喵哩文創

首頁 / 文章 / AI 技術

AI 技術

Claude Opus 4.7 今天發布:SWE-bench 躍升 10.9 個百分點,但有一個 Breaking Change 你現在就要處理

Claude Opus 4.7 今日正式發布,SWE-bench Pro 從 53.4% 暴增至 64.3%,但開發者必須注意 extended thinking 棄用和新 tokenizer 隱性漲價。完整解析 Routines、Ultraplan 三大新功能。

Louis2026 年 4 月 16 日發布11 月 11 日更新閱讀約 13 分鐘

本文最後更新於 2026 年 11 月 11 日

Opus 4.7 到底強在哪,數字說話

先看最硬的東西:benchmark。

Claude Opus 4.7 在編碼(SWE-bench)和工具使用(MCP-Atlas)領先,但 BrowseComp 搜尋任務仍落後 GPT-5.4 整整 10 個百分點。(信心分數 80-85,加限定詞)

看這張圖有幾個重點。

首先,SWE-bench Pro 的 64.3% 意味著什麼。SWE-bench 測試的是模型能否解決真實 GitHub 開源專案的 bug,不是人工設計的題目。從 53.4% 到 64.3%,等於 Opus 4.7 在每 100 個真實 bug 裡,多解決了大約 11 個。對於用 Claude Code 每天修 bug 的人來說,這個差距是能感受到的。

CursorBench 也從 58% 跳到 70%,這個 benchmark 更貼近真實的 IDE 使用情境。

但有一個地方我必須說清楚:搜尋任務(BrowseComp)是 Opus 4.7 的弱點。GPT-5.4 的 89.3% 對上 Opus 4.7 的 79.3%,差距 10 個百分點,這在 benchmark 世界裡是很明顯的落差。如果你的工作流程高度依賴網路搜尋和資訊整合,這是需要考慮的。

還有一個讓我意外的升級:視覺解析度從約 840 像素提升到 2,576 像素,整整是前一版的 3 倍。處理高解析度截圖、設計稿或技術架構圖時,這個差距會很明顯。

另外知識截止點從 2025 年 5 月更新到 2026 年 1 月,差了整整 8 個月。這意味著你問 Opus 4.7 關於 2025 年下半年發生的事,它終於知道了。

Opus 4.7 的核心優勢是編碼能力(SWE-bench +10.9pp)和工具呼叫(MCP-Atlas +9.2%),弱點是搜尋整合(BrowseComp 落後 GPT-5.4 10 個百分點)。選擇工具前,先確認你最主要的使用情境在哪一類。

—

開發者必看:兩個會影響你的 Breaking Change

這部分比 benchmark 更重要,因為如果你有生產環境的 API 整合,今天就需要處理。

Extended Thinking 棄用,要改 API 呼叫

Opus 4.6 支援手動設定 extended thinking,讓你明確指定模型要用多少 token 來「深思熟慮」。這在很多複雜推理任務裡效果很好,所以有不少開發者把它寫進了 workflow。

Opus 4.7 完全廢棄了這個參數。

如果你的程式碼有這樣的設定:

# 這在 Opus 4.7 上會回傳 400 錯誤
response = client.messages.create(
    model="claude-opus-4-7",
    thinking={"type": "enabled", "budget_tokens": 10000},
    ...
)

你現在必須改成:

# Opus 4.7 的正確寫法
response = client.messages.create(
    model="claude-opus-4-7",
    thinking={"type": "adaptive"},  # 模型自動決定思考深度
    ...
)

新的 Adaptive Thinking 是讓模型自己判斷這個問題需要多深的思考。Interleaved thinking(思考和回答交錯)也變成預設啟用。

我理解有些人不喜歡這種「模型自己決定」的設計,因為會讓 token 消耗變得難以預測。但 Anthropic 的說法是,模型比人類更清楚自己需要多少思考空間。這是否真的如此,還需要時間驗證。

如果你有任何使用 Opus 模型且設了 thinking: {type: "enabled"} 的程式,現在就要改。不用等到 Opus 4.6 退役(2026-06-15),因為你一旦把 model ID 改成 claude-opus-4-7,立刻會收到 400 錯誤。

新 Tokenizer 是一種隱性漲價

這個比較微妙,很多公告沒有強調,但我覺得必須說清楚。

Anthropic 宣布 Opus 4.7 的定價與 4.6 相同,輸入 $5 / MTok,輸出 $25 / MTok。但它同時引進了新的 tokenizer,同樣的文字,在 Opus 4.7 上產生的 token 數是 Opus 4.6 的 1.0 到 1.35 倍。

用個簡單的例子說明:你有一個 Prompt 在 Opus 4.6 消耗 10,000 個 input token,在 Opus 4.7 上可能消耗 10,000 到 13,500 個 token,費用可能上漲最多 35%。

從另一個角度看也是一樣的:Opus 4.7 的 1M token context window,實際能放入的英文字數約是 555,000 字,而 Opus 4.6 的 1M token 可以放約 750,000 字。表面上 context 一樣大,實際裝得下的內容少了 26%。

升級到 Opus 4.7 之前,建議先用幾個代表性 prompt 測試一下 token 消耗量的變化。如果你的使用情境大量依賴長 prompt 或大量平行請求,成本可能比預期高。Anthropic 的 token 計算器可以幫你估算差異。
Opus 4.7 有兩個 Breaking Change:1)extended thinking 棄用(程式碼有這個設定會直接 400),2)新 tokenizer 讓實際成本提升最多 35%。兩個都需要主動評估和處理。

—

Claude Code 三大新功能:這才是我真正興奮的部分

Opus 4.7 是模型層的更新,但這幾天 Claude Code 同步推出的三個功能,對我日常工作流的影響更直接。

Claude Code 三大新功能定位比較。Desktop 重設計是正式版,Routines 和 Ultraplan 仍在預覽階段。

Routines:最有潛力但也最需要謹慎的功能

Routines 讓你可以建立自動化任務,不需要你坐在電腦前。觸發方式有三種:排程(每小時、每晚、每週)、API 呼叫,以及 GitHub webhook。

這是我看到 Claude Code 生態裡第一個真正靠近「自主 Agent」的功能。

最讓我感興趣的是 GitHub webhook 觸發。你可以設定:每當有新 PR 開出,自動跑一次 code review 並留下評論。或者當 CI 失敗,自動分析 log 並嘗試建立修復的 draft PR。

使用量會從你的訂閱額度扣除,每日執行上限是 Pro 5 次、Max 15 次、Team 和 Enterprise 25 次。目前仍是研究預覽版,在設計上還有不少限制。

我的直接感受:這個功能真正落地還需要時間,但方向是對的。很多開發者一直在等的「讓 AI 在背景幫我處理瑣事」,終於有了具體的產品形態。

Ultraplan:給複雜規劃工作用的,三種模式各有用途

Ultraplan 是一個獨立的規劃工具,有三種模式:Simple(小改動)、Visual(視覺化)、Deep(架構工作)。

比較特別的是,你可以在 web 編輯器裡加上評論,然後把這份計畫推送到雲端,或者拉回本地端讓 Claude Code 直接執行。

目前仍在早期預覽,我還沒有充分測試,不便過度評斷。但從設計思路來看,Anthropic 是想讓「規劃」和「執行」之間的銜接變得更流暢,尤其是需要跟團隊討論再動手的情況。

Desktop App 重設計:這個才是今天立刻能感受到的差異

三個功能裡,Desktop App 的重設計是唯一的正式版,也是我今天最有直接感受的。

多 session 側邊欄讓你可以同時管理多個任務,依狀態、專案、環境篩選。整合終端讓你不用在 Claude Code 和 terminal 之間切換。重建的 diff viewer 對大型改動更友善。

新增的 Side Chat(快捷鍵 Cmd+;)讓你可以在不影響當前 session 的情況下問一個問題,不用開新的對話。這個小細節在實際使用中比想像的有用,因為有時候只是想快速確認一個語法,不值得打斷現有的工作脈絡。

還有一個新指令:/ultrareview,會開啟一個專門的 code review session,比一般的請 Claude 看程式碼更深入。Pro 和 Max 用戶各有 3 次免費使用機會。

三個新功能裡,Desktop App 重設計今天就可以用,而且是真的讓使用體驗更好。Routines 和 Ultraplan 現在用更像是在嘗鮮,等幾個月正式版之後再評估更合適。

—

Opus 4.7 背後還有一個更強的 Mythos

如果你看過我們之前寫的 Mythos 完整解析(上篇) 和 Mythos 的商業佈局(下篇),今天的 Opus 4.7 發布會更有脈絡感。

簡單說:Anthropic 現在同時跑兩條產品線。

Opus 4.7 是今天你能拿到的最強公開模型,SWE-bench Pro 64.3%。但 Anthropic 早在幾天前就預覽了 Mythos,SWE-bench Pro 是 77.8%,比 Opus 4.7 還高 13.5 個百分點。

CNBC 在報導中直接引述 Anthropic,說 Opus 4.7 比 Mythos「整體能力不足」(less broadly capable)。這是一句很不尋常的官方自我定位,等於親口承認自家最強公開模型不是自家最強模型。

Mythos 走的是另一條路:以 Opus 為 backbone 加入深度網路安全強化訓練,目前透過 Project Glasswing 只開放給 50 家合作夥伴,包括 Amazon、Apple、Microsoft、Cisco,Anthropic 為此承諾投入 $1 億美元的算力資源。

「Mythos 讓 AI 能夠自主在每個主流作業系統、每個主流瀏覽器中找到數千個 zero-day 漏洞」
— Anthropic,Project Glasswing 說明頁面

這引發了不少爭議,安全研究者 Bruce Schneier 和外交關係委員會(CFR)都發文討論 Mythos 帶來的安全意涵。

從商業策略的角度看,Anthropic 的做法是:把最強能力鎖在付費夥伴生態裡,同時把次一級的能力(但對多數人來說已經夠強的 Opus 4.7)推向大眾市場。這不是第一次有 AI 公司這樣做,但 Anthropic 是第一個把技術差距說得如此明確的。

如果你想深入了解 Mythos 事件,可以看我們的完整分析系列。

Opus 4.7 是今天你能用到的最強公開模型,但 Anthropic 同時有一個更強的 Mythos 鎖在合作夥伴生態裡。這是 Anthropic 有意識的雙軌策略,也是理解今後 AI 商業模式的一個重要線索。

—

退役時間表和你現在應該做什麼

幾個明確的截止日期,你需要知道:

模型 退役日期 距今
Claude Haiku 3 2026-04-19 三天後
Claude Sonnet 4 (original) 2026-06-15 約兩個月
Claude Opus 4 (original) 2026-06-15 約兩個月

Haiku 3 三天後就退役,這是今天最緊急的事情。如果你或你的應用程式有用到 claude-haiku-3,現在就要換成 claude-haiku-3-5 或更新的版本。

針對 Opus 4.7 的遷移,我建議這樣的順序:

第一步(今天): 在你的程式碼裡搜尋 "type": "enabled" 和 budget_tokens。如果有用到,修改成 "type": "adaptive",再視需要加上 effort 參數控制推理深度。

第二步(本週): 用幾個代表性 prompt 測試新舊 tokenizer 的 token 消耗差異。尤其是有長 prompt 或大量 API 請求的情境,先估算一下成本影響。

第三步(有空時): 更新 model ID 到 claude-opus-4-7,並在測試環境跑一輪完整測試,確認沒有因為 tokenizer 改變導致意外截斷的問題。

Haiku 3.5 是現在最推薦的輕量模型選擇,成本低,知識截止點也更新,適合作為 Haiku 3 的直接替代。如果你在用 AI 工具導入工作流程,模型版本管理是長期要維護的事,建議統一用環境變數管理 model ID,而不是硬寫在程式碼裡。

—

我的整體判斷

Opus 4.7 是一次真實的能力提升,不是行銷包裝。SWE-bench 和 CursorBench 的數字跳動幅度,在編碼模型的競爭裡是有意義的。視覺解析度的提升也讓一些之前很難用 AI 處理的工作場景變得可行。

但有幾件事我需要誠實說:

extended thinking 的棄用打亂了不少已經調好的 workflow,需要重新校正。新 tokenizer 讓「定價不變」這個說法實際上並不完整,你的真實成本可能會上升。BrowseComp 上落後 GPT-5.4 的 10 個百分點,在搜尋整合這條路上還有明顯的差距要追。

Claude Code 的三個新功能裡,Desktop App 重設計是今天就能感受到的改善,Routines 和 Ultraplan 則更像是未來方向的預告片,現在用是嘗鮮,不是依賴。

Mythos 的存在讓我對未來有點複雜的感受,最強的能力不在大眾手裡,這是 AI 商業化走向某個特定方向的訊號。我不確定這個方向是好是壞,但值得持續觀察。

如果你現在要問我:該不該立刻升級到 Opus 4.7?

我的答案是:如果你主要用 Claude Code 做程式開發,是的,升。如果你有依賴 extended thinking 的生產環境 API 整合,先測試完再換。如果你主要的使用場景是搜尋和資訊整合,繼續觀察,等看看 GPT-5.4 跟 Opus 4.7 在真實工作裡的差距有多大。

有任何問題或你自己升級後的感受,歡迎在留言區聊聊。

—

延伸閱讀

– Mythos 完整解析(上篇):Anthropic 最強但不公開的模型
– Mythos 商業佈局(下篇):Project Glasswing 背後的策略
– AI 工具導入工作流程:從混亂到系統化的關鍵步驟
– Anthropic 官方:Claude Opus 4.7 發布公告
– Claude Code Routines 官方說明
– Models Overview 完整 API ID 表

—

標籤: #Claude #AnthropicAI #ClaudeCode #AI開發工具 #大語言模型 #軟體開發
分類: AI 工具 / 開發者資源

下一步

想知道你的流程適不適合先做?

30 分鐘免費診斷,幫你挑出最值得先做的一段工作。

喵哩文創
替沒有資訊部門的中小企業,開發 AI 應用、軟體與量化工具。
先加 LINE 問簡短問題