一天反转， ，，，，，，霍尔木兹海峡开了又关， ，，，，，，专家：小心市场情绪太过乐观
外地时间 4 月 16 日， ，，，，，，Anthropic 正式宣布新一代旗舰模子 Claude Opus 4.7。。 。。。 。该公司将其定位为 " 迄今能力最强的通用可用模子 "， ，，，，，，标记着人工智能行业竞争焦点的决议性转变——从追求对话流通性转向审核自主使命执行能力。。 。。。 。与两个月前宣布的 Opus 4.6 相比， ，，，，，，新版本专为 Agentic 事情流设计， ，，，，，，即需要 AI 在较长时间内自力运行、仅需少量人类干预的重大使命。。 。。。 。此次更新优先提升高区分率视觉感知、重大多步软件工程链稳固性， ，，，，，，以及长上下文检索能力， ，，，，，，而非纯粹追求推理深度（官方博客地址：https://www.anthropic.com/news/claude-opus-4-7）。。 。。。 。值得注重的是， ，，，，，，Anthropic 在宣布 Opus 4.7 的同时坦诚体现， ，，，，，，这并非其最强模子——能力更强的 Claude Mythos Preview 仍处于受限测试阶段。。 。。。 。视觉智能突破与长上下文瓶颈攻克在企业级应用场景的基准测试中， ，，，，，，Opus 4.7 与主要竞争敌手的性能差别进一步拉大。。 。。。 。在 OfficeQA Pro 评测中——该评测由 Databricks 开发， ，，，，，，要求模子剖析近 9 万页美国财务部历史文件（涵盖近 100 年公报、2600 万个数字）—— Opus 4.7 取得 80.6% 的得分。。 。。。 。这一效果险些是谷歌 Gemini 3.1 Pro（42.9%）的两倍， ，，，，，，并大幅领先于 GPT-5.4（51.1%）。。 。。。 。数据显示， ，，，，，，Anthropic 已在长上下文检索的要害瓶颈上取得突破。。 。。。 。在 BFS 1M 测试中——该测试由 OpenAI 设计， ，，，，，，将一张有向图用边列表塞满 100 万 token 上下文， ，，，，，，要求模子举行图遍历—— Opus 4.7 从 Opus 4.6 的 41.2% 提升至 58.6%， ，，，，，，提升幅度达 17.4 个百分点。。 。。。 。这项指标被视为权衡 AI 智能体（Agent）跑多办法长使命的硬性指标。。 。。。 。在 Vending-Bench 2 模拟谋划测试中， ，，，，，，Opus 4.7 最终实现 10,937 美元余额， ，，，，，，较 Opus 4.6 的 8,018 美元提升 36%， ，，，，，，展现出长时间事情流中的决议连贯性优势。。 。。。 。视觉智能是此版本前进最为显著的方面。。 。。。 。Opus 4.7 现在支持最长边达 2,576 像素的图像输入， ，，，，，，区分率约 375 万像素， ，，，，，，较前代提升凌驾三倍。。 。。。 。这使得模子能够 " 看到 " 屏幕上占比低至 0.07% 的 UI 元素。。 。。。 。在 ScreenSpot-Pro 基准测试中——该基准评估 AI 在 VSCode、Photoshop、AutoCAD 等专业软件中定位特定按钮或数据点的能力—— Opus 4.7 在高区分率模式下配合工具挪用功效抵达 87.6% 的乐成率， ，，，，，，而 Opus 4.6 在低区分率下仅为 57.7%。。 。。。 。这种准确度不再是纯粹的学术探索， ，，，，，，而是 " 电脑使用 "（Computer Use）能力的条件。。 。。。 。Anthropic 将图像区分率大幅提升的实质目的， ，，，，，，是让 AI 能够看懂软件界面、麋集表格、终端输出、设计稿细节和代码截图。。 。。。 。未来 AI 办公、AI 测试、AI 清静、AI 前端开发等使命， ，，，，，，都将从纯文本使命转向屏幕使命。。 。。。 。在 SWE-bench Multimodal 测试中——该测试要求模子团结 UI 截图和代码一起修复前端 JavaScript bug —— Opus 4.7 从 Opus 4.6 的 27.1% 提升至 34.5%， ，，，，，，提升 7.4 个百分点。。 。。。 。这批注视觉能力的升级直接服务于编程场景的现实需求。。 。。。 。Anthropic 在官方通告中特殊强调， ，，，，，，Opus 4.7 在指令遵照能力上泛起显著提升。。 。。。 。过往模子可能会宽松地 " 瞎搅 " 指令或完全跳过部分指示， ，，，，，，但 Opus 4.7 会严酷按字面意思执行指令。。 。。。 。这一转变带来双重影响：一方面， ，，，，，，它镌汰了提醒词 " 玄学 "， ，，，，，，使写需求、命名堂、列限制条件变得越发可靠；；；；；；；；另一方面， ，，，，，，用户可能需要重写旧的、更偏对话式的提醒词以阻止意外输出。。 。。。 。许多用户的提醒词是在旧模子 " 会自动补全真实意图 " 的习惯上调优出来的， ，，，，，，而新模子的刚性可能导致这些旧提醒词失效。。 。。。 。在高级软件工程领域， ，，，，，，这种严谨性转化为显著提升。。 。。。 。在 SWE-bench Verified 测试中， ，，，，，，Opus 4.7 得分为 87.6%， ，，，，，，Opus 4.6 为 80.8%；；；；；；；；在更难的 SWE-bench Pro 测试中， ，，，，，，Opus 4.7 为 64.3%， ，，，，，，Opus 4.6 为 53.4%。。 。。。 。这意味着用户可以将已往需要亲近监视的高难度编码事情交给 Opus 4.7 处置惩罚， ，，，，，，它会在汇报效果前自动验证自身输出。。 。。。 。Opus 4.7 在使用基于文件系统的影象方面体现更为精彩。。 。。。 。它能在长时间、多会话的事情中记着主要条记， ，，，，，，并将其用于开展新的使命， ，，，，，，因此新使命需要更少的前置上下文。。 。。。 。一个能跨会话记着项目约束、用户偏好、架构决媾和上次失败缘故原由的 Agent， ，，，，，，才可能从 " 智慧暂时工 " 酿成 " 稳固同事 "。。 。。。 。这一特征在官方通告中并不显眼， ，，，，，，但可能是恒久使用中最要害的更新。。 。。。 。陪同 Opus 4.7 宣布， ，，，，，，Anthropic 还更新了 Claude Code， ，，，，，，新增 auto mode 和 /ultrareview 功效。。 。。。 。auto mode 不是模子自动选型， ，，，，，，而是权限选项。。 。。。 。它允许 Claude 替用户做一些权限决议， ，，，，，，让长使命少被打断， ，，，，，，但危害低于完全跳过权限确认。。 。。。 。这个设计针对的是 Agent 产品的焦点矛盾：问太多， ，，，，，，Agent 像实习生；；；；；；；；不问， ，，，，，，危害又太大。。 。。。 。auto mode 的实质， ，，，，，，就是在 " 别烦我 " 和 " 别瞎搅 " 之间找平衡。。 。。。 。/ultrareview 是一个专门的代码审查会话， ，，，，，，可读取变换并指出 bug 和设计问题。。 。。。 。这标记着 AI 编程正式进入第二阶段：让 AI 自己审查 AI 自己天生的代码。。 。。。 。天生代码只是开发流程的一部分， ，，，，，，审查、测试、重构、文档同样主要。。 。。。 。若是 AI 只能做第一步， ，，，，，，它永远只是辅助工具；；；；；；；；若是它能加入整个流程， ，，，，，，它才可能真正改变软件开发的方法。。 。。。 。专业领域的经济价值正加速释放在 Structural Biology（结构生物学）基准测试中， ，，，，，，Opus 4.7 的推理得分从 Opus 4.6 的 30.9% 跃升至 74.0%， ，，，，，，一次版本迭代实现 2.4 倍增添。。 。。。 。这是所有基准测试中跃升最夸张的一项。。 。。。 。这种分子推理能力的突破批注， ，，，，，，该模子正在从通用辅助迈向专业科学研究领域。。 。。。 。关于更普遍的劳动力市场而言， ，，，，，，模子刷新后的指令遵照能力意味着在短时间内它更禁止易爆发 " 幻觉 " 或遗漏办法。。 。。。 。在金融剖析领域， ，，，，，，Opus 4.7 同样取得领先职位。。 。。。 。在 Finance Agent v11 测试中， ，，，，，，Opus 4.7 得分为 64.4%， ，，，，，，Opus 4.6 为 60.1%。。 。。。 。在 GDPval-AA 评估中——该评估由 Artificial Analysis 基于 OpenAI GDPval 数据集开发， ，，，，，，笼罩 44 种知识事情职业、9 大 GDP 焦点行业， ，，，，，，使命来自资深职业人士（平均 14 年履历）的真实交付物—— Opus 4.7 获得 1753 分的 Elo 评分， ，，，，，，高于 Opus 4.6（1619 分）、GPT-5.4（1674 分）和 Gemini 3.1 Pro（1314 分）。。 。。。 。Anthropic 先容称， ，，，，，，Opus 4.7 在金融剖析使命上能够天生更严谨的剖析与建模、更专业的报告展示， ，，，，，，并在各项使命间实现更细密的整合。。 。。。 。在宣布 Opus 4.7 的同时， ，，，，，，Anthropic 推出了一份系统说明书并更新了 Cyber Verification Program（网络清静验证妄想）。。 。。。 。该项目实质上是对能力举行分级：通俗用户拿到的是有护栏的 Opus， ，，，，，，经由验证的清静专家才华申请更宽的网络清静用途权限。。 。。。 。值得注重的是， ，，，，，，Anthropic 有意限制了 Opus 4.7 的高级网络清静能力， ，，，，，，使其低于 Mythos Preview 模子中的水平， ，，，，，，以避免在进攻性操作中的滥用。。 。。。 。官方甚至体现， ，，，，，，他们在训练历程中实验性地削弱了这个模子的网络清静能力。。 。。。 。Opus 4.7 被明确定位为 " 第一款用来测试新网络清静护栏的果真模子 "。。 。。。 。Anthropic 体现， ，，，，，，他们会从 Opus 4.7 的真实安排中学习， ，，，，，，为未来 Mythos 级别模子的普遍宣布做准备。。 。。。 。这种审慎的安排战略凸显了硅谷日益增添的主要关系：在争相打造能够替换人类事情者的模子的同时， ，，，，，，也要确保统一模子无法摧毁数字基础设施。。 。。。 。当模子能力抵达某个临界点后， ，，，，，，竞争逻辑从 " 我比你强 " 最先转向 " 会不会失事 "。。 。。。 。特朗普政府最近强调美国在 AI 清静方面需要施展向导作用， ，，，，，，Anthropic 的宣布战略正是对这一政策导向的呼应。。 。。。 。公司选择先把最强的模子锁起来， ，，，，，，用稍弱但足够好的模子来测试清静机制。。 。。。 。这不是手艺上做不到， ，，，，，，而是自动选择不做。。 。。。 。这种 " 榨取 " 自己成了产品差别化的一部分。。 。。。 。至少在宣布战略上， ，，，，，，Anthropic 给出了一种新思绪：有时间 " 不做什么 " 比 " 能做什么 " 更主要。。 。。。 。Token 消耗激增背后的本钱逻辑效率也意味着实着实在的本钱。。 。。。 。Opus 4.7 使用了修订后的分词器（tokenizer）， ，，，，，，使得相同输入量下的 token 消耗约莫增添了 10% 到 35%。。 。。。 。虽然 Anthropic 在定价上与 Opus 4.5 和 Opus 4.6 坚持一致（输入每百万 token 5 美元， ，，，，，，输出每百万 token 25 美元）， ，，，，，，但 token 密度的增添意味着高强度使命将更快消耗 API 积分。。 。。。 。这种隐性本钱上涨是模子增添 " 思索 " 时间的价钱。。 。。。 。尤其在使用新的 Xhigh Effort 模式时——该模式位于标准处置惩罚与最大推理深度之间——模子会举行更多内部推理， ，，，，，，从而提高可靠性， ，，，，，，但也会爆发更多输出 token。。 。。。 。Anthropic 在迁徙指南中提醒用户， ，，，，，，Opus 4.7 的 token 使用可能增添， ，，，，，，但在现实编程评估中， ，，，，，，整体效率反而提升了。。 。。。 。这说明他们优化的不是单次挪用的本钱， ，，，，，，而是完成使命的总本钱。。 。。。 。一个 Agent 若是第一次就把事情做对， ，，，，，，纵然单次挪用贵一点， ，，，，，，总本钱也比重复试错要低。。 。。。 。这是一种更成熟的产品思绪。。 。。。 。早期 AI 产品追求的是 " 自制 " 和 " 快 "， ，，，，，，现在最先追求 " 靠谱 "。。 。。。 。Anthropic 新增的 x-high effort 和 task budgets（使命预算）功效， ，，，，，，说明高端模子的使用方法正在走昔时云盘算的那套逻辑。。 。。。 。用户买的不是一次回覆， ，，，，，，而是在给一个会思索、会试错、会验证的使命历程付费。。 。。。 。已往模子计费主要看输入输出长度， ，，，，，，现在还要看思索的品级、使命预算、Agent 跑了几轮、工具失败后有没有继续推理。。 。。。 。这种计费模式的演变， ，，，，，，反应出 Agent 产品从 " 醒目什么 " 到 " 能不可用 " 的重大奔腾。。 。。。 。综合来看， ，，，，，，Opus 4.7 不是最强的模子， ，，，，，，Anthropic 也没有把它包装成最强的模子。。 。。。 。它是在能力、清静、本钱之间的一个平衡点。。 。。。 。至于这个平衡点是否真的平衡， ，，，，，，需要期待市场来验证。。 。。。 。�？？？？？？？梢匀范ǖ氖牵� ，，，，，，随着 Opus 4.7 的宣布， ，，，，，，AI 行业竞争的焦点指标已经改变。。 。。。 。大模子竞争的焦点， ，，，，，，正在从答得像不像， ，，，，，，转到做得完不完。。 。。。 。只会写一段漂亮谜底， ，，，，，，已经不敷了。。 。。。 。能不可把一份长文档改清洁， ，，，，，，能不可把一套资料串起来做成可交付物， ，，，，，，能不可一连几十分钟甚至更久不跑偏， ，，，，，，这才会决议它在一样平常事情里能不可真的替身扛起一片天。。 。。。 。这个战略能否乐成， ，，，，，，取决于市场是否定可 " 审慎 " 这个看法。。 。。。 。若是用户只在乎 " 能不可做到 "， ，，，，，，那 Anthropic 的做法会显得守旧。。 。。。 。但若是企业客户最先重视 " 会不会失事 "， ，，，，，，那这种分级宣布、自动削弱某些能力的做法， ，，，，，，反而可能成为竞争优势。。 。。。 。（本文首发钛媒体 APP， ，，，，，，作者 | 硅谷 Tech_news， ，，，，，，编辑 | 秦聪慧）