Claude Opus 4.7 ist ein Spitzenmodell, aber die Frage nach seiner Stärke lässt sich nicht pauschal beantworten. Die öffentlichen Daten stützen ein klares, zugleich vorsichtiges Urteil: Opus 4.7 ist Anthropics leistungsfähigstes allgemein verfügbares Claude-Modell und zeigt die stärksten Signale bei Coding-Agents, langen Kontexten, komplexen technischen Aufgaben und hochauflösender Bildverarbeitung.^{[5][2][11][12]}

Kurzfazit

Anthropic und AWS beschreiben Claude Opus 4.7 als Anthropics leistungsfähigstes allgemein verfügbares Modell.^[5][2] Zu den wichtigsten Eckdaten zählen ein Kontextfenster von 1 Million Tokens, bis zu 128.000 Output-Tokens, Adaptive Thinking und Unterstützung für Reasoning-Aufgaben.^[5][2]

Praktisch ist das vor allem für Workloads interessant, die viel Kontext über längere Abläufe hinweg halten müssen: große Codebasen, lange technische Dokumente, mehrstufige Analysen oder Agenten-Workflows mit vielen Zwischenschritten.^[5][2] Auch die stärkste öffentliche Benchmark-Erzählung passt in dieses Bild: Vals AI führt Opus 4.7 auf mehreren Coding- und Agenten-orientierten Bestenlisten auf Platz 1.^[12]

Die wichtige Einschränkung: Die Daten reichen nicht aus, um Opus 4.7 als bestes Modell für jede Aufgabe zu bezeichnen. Vals AI listet Opus 4.7 auf mehreren Benchmarks nicht auf dem ersten Platz, und Anthropic schreibt in den eigenen Launch-Materialien, Claude Mythos Preview sei breiter leistungsfähig als Opus 4.7.^[11][12]

Was die Spezifikationen im Alltag bedeuten

Der größte Rohvorteil von Opus 4.7 ist die Kontextgröße. Anthropic und AWS nennen ein Kontextfenster von 1 Million Tokens und ein maximales Output-Limit von 128.000 Tokens.^[5][2] Solche Grenzen sind besonders relevant, wenn ein Modell sehr große Eingaben lesen, behalten und darüber hinweg konsistent antworten soll — etwa bei Repositories, langen Berichten, technischen Mehrdatei-Aufgaben oder ausführlichen Agenten-Traces.^[5][2]

Für Teams, die von älteren Claude-Modellen migrieren, gibt es allerdings einen praktischen Haken: Anthropic weist darauf hin, dass Opus 4.7 einen neuen Tokenizer nutzt, der je nach Inhalt ungefähr 1- bis 1,35-mal so viele Tokens zählen kann wie frühere Modelle.^[5] Workflows, die bisher knapp, aber sicher ins Token-Budget passten, sollten deshalb vor einer Umstellung neu geprüft werden.^[5]

Coding und Agents sind die stärkste öffentliche Story

Anthropic positioniert Opus 4.7 als deutliche Verbesserung gegenüber Opus 4.6 bei fortgeschrittener Softwareentwicklung und komplexen, lang laufenden Aufgaben.^[11] Die Launch-Materialien betonen besseres Befolgen von Anweisungen, stärkere Selbstüberprüfung und mehr Konsistenz bei schwierigen Coding-Aufgaben.^[11]

Die greifbarste Zahl aus Anthropics öffentlichen Materialien ist ein von einem Kunden berichtetes Ergebnis: 13 % Verbesserung gegenüber Opus 4.6 auf einem Coding-Benchmark mit 93 Aufgaben, darunter vier Aufgaben, die Opus 4.6 und Sonnet 4.6 nicht gelöst hatten.^[11] Das ist ein relevantes Signal, sollte aber als Launch-Material und nicht als breit angelegte unabhängige Prüfung gelesen werden.^[11]

Auch externe Benchmark-Daten stützen die Coding-Agent-Erzählung. Vals AI listet Claude Opus 4.7 auf Rang 1/40 im Vals Index, 1/41 bei SWE-bench, 1/52 bei Terminal-Bench 2.0 und 1/26 bei Vibe Code Bench.^[12] Zusammen spricht das für ein Modell, das besonders stark bei praktischer Softwareentwicklung, Terminal-Aufgaben und agentischer Ausführung abschneidet.^[12]

Starkes Benchmark-Bild, aber kein Durchmarsch

Die gleiche Vals-AI-Seite zeigt, warum das Urteil maßvoll bleiben sollte. Opus 4.7 steht dort bei AIME auf 7/96, bei LiveCodeBench auf 13/103 und bei MMMU Pro auf 7/66.^[12] Das sind starke Platzierungen, aber keine ersten Plätze.^[12]

Benchmark-Signal	Öffentlich genannter Rang	Einordnung
Vals Index	1/40	Starkes Gesamtsignal im Modellindex von Vals AI.[12]
SWE-bench	1/41	Sehr starke Platzierung für Software-Engineering-Aufgaben.[12]
Terminal-Bench 2.0	1/52	Starkes Ergebnis für terminalbasierte Agenten-Aufgaben.[12]
Vibe Code Bench	1/26	Deutliche Stärke im Coding-Agent-Umfeld.[12]
AIME	7/96	Wettbewerbsfähig, aber nicht Rang 1 in der Vals-Liste.[12]
LiveCodeBench	13/103	Auf diesem Benchmark nicht das führende Modell in der Vals-Liste.[12]
MMMU Pro	7/66	Stark, aber nicht führend in der Vals-Liste.[12]

Vals AI weist außerdem darauf hin, dass manche Benchmark-Läufe unterschiedliche Anbieter und Parameter nutzen können. Die Rankings sind deshalb hilfreiche Richtungssignale, aber kein perfekt kontrollierter Eins-zu-eins-Vergleich.^[12]

Vision bekommt ein spürbares Upgrade

Opus 4.7 ist auch für bildlastige Workflows interessanter als frühere Claude-Modelle. Anthropic bezeichnet es als erstes Claude-Modell mit Unterstützung für hochauflösende Bilder und hebt die maximale Bildauflösung von zuvor 1.568 px / 1,15 MP auf 2.576 px / 3,75 MP an.^[5]

Laut Anthropic verbessert diese Änderung die Low-Level-Wahrnehmung und die Lokalisierung innerhalb von Bildern.^[5] Damit wird Opus 4.7 für detaillierte visuelle Eingaben relevanter. Die öffentliche Dokumentation belegt allerdings vor allem das Auflösungs-Upgrade; sie ist kein Nachweis dafür, dass Opus 4.7 in jeder produktiven Vision-Aufgabe automatisch überlegen ist.^[5]

Ist Opus 4.7 das stärkste Claude-Modell?

Nicht ganz — zumindest nicht, wenn mit stärkstes Modell wirklich absolut gemeint ist. Die sicherste Formulierung lautet: Claude Opus 4.7 ist Anthropics leistungsfähigstes allgemein verfügbares Claude-Modell.^[5][2]

Es ist dagegen nicht sauber belegt, Opus 4.7 als Anthropics stärkstes Claude-Modell insgesamt zu bezeichnen. Anthropic schreibt selbst, Claude Opus 4.7 sei weniger breit leistungsfähig als Claude Mythos Preview.^[11] Diese Unterscheidung ist wichtig: Opus 4.7 kann das stärkste allgemein verfügbare Opus-Modell sein, ohne in jeder Aufgabe das stärkste Claude-Modell überhaupt zu sein.^[11]

Wann Opus 4.7 die richtige Wahl ist

Opus 4.7 wirkt besonders passend für Aufgaben, bei denen seine dokumentierten Stärken tatsächlich zählen: schwierige Coding-Probleme, mehrstufige Agenten-Ausführung, große Codebasen, sehr lange Dokumente und hochauflösende Bildeingaben.^{[5][2][11][12]}

Weniger überzeugend ist die Wahl, wenn sie nur auf dem Eindruck beruht, Opus 4.7 sei ein universeller Leaderboard-Sieger. Wenn ein Produktivsystem stark von Benchmark-Familien abhängt, bei denen Vals AI Opus 4.7 nicht auf Platz 1 führt — etwa AIME, LiveCodeBench oder MMMU Pro — sind eigene, auf die konkrete Aufgabe zugeschnittene Tests der bessere Weg.^[12]

Unterm Strich

Claude Opus 4.7 ist nach den verfügbaren öffentlichen Belegen sehr leistungsfähig. Es bietet ein Kontextfenster von 1 Million Tokens, unterstützt bis zu 128.000 Output-Tokens und zeigt besonders starke Benchmark-Signale bei Coding- und Agenten-Workflows.^[5][2][12]

Die präzise Schlussfolgerung lautet aber nicht: bestes Modell für alles. Plausibler ist: Opus 4.7 gehört zu den stärksten allgemein verfügbaren Modellen für Coding-Agents, Long-Context-Arbeit und aufgewertete Vision-Aufgaben, während Anthropics eigene Modellpositionierung und die gemischten Vals-AI-Platzierungen Raum dafür lassen, dass andere Modelle in einzelnen Bereichen besser abschneiden.^[11][12]