PulsarTech 脈動科技

Opus 4.7 上線:新功能剛好對上 4.6 的降智爭議

約 2 分鐘

Opus 4.6 被 AMD AI group Senior Director 開 issue 炮轟降智,兩週後 Anthropic 丟 Opus 4.7。

同價位、新 xhigh effort、新 task budgeting。

我覺得這不像官方認錯,但新功能剛好對到同幾個爭議點。


先補背景:

4/2,AMD AI group Senior Director Stella Laurenzo 在 Claude Code GitHub repo 開了 Issue #42796,標題:「Claude Code is unusable for complex engineering tasks with the Feb updates」。

她用 6,852 個 Claude Code sessions、17,871 個 thinking blocks、234,760 個 tool calls 的量化分析,證明三件事:

  • Thinking content 從 1 月 ~2,200 字降到 3 月 ~600 字(-73%)
  • API calls per task 從 2 月到 3 月爆漲 80 倍
  • Code reads per task 從 6.6 次降到 2 次

The Register、VentureBeat、InfoWorld、PC Gamer 一輪狂炸。

4/6 Claude Code lead Boris Cherny(@bcherny)在 issue 留言 pinned 回覆:「thinking redact header 是 UI-only、不影響實際 reasoning budgets」。

然後 issue 已 closed。


4/16,Anthropic 丟出 Opus 4.7,三件事特別值得看:

1️⃣ 同價位

$5 / $25 per 1M tokens,跟 4.6 完全一樣。

不漲價代表:開發者 token budget 不用重算、Claude Code 自動接新版、第三方工具(Cursor、Cline)不用改定價邏輯。

切換成本壓到 0 — 看起來就是「再給我們一次機會」的產品訊號。


2️⃣ 新功能剛好對位 AMD 數據抱怨點

官方推文寫「更嚴謹」「自己驗自己輸出」,聽起來很炫,但那是既有能力強化。

真正全新的只有 4 個:

  • xhigh effort 模式(第 5 個 reasoning 等級,強制拉深推理)
  • task budgeting(給 agent 設 token 上限)
  • vision 2576px(3× 舊版)
  • Cyber Verification Program(給 security 研究者)

前兩個剛好對到 Laurenzo 抱怨最明顯的兩項 —「thinking -73%」對 xhigh effort、「API call +80x」對 task budgeting。

是不是刻意設計官方沒說,但功能重疊很難忽略。


3️⃣ benchmark 全面升級,特別是 agent 能力

  • SWE-bench Pro:53.4% → 64.3%,贏 GPT-5.4(57.7%)、Gemini 3.1 Pro(54.2%)
  • MCP-Atlas(工具調用):77.3%,贏 GPT-5.4 9 分、贏 Gemini 3 分
  • 93 題 coding benchmark:比 4.6 多解 13% 題目
  • 多步驟任務少花 14% token 做到同樣結果 — 剛好回到「API call 爆炸」同一組問題

但不是全面贏:

  • GPQA Diamond:GPT-5.4 Pro 94.4%、Gemini 94.3% 都微贏 Opus 94.2%
  • 多語言 MMMLU:Gemini 92.6% > Opus 91.5%

看起來 Anthropic 沒在搶全能王,這波就是把 agent + coding 插穩。


最值得討論的不是「4.7 benchmark 夠不夠強」,是:

4.6 的降智爭議還沒真正落幕(Anthropic 否認、issue 已 closed、社群未完全買單)。

4.7 丟出來算誠意回應,還是 timing 剛好?

你會今晚就把 Claude Code 升 4.7 預設嗎,還是先讓社群跑一週看看有沒有重演 4.6 的問題?

參考來源