Claude Opus 4.7

Главные изменения относительно Opus 4.6

Opus 4.7 не революция, а мощная итерация. Anthropic сделала упор на пять направлений:

Кодинг. Заметный рост на всех профильных бенчмарках, особенно на сложных задачах, которые раньше требовали постоянного супервайзинга.

Самопроверка. Впервые модель Claude умеет верифицировать собственный вывод перед отчётом пользователю, создавая внутренние тесты для подтверждения корректности.

Зрение. Обработка изображений в разрешении до 2576 пикселей, что более чем в три раза больше прошлых моделей.

Агентная автономия. Лучшая работа в длинных многошаговых пайплайнах с меньшим количеством ошибок инструментов.

Уровень xhigh. Новый уровень рассуждения между high и max для тонкого контроля над балансом глубины и скорости.

Бенчмарки: Opus 4.7 против конкурентов

Агентное кодирование

Opus 4.7 уверенно лидирует на SWE-bench Pro — главном индустриальном бенчмарке для реальных багов в open source репозиториях. Прирост относительно 4.6 составил почти 11 процентных пунктов, а GPT-5.4 модель обгоняет более чем на 6 пунктов. На CursorBench, измеряющем работу в IDE, рост ещё заметнее — с 58% до 70%.

Единственное заметное отставание — Terminal-Bench 2.0, где GPT-5.4 удерживает лидерство по собственным данным OpenAI.

Знания и рассуждения

На GPQA Diamond три флагмана практически равны — разброс в пределах статистической погрешности. Это значит, что бенчмарк насыщен и больше не различает модели, а конкуренция сместилась в прикладные задачи.

На ARC-AGI-2 (абстрактное рассуждение и поиск новых паттернов) Opus 4.7 показал 77,1% и обошёл Gemini 3 Pro. На GDPval-AA (экономически значимая работа в финансах и юриспруденции) Anthropic вырвалась вперёд с серьёзным отрывом.

Слабое место — BrowseComp (агентный поиск): модель просела относительно 4.6, а GPT-5.4 Pro держит уверенное лидерство на 89,3%.

Отраслевые и прикладные бенчмарки

На BigLaw Bench от Harvey Opus 4.7 набрала 90,9% с правильным разграничением тонких юридических формулировок, что ранее было проблемой для фронтирных моделей. На внутреннем бенчмарке Rakuten модель решает в три раза больше задач уровня production, чем Opus 4.6.

Компьютерное зрение и computer use

Почти двукратный рост визуальной точности для computer use делает Opus 4.7 реально применимой для автоматизации работы с интерфейсами. Утроенное разрешение позволяет разбирать плотные скриншоты, технические схемы, UML-диаграммы и планы без потери деталей.

Ключевые технические возможности

Уровень рассуждения xhigh

До Opus 4.7 API предлагал уровни low, medium, high и max. Новый xhigh расположен между high и max и решает важную практическую задачу:

Max выдаёт лучшие результаты (подбирается к 75% на кодинге), но дорог и медлителен. High иногда не хватает на реально трудных задачах. Xhigh закрывает эту нишу. Anthropic рекомендует стартовать с high или xhigh для кодинга и агентных сценариев.

Самопроверка вывода

Opus 4.7 создаёт внутренние тесты, чтобы убедиться в корректности ответа перед тем, как его отдать. Это первая модель Claude, которая прошла так называемые implicit-need tests — задачи, где нужные инструменты и действия не заданы явно, а должны быть выведены из контекста.

На внутренних бенчмарках Anthropic это даёт:

• плюс 14% на сложных многошаговых сценариях относительно Opus 4.6
• на треть меньше ошибок при работе с инструментами
• меньший расход токенов на ту же задачу

Файловая память между сессиями

Модель лучше работает с памятью на основе файловой системы: сохраняет заметки между сессиями и использует их для подхвата новых задач. Это сокращает объём контекста, который нужно передавать заново.

Task budgets (публичная бета)

Новая система позволяет задавать жёсткий лимит токенов на рассуждение для автономных агентов. Это защищает от ситуаций, когда долгоиграющая отладочная сессия съедает неожиданный бюджет.

Новый токенизатор

Tokenizer обновлён и лучше обрабатывает текст, но один и тот же ввод теперь кодируется в 1,0–1,35 раза большее число токенов в зависимости от типа контента. При миграции с 4.6 это нужно учитывать при расчёте расходов.

Экосистемные изменения: Claude Code

Вместе с моделью обновился и Claude Code:

/ultrareview — новая команда для глубокой проверки кода. Это не обычный lint, а симуляция работы senior-ревьюера: анализирует архитектуру, безопасность, производительность и поддерживаемость. Pro и Max пользователи получают три бесплатных ultrareview.

Auto mode для Max — режим, в котором Claude принимает автономные решения без постоянных разрешений, теперь доступен и подписчикам Max (раньше только Teams/Enterprise/API).

Сдвиг дефолтного effort level — в Claude Code сменилось значение по умолчанию, появилась опция --effort xhigh.

Стоимость: сравнение флагманов

Цена Opus 4.7 осталась такой же, как у Opus 4.6, что фактически означает прирост качества при тех же затратах. Gemini 3.1 Pro стоит примерно вдвое дешевле, но Opus 4.7 оправдывает премию для задач, где важны кодинг и агентное рассуждение.

Для US-only инференса в Anthropic действует надбавка x1,1 на input и output.

Безопасность и Project Glasswing

Opus 4.7 стал первой моделью, на которой Anthropic обкатывает новые защитные механизмы в рамках Project Glasswing. Ключевые решения:

• во время обучения кибервозможности модели целенаправленно снижались относительно Claude Mythos Preview
• в релиз встроены автоматические фильтры, детектирующие запросы с высоким риском киберзлоупотреблений
• для ИБ-специалистов с легитимными задачами (исследование уязвимостей, пентесты, red team) открыта Cyber Verification Program

По результатам внутреннего аудита безопасности:

Alignment-оценка звучит так: модель «в целом хорошо выровнена и заслуживает доверия, хотя её поведение не идеально». Для сравнения, Mythos Preview остаётся самой хорошо выровненной моделью Anthropic по внутренним оценкам.

Отзывы партнёров

Hex (платформа аналитики): «Claude Opus 4.7 — сильнейшая модель, которую мы тестировали. Она корректно сообщает о недостающих данных вместо правдоподобных, но неверных предположений».

Cursor (AI IDE): рост CursorBench с 58% до 70% — «ощутимый скачок возможностей для автономного кодинга».

Warp (терминал): «Модель справилась с задачами Terminal Bench, которые проваливали прошлые версии Claude, и починила сложный баг concurrency, с которым Opus 4.6 не справилась».

CodeRabbit (ревью кода): «Recall вырос более чем на 10%, при этом precision не упал. Самые сложные баги в больших PR теперь находятся».

Harvey (юридический AI): «90,9% на BigLaw Bench и заметно более умное обращение с неоднозначными задачами редактирования документов».

Rakuten (e-commerce): «В три раза больше production-задач решено на Rakuten-SWE-Bench с двузначным ростом по качеству кода и тестов».

Hebbia (корпоративный агент): «Двузначный рост точности вызовов инструментов и планирования в базовых агентах-оркестраторах».

Миграция с Opus 4.6: что учесть

1. Промпты. Opus 4.7 следует инструкциям более буквально. Промпты, настроенные под 4.6, могут давать неожиданный результат и требуют перетестирования.
2. Расход токенов. Новый токенизатор увеличивает input на 1,0–1,35 раза, а более глубокое рассуждение повышает output. Закладывайте рост бюджета.
3. Effort level. Для кодинга и агентных задач рекомендуется стартовать с high или xhigh, а не с медианного medium.
4. Инструменты. Модель лучше переживает сбои инструментов и продолжает работу там, где 4.6 останавливалась. Можно пересмотреть защитные обёртки.

Доступность

Opus 4.7 доступна с 16 апреля 2026:

• в Claude (подписки Pro, Max, Team, Enterprise)
• в Claude API (claude-opus-4-7)
• в Amazon Bedrock (US East Virginia, Asia Pacific Tokyo, Europe Ireland, Europe Stockholm)
• в Google Cloud Vertex AI
• в Microsoft Foundry
• в GitHub Copilot (Pro+, Business, Enterprise) с промоценой x7,5 до 30 апреля

Вердикт

Claude Opus 4.7 — не просто апдейт, а осмысленное переосмысление того, что публично доступная фронтирная модель должна уметь делать. Если Opus 4.6 был про надёжность в корпоративных сценариях, то 4.7 смещает фокус на автономность: модель теперь способна планировать, проверять себя и доводить до конца долгие задачи с минимальным вмешательством человека.

Для команд, которые строят серьёзные агентные системы, пишут сложный код или занимаются юридической и финансовой аналитикой, это новая точка отсчёта. Для простых повседневных сценариев по-прежнему разумнее Sonnet 4.6: дешевле, быстрее, хватит с запасом. А Claude Mythos Preview пока остаётся недоступным эталоном, на который Opus 4.7 равняется и до которого постепенно подтягивается.