Claude Opus 4.7 上線：更會做事了

Model Releases/April 22, 2026·5 min read·OraCore Editors

Anthropic 推出 Claude Opus 4.7，強化長任務、視覺理解與程式工作流，但 Token 消耗也更高。

Anthropic 推出 Claude Opus 4.7。這次不是只拚聊天順不順，而是把長任務、視覺理解、工作流穩定性拉上來。官方很直白，這版就是要把事情做完。

講白了，這種升級對開發者更有感。你拿它改程式、讀截圖、整理報告，差一點點的準確率，就可能少掉一輪返工。對企業來說，這差的不是面子，是工時。

但代價也很現實。更高解析度輸入、更長輸出，Token 消耗都會上去。你如果是 API 使用者，帳單會先幫你記得這件事。

這次重點，不是更會聊

Anthropic 把 Opus 4.7 的主軸放在高階軟體工程、長時間任務、嚴格指令遵循。這代表模型不只會回你一句漂亮答案，還要能一路把步驟做完。

這種方向很合理。現在很多人已經不缺「會說」的模型，缺的是「能收尾」的模型。尤其是文件整理、跨檔案修改、研究摘要這類工作，半路跑掉真的很煩。

如果你有用過舊版 Claude，就知道它有時候前半段很穩，後半段開始飄。Opus 4.7 想解的，就是這種長鏈路任務的掉線問題。

這版另一個很實際的升級，是看圖更細。Anthropic 提到，Opus 4.7 支援長邊最高 2576 像素的圖像輸入，約 375 萬像素。對密集截圖、圖表、流程圖、介面原型圖，這很有用。

以前很多模型一碰高解析 UI，就會漏小字、漏按鈕、漏局部結構。這次比較像是把「看得到」變成「看得清」。對 Computer Use 場景，這差很多。

你如果做產品設計、QA、前端除錯，這種能力很實用。因為它不只是讀圖，而是要從圖裡抓出操作線索。

“The future is already here — it’s just not very evenly distributed.” — William Gibson

這句話放在 AI 很貼切。有人還在拿模型聊天，有人已經拿它讀截圖、找欄位、整理表格。Opus 4.7 讓這條線又往前挪了一點。

只看單一版本，Opus 4.7 只是比 Opus 4.6 強一截。但把它放進同級比較，差距就很清楚了。Artificial Analysis 的 GDPval-AA 評估，涵蓋 44 種知識工作職業與 9 大產業，任務來自平均 14 年經驗的資深從業者。

在這份評估裡，Opus 4.7 的 Elo 是 1753。Opus 4.6 是 1619。GPT-5.4 是 1674。Gemini 3.1 Pro 是 1314。這組數字很直接，Opus 4.7 已經把不少只會寫漂亮話的模型甩開。

企業文件推理的差距更誇張。Databricks OfficeQA Pro 測的是接近 100 年的美國財政部公報，資料有 8.9 萬頁 PDF 和 2600 萬個數字。這種題目很吃耐心，也很吃上下文管理。

Opus 4.7 不是白送的升級。Anthropic 明講了，高解析度圖像會吃更多 Token，新分詞器也可能讓同樣輸入變成更多 Token。高 Effort 模式下，輸出也會更長。

這對個人用戶是額度問題。對團隊和 API 用戶，就是成本問題。你如果一天跑幾百次工作流，差一點點 Token，月底就會很有感。

安全面也不能忽略。Anthropic 在發布前提過 Project Glasswing，談前沿模型在網安上的風險與收益。Opus 4.7 也帶有自動偵測與攔截高風險網安請求的護欄。

這代表它不是只往能力衝，也在收邊界。說真的，這比空喊口號實際多了。

先有感的，大概不是只拿來聊天的人，而是每天都在處理程式、表格、截圖、文件的人。因為它的價值不在文采，而在少跑偏、少返工、少人工盯著。

如果你的流程本來就會讓模型先出草稿，再人工校對，Opus 4.7 會比較像一個能穩定接手中段工作的助手。它不一定每次都驚艷，但它可能更少搞砸。

我覺得接下來真正值得看的是企業採用率。問題已經不是模型能不能寫，而是它能不能在你的流程裡，乖乖把事情寫完。

如果你是開發者，現在就該測兩件事：長上下文穩不穩，Token 成本高不高。這兩個答案，會直接決定你要不要把它放進正式流程。