Claude Opus 4.7 Vision ist vor allem deshalb interessant, weil Anthropic die zulässige Auflösung für Bildeingaben deutlich anhebt. Opus 4.7 ist laut Anthropic das erste Claude-Modell mit High-Resolution Image Support; die Grenze steigt von 1.568 px / 1,15 MP auf 2.576 px / 3,75 MP.[4]
Für Screenshots, Dokumente und Benutzeroberflächen ist das ein praktischer Unterschied: Das Modell bekommt mehr Bildpunkte zu sehen, bevor es überhaupt Schlüsse zieht. Von 1,15 MP auf 3,75 MP entspricht das ungefähr dem 3,26-Fachen an Megapixeln — besonders relevant bei kleiner Schrift, Tabellen, UI-Labels oder dicht gepackten Layouts.[4]
Die wichtigsten Vision-Änderungen in Opus 4.7
| Änderung | Was Anthropic nennt | Praktische Bedeutung |
|---|---|---|
| Höhere Bildauflösung | Opus 4.7 ist das erste Claude-Modell mit High-Resolution Image Support; die Grenze steigt auf 2.576 px / 3,75 MP, zuvor 1.568 px / 1,15 MP.[ | Eingabebilder können mehr Details behalten, etwa kleine Schrift, komplexe Oberflächen und informationsreiche Dokumente.[ |
| Fokus auf Screenshots, Artifacts und Dokumente | Anthropic beschreibt das Auflösungs-Upgrade als besonders wichtig für Computer Use sowie für das Verstehen von Screenshots, Artifacts und Dokumenten.[ | Es geht nicht nur um Naturbilder, sondern direkt um typische Arbeits- und Produktivitätsinhalte.[ |
| Low-Level-Perception | Anthropic nennt Verbesserungen bei Aufgaben wie Zeigen, Messen, Zählen und ähnlichen Aufgaben.[ | Hilfreich, wenn es um Positionen, Mengen oder kleine Details in Bildern und Screenshots geht.[ |
| Image Localization | Opus 4.7 soll bei Bildlokalisierung besser sein, einschließlich Bounding Boxes und Objekterkennung in natürlichen Bildern.[ | Relevant für Aufgaben, bei denen Schaltflächen, Eingabefelder, Diagramme oder konkrete Objekte markiert werden müssen.[ |
| 1:1-Pixelkoordinaten | Die Koordinaten, die das Modell ausgibt, entsprechen nun 1:1 den tatsächlichen Pixeln des Bildes.[ | Weniger Aufwand beim Umrechnen von Modellkoordinaten auf das Originalbild — besonders bei Automation und Computer Use.[ |
Was 3,75 MP bei Bildeingaben ändern
Der Kernpunkt ist simpel: Opus 4.7 kann Bilder mit einer höheren Grenze verarbeiten. Wenn ein Screenshot oder ein Dokumentenbild früher stark verkleinert werden musste, um in die Eingabegrenze zu passen, konnten kleine Buchstaben, feine Linien oder UI-Details schon vor der Analyse verloren gehen. Mit 2.576 px / 3,75 MP kann mehr visuelle Information in einem Analysevorgang erhalten bleiben.[4]
Wichtig ist aber eine nüchterne Einordnung: Mehr Auflösung heißt nicht automatisch, dass jedes unscharfe, stark komprimierte oder schlecht gescannte Bild zuverlässig gelesen wird. Der größte Nutzen entsteht dort, wo das Ausgangsbild eigentlich scharf genug ist, aber für die bisherige Auflösungsgrenze zu detailreich war.[4]
Warum gerade Screenshots profitieren
Screenshots sind selten „einfache“ Bilder. Sie enthalten oft viele kleine Elemente: Buttons, Menüs, Icons, Eingabefelder, Tabellen, Fehlermeldungen, Seitenleisten, Diagrammlegenden oder Statusanzeigen. Anthropic nennt den High-Resolution Image Support von Opus 4.7 ausdrücklich als besonders wichtig für Computer Use und für das Verstehen von Screenshots.[4]
Für Automatisierung ist außerdem die 1:1-Zuordnung der Koordinaten zu den echten Bildpixeln zentral.[4] In Workflows, die klicken, ziehen, prüfen oder Bereiche auf einem Screenshot markieren müssen, lässt sich eine Modellantwort dadurch direkter auf das Originalbild übertragen. Der bisher oft nötige Zwischenschritt, Skalierungsfaktoren nach einem Resize selbst zu berechnen, wird weniger fehleranfällig.[
4]
Dokumente, Folien und Artifacts: Der Vorteil liegt im dichten Layout
Dokumente und Präsentationsfolien bestehen nicht nur aus Fließtext. Häufig enthalten sie Tabellen, Diagramme, Fußnoten, kleine Beschriftungen, Achsenlabels, Kopf- und Fußzeilen oder mehrspaltige Layouts. Anthropic zählt Dokumente und Artifacts ausdrücklich zu den Inhalten, die von den Vision-Verbesserungen in Opus 4.7 profitieren sollen.[4]
Auch die Produktseite zu Claude Opus 4.7 stellt das Modell in den Kontext besserer Vision-Fähigkeiten und professioneller Outputs wie Interfaces, Slides und Docs.[1] Wer also mit Screenshot-Folien, Dokumentbildern oder Layoutprüfungen arbeitet, sollte die neue Grenze nicht nur theoretisch betrachten, sondern an eigenen Beispielen testen.[
1][
4]
Localization: Nicht nur erkennen, sondern die richtige Stelle finden
Ein wichtiger Teil des Vision-Upgrades ist die bessere Lokalisierung im Bild. Anthropic nennt unter anderem Bounding Boxes, Objekterkennung in natürlichen Bildern sowie Low-Level-Perception-Aufgaben wie Zeigen, Messen und Zählen.[4]
Bei Screenshots und Dokumenten ist diese Ortsinformation oft genauso wichtig wie der gelesene Inhalt. Es reicht nicht immer zu wissen, dass ein Button vorhanden ist — man muss wissen, wo er sitzt. Ebenso kann es entscheidend sein, nicht nur ein Diagramm zu erkennen, sondern den Diagrammbereich oder einen bestimmten Datenpunkt zu lokalisieren. Genau in diese Richtung gehen die von Anthropic beschriebenen Verbesserungen.[4]
Kein Freifahrtschein für „OCR um X Prozent besser“
Die hier genutzten offiziellen Quellen nennen keinen separaten Benchmark, der etwa „OCR für Screenshots“ oder „OCR für Dokumente“ um einen bestimmten Prozentsatz besser beziffert.[1][
4] Präziser ist deshalb diese Aussage: Opus 4.7 Vision bringt High-Resolution Image Support, Verbesserungen bei Perception und Localization und wird von Anthropic als wichtig für Screenshots, Artifacts und Dokumente beschrieben.[
4]
Es gibt also gute Gründe zu erwarten, dass Opus 4.7 bei detailreichen Bildern besser abschneidet, wenn die Auflösung bisher der Engpass war. Für eine feste OCR-Verbesserung über alle Screenshot- oder Dokumenttypen hinweg liefern die offiziellen Angaben aber keine ausreichend konkrete Prozentzahl.[1][
4]
So lässt sich Opus 4.7 Vision sinnvoll testen
Wer Opus 4.7 in einem Produkt oder internen Workflow einsetzen möchte, sollte nicht nur ein paar Einzelbilder ausprobieren. Besser ist ein kleiner, repräsentativer Testplan:
- Hochauflösende Bilder: Dasselbe detailreiche Bild einmal in Originalauflösung und einmal heruntergerechnet testen, um den Effekt zusätzlicher Pixel zu prüfen.[
4]
- UI-Screenshots: Das Modell Buttons, Eingabefelder, Fehlermeldungen und relevante Bereiche in einer Oberfläche identifizieren lassen.
- Dokumente und Folien: Tabellen, kleine Beschriftungen, Diagramme und mehrspaltige Layouts prüfen, weil Anthropic Dokumente und Artifacts ausdrücklich im Vision-Kontext nennt.[
4]
- Automation: Koordinaten oder Bounding Boxes ausgeben lassen und kontrollieren, ob sie gemäß der angekündigten 1:1-Logik auf die Pixel des Originalbildes passen.[
4]
- OCR-Erwartungen: Eine eigene Fehlerrate auf realistischen Beispieldokumenten messen, da Anthropic in den offiziellen Quellen keine separate OCR-Kennzahl für Screenshots oder Dokumente veröffentlicht.[
1][
4]
Fazit
Das Vision-Upgrade von Claude Opus 4.7 ist vor allem dort wertvoll, wo Bilder viele kleine Details enthalten oder Anwendungen genaue Positionen im Bild brauchen. Drei Punkte stechen heraus: Die Bildgrenze steigt auf 2.576 px / 3,75 MP, Perception und Localization sollen besser werden, und Koordinaten entsprechen nun 1:1 den tatsächlichen Bildpixeln.[4]
Für Screenshots, Dokumente, Artifacts und Computer-Use-Workflows ist das ein klar relevanter Schritt. Wer jedoch OCR oder Dokumentanalyse im produktiven Maßstab plant, sollte eigene Benchmarks mit echten Daten durchführen, statt aus der höheren Auflösung automatisch eine feste Verbesserungsrate abzuleiten.[1][
4]
