发生了什么
据 掘金作者董张宇发布的上线后 分析报告，Anthropic 在 Opus 4.6 发布约两 个月后推出了 Claude Opus 4.7。新模型配备 100 万 token 的上下文窗口、128k 最大输出 token，视觉分辨率也从约 1.15MP 提升至 3.75MP。在 SWE-bench Pro 上，Opus 4.7 的得分从上一版本的 53.4% 跃升至 64.3%——近 11 个百分点的提升，使其在公开可用模 型中跻身软件工程任务的第一梯队。
据同 一消息来源，Anthropic 内部已承认 Opus 4.7 并非公司当 前能力最强的模型；一个名为 Claude Mythos Preview 的更强系统目前 仍处于私有预览阶段。
为何值得关注
能力层 面的提升确实存在，但三项变更为生产环境工程团队带来了不可忽视的 摩擦。
tokenizer 变更导致实际费用上涨
据掘金分析报告， Opus 4.7 搭载了全新 tokenizer，对等效输入的 token 消耗量膨胀约 1 倍至 1.35 倍。Anthropic 公布的定 价表未作调整，但每次请求的实际费用随 token 膨胀等比上 涨。同一报告指出，Reddit 开发者社区将此定性为变 相涨价。
破坏性 API 变更：采样参数被移除
Opus 4.7 已
完全移除对 temperature、top_p 和 top_k 参数的支持。包含上
述字段的请求现在将返回 400 错误。对于任何依赖 temperature=
0 实现确定性或一致性输出的生产流水线而言，这是一次硬性破坏性变更——
而这在代码生成、数据提取和分类工作流中是极为常见的模式。
Anthropic 给出的迁移路径是基于 prompt 的行为控制。据分析报告引用的开发者反馈，对于需要精确管 理输出分布的团队而言，这一替代方案普遍被认为力度不足。
推理过程不透明与自适应推断
此
前版本中可手动配置的 thinking budget 已被自适应推理模式取代，
模型将自主选择推断深度。推理轨迹默认隐藏；开发者必须显
式启用 summarized 模式，才能获得对模型认知过程的任
何可见性。对于 agent 工作流而言，这消除了两个关键调试信号：每步骤的算
力消耗以及中间推理状态。
新推出的 Task Budget 功能允许开发者为整个 agent 循环设 置 token 上限。然而，分析报告指出该功能在低预算阈值下表现不稳定——包括输 出不完整和任务直接拒绝执行等问题——导致其目前 尚不适合用于生产级 agent 编排场景。
技术细节
- 上下文窗口：1,000,000 tokens（输入）
- 最大输出：128,000 tokens
- 视觉分辨率：约 3.75MP，较前版本约 1.15MP 大幅提升
- SWE-bench Pro：64.3% vs. 53.4%（Opus 4.6）
- 已移除 API 参数：
temperature、top_p、top_k——传入后返回 HTTP 400 - Token 膨胀：token izer 变更导致现有 prompt 的 token 用量乘数为 1.0x–1.35x
- 推理可见性：默认
隐藏；通过
summarized模式选择性开启
模型行为也已转向严格的字面指令执行。它不再从 prompt 中推断缺失的上下文——这是其一 致性提升的来源，但也意味着此前有效的 prompt 可能在不报错的情 况下悄然降低输出质量。这类回归问题是生产环 境监控中最难被发现的一类。
后续值得关注
- Claude Myt hos Preview 正式发布：Anthropic 已确认有更强模型正在内部测试中。关 注未来 30 天内的访问权限扩展或公开 benchmark 披露。
- SDK 与框架兼容性补丁：LangChain、LlamaIndex 及其他默认传入 采样参数的编排层均需更新。请关注其发布追踪器中针对 Opus 4.7 的兼容性标记。
- 竞品在参数控制上的回应：OpenAI 和 Google DeepMind 目前均保留了采样参数支持。若开发者对参数移除的强 烈反弹持续升温，关注 Anthropic 是否会引入 兼容模式，或通过 system prompt 原语提供等效的确定性控制机制。
- Task Budget 稳定性修复：当前在低 token 预算下的不稳定表现， 使其不适用于有成本上限的 agent 系统。补丁发 布或明确最低可用预算阈值的 文档更新，将是生产就绪的重要信号。
- tokenizer 费用影响验证：针对常见 prompt 类 型进行实际 token 膨胀测量的独立 benchmark， 将有助于厘清真实成本影响。目前引 用的 1.0x–1.35x 区间来自单一分析师，更广泛的验证 尚待跟进。