvey、Databricks、Hebbia、Ramp、Genspark）回報：

• 文件推理錯誤減少 21%。
• 多代理在長時段下的協同更佳。
• 投影片、試算表與程式碼的整合更緊密。

Who Should Upgrade Immediately?

• 使用 Cursor/Claude Code 的軟體工程團隊。
• 需要可靠長期自治的 AI 代理構建者。
• 視覺密集工作流（截圖、圖表、UI 審查）。
• 金融、法務與知識工作自動化。

API Changes, Migration Guide & Code Examples

Breaking Changes (Messages API)

• 移除擴展思考預算 → 使用 thinking: {"type": "adaptive"}。
• 不再接受抽樣參數（temperature 等）→ 以提示控制。
• 預設省略思考內容。
• 新分詞器需在 max_tokens 預留餘量。

Migration Guide + Code Examples (CometAPI)

**Step 1：**更新模型名稱為 claude-opus-4-7（或 CometAPI 別名）。

**Step 2：**審核提示以符合更字面的解讀。

**Step 3：**測試努力等級（針對程式設計先以 xhigh 起步）。

**Step 4：**使用任務預算限制支出。

（Python）

import anthropic
import os

client = anthropic.Anthropic(
    api_key=os.getenv("COMETAPI_KEY"),  # Your CometAPI sk- key
    base_url="https://www.cometapi.com/console/"  # CometAPI base
)

message = client.messages.create(
    model="claude-opus-4-7",  # or "claude-opus-4-6" for comparison
    max_tokens=4096,
    temperature=0.7,
    effort="xhigh",  # New level for deep reasoning
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Refactor this legacy Python module into clean, type-hinted, testable code. Follow instructions literally: use Pydantic v2, add comprehensive tests, no external deps beyond stdlib + pydantic. Verify your changes before responding."},
                {"type": "image", "source": {"type": "base64", "media_type": "image/png", "data": "iVBORw0KGgoAAAANSUhEUg..."} }  # High-res screenshot support
            ]
        }
    ]
)

print(message.content[0].text)

Self-verification demo prompt (works far better on 4.7):

(text):

Plan → Execute → Verify → Report:
1. Analyze the attached codebase.
2. Propose refactors.
3. Implement changes in a new file.
4. Run mental unit tests and edge cases.
5. Only output final verified code if all checks pass.

在你的實際工作負載上進行 A/B 測試——多數團隊觀察到迭代次數下降 20–40%。

Note:

First, The new tokenizer generates more tokens from the same text. Opus 4.7 introduced a new tokenizer, improving how the model processes text. The trade-off is that the same input will map to more tokens; the exact number depends on the content type, but is roughly between 1.0 and 1.35 times.

Secondly Higher effort levels allow for more comprehensive consideration, especially in multi-turn agent scenarios.

This leads to better reliability, but also more output tokens.

The official solution provides three approaches:

• Adjusting the effort level using the efficiency parameter
• Limiting the budget using task budgets
• Telling the model to "be more concise" in the prompt.

Known limitations and migration notes

• Extended thinking budgets removed → use thinking: {"type": "adaptive"}. thinking: {type: "enabled", budget_tokens: N} is no longer supported; use adaptive thinking instead.
• Sampling params (temperature, etc.) no longer accepted → use prompting. temperature, top_p, and top_k should be removed from requests when migrating to Opus 4.7.
• The model is described as more literal and more direct than Opus 4.6, which is useful for precision but may require sharper prompts.
• New tokenizer requires headroom in max_tokens. Anthropic recommends re-checking max_tokens headroom because Opus 4.7 can produce higher token counts for the same text.
• Thinking content omitted by default.

Final Verdict & Recommendation

Claude Opus 4.7 是 2026 年任何嚴肅的程式、代理或視覺工作負載的明顯勝者。 這些增益不是微幅——而是可改造生產的級別。若你仍在使用 Opus 4.6，請於本週完成遷移。更高的品質、更少的呼叫次數與相同（或透過 CometAPI 更低）的定價，使其成為不需多想的選擇。

Action steps:

• 在 CometAPI 的操場以你的實際工作負載測試 4.7。
• 先更新一項服務（Cursor 或你的代理框架）。
• 首週監測 token 使用。
• 在擁有橫跨 500+ 模型的統一、較便宜存取下自信擴張。