Benchmarks de Claude Opus 4.7 : où le modèle d’Anthropic est le plus solide

Claude Opus 4.7 appartient clairement au haut de gamme des modèles d’IA actuels. Mais la vraie question n’est pas seulement de savoir s’il est puissant : il faut surtout regarder où cette puissance se manifeste. À la lecture des éléments publics disponibles, le verdict le plus prudent est le suivant : Opus 4.7 est le modèle Claude généralement disponible le plus capable d’Anthropic, avec des signaux particulièrement forts pour les agents de codage, les tâches à long contexte, les travaux techniques complexes et les entrées d’images plus détaillées.

La réserve est importante : rien ne permet de conclure qu’il est le meilleur modèle dans tous les domaines. Les benchmarks publics dessinent plutôt un profil spécialisé, très convaincant sur certains usages, moins dominant sur d’autres.

Le verdict rapide

Anthropic et AWS décrivent Claude Opus 4.7 comme le modèle Claude généralement disponible le plus capable d’Anthropic. Ses caractéristiques principales incluent une fenêtre de contexte d’un million de tokens, une sortie maximale de 128 000 tokens, l’adaptive thinking et la prise en charge du raisonnement.

En pratique, cela en fait un candidat sérieux pour des charges de travail comme l’analyse de grands dépôts de code, les longs documents techniques, les raisonnements en plusieurs étapes ou les workflows d’agents qui doivent conserver beaucoup de contexte sur la durée.

Le signal public le plus net va dans le même sens : Vals AI classe Opus 4.7 premier sur plusieurs classements orientés code et agents. Mais ce n’est pas un blanc-seing universel. Vals AI le place aussi sous la première position sur plusieurs autres benchmarks, et Anthropic précise que Claude Mythos Preview est plus largement capable qu’Opus 4.7.

Les caractéristiques qui comptent vraiment

La capacité brute la plus visible d’Opus 4.7 est sa fenêtre de contexte. Anthropic et AWS indiquent une prise en charge d’un million de tokens en entrée contextuelle et une limite de sortie pouvant atteindre 128 000 tokens. Ce type de plafond change surtout les usages où le modèle doit lire, retenir et exploiter de très gros volumes d’information : bases de code volumineuses, rapports longs, tâches multi-fichiers ou traces détaillées d’agents.

Il existe toutefois un point de migration à ne pas négliger. Anthropic indique qu’Opus 4.7 utilise un nouveau tokenizer susceptible de compter environ 1 à 1,35 fois plus de tokens que les modèles précédents, selon le contenu. Autrement dit, un prompt ou un workflow qui passait confortablement dans un ancien modèle Claude peut nécessiter une nouvelle vérification du budget de tokens avec Opus 4.7.

Code et agents : le terrain le plus favorable

Anthropic présente Opus 4.7 comme une amélioration notable par rapport à Opus 4.6 pour l’ingénierie logicielle avancée et les tâches complexes de longue durée. Dans ses éléments de lancement, l’entreprise met aussi en avant un meilleur suivi des instructions, une meilleure auto-vérification et plus de régularité sur les tâches de codage difficiles.

Le chiffre d’amélioration le plus clair publié par Anthropic vient d’un résultat rapporté par un client : +13 % par rapport à Opus 4.6 sur un benchmark de 93 tâches de codage, avec quatre tâches qu’Opus 4.6 et Sonnet 4.6 n’avaient pas résolues. C’est un signal intéressant, mais il doit être lu pour ce qu’il est : un élément de lancement mis en avant par Anthropic, pas un audit indépendant couvrant tous les cas d’usage.

Les classements externes renforcent néanmoins l’idée d’un modèle très compétitif pour le code. Vals AI liste Claude Opus 4.7 en 1re position sur 40 au Vals Index, 1er sur 41 à SWE-bench, 1er sur 52 à Terminal-Bench 2.0 et 1er sur 26 à Vibe Code Bench. Pris ensemble, ces résultats pointent vers un modèle particulièrement fort pour le codage pratique, les tâches en terminal et l’exécution agentique.

Des benchmarks excellents, mais pas uniformes

Le même tableau public de Vals AI rappelle pourquoi le verdict doit rester mesuré. Opus 4.7 y apparaît 7e sur 96 à AIME, 13e sur 103 à LiveCodeBench et 7e sur 66 à MMMU Pro. Ce sont de bonnes places, mais pas des premières places.

Signal de benchmark	Résultat public cité	Ce que cela suggère
Vals Index	1/40	Très bon signal agrégé dans l’index de Vals.
SWE-bench	1/41	Performance très forte sur un benchmark orienté génie logiciel.
Terminal-Bench 2.0	1/52	Très bon signal sur des tâches d’agent en environnement terminal.
Vibe Code Bench	1/26	Positionnement solide pour les agents de codage.
AIME	7/96	Compétitif, mais pas premier dans le classement de Vals.
LiveCodeBench	13/103	Pas le modèle le mieux classé sur ce benchmark chez Vals.
MMMU Pro	7/66	Solide, mais pas leader dans le classement de Vals.

Vals AI précise aussi que certains benchmarks peuvent utiliser différents fournisseurs et paramètres. Ces classements sont donc utiles pour dégager une tendance, mais ils ne constituent pas une comparaison parfaitement contrôlée à conditions identiques.

La vision progresse aussi

Opus 4.7 se distingue également pour les workflows avec images. Anthropic indique qu’il s’agit du premier modèle Claude doté d’une prise en charge des images haute résolution, avec une résolution maximale portée à 2 576 px / 3,75 MP, contre 1 568 px / 1,15 MP auparavant.

Anthropic affirme que ce changement améliore la perception de bas niveau et la localisation dans l’image. Cela rend Opus 4.7 plus pertinent que les précédents modèles Claude pour des entrées visuelles détaillées. En revanche, la documentation publique prouve plus directement l’augmentation de résolution qu’elle ne démontre une amélioration uniforme de la précision sur toutes les tâches de vision en production.

Est-ce le Claude le plus puissant ?

Pas exactement, du moins si l’on s’en tient aux documents publics disponibles. La formulation la plus sûre est celle-ci : Claude Opus 4.7 est le modèle Claude généralement disponible le plus capable d’Anthropic.

Il serait trop fort de dire qu’il s’agit du Claude le plus puissant dans l’absolu. Anthropic indique dans ses propres éléments de lancement que Claude Opus 4.7 est moins largement capable que Claude Mythos Preview. La nuance compte : Opus 4.7 peut être le meilleur modèle Opus généralement disponible sans être le meilleur choix d’Anthropic pour chaque tâche possible.

Quand choisir Opus 4.7

Opus 4.7 paraît le plus adapté lorsque ses points forts documentés correspondent directement au besoin : codage difficile, agents qui exécutent plusieurs étapes, grands dépôts de code, documents très longs et images haute résolution.

Il est moins prudent de le choisir uniquement parce qu’il semble être un vainqueur universel de benchmarks. Si une application dépend fortement d’une famille d’évaluations où Vals AI ne le classe pas premier, comme AIME, LiveCodeBench ou MMMU Pro, la meilleure approche reste de lancer ses propres tests sur des tâches représentatives avant de standardiser sur ce modèle.

À retenir

Claude Opus 4.7 est très puissant au vu des preuves publiques disponibles. Sa fenêtre de contexte d’un million de tokens, sa sortie pouvant atteindre 128 000 tokens et ses très bons résultats sur plusieurs benchmarks de code et d’agents en font l’un des modèles généralement disponibles les plus crédibles pour les tâches techniques longues et complexes.

La conclusion la plus solide n’est donc pas : meilleur partout. Elle est plus précise : Opus 4.7 semble particulièrement fort pour les agents de codage, le travail à long contexte et certains usages visuels améliorés, tout en laissant la porte ouverte à d’autres modèles sur des domaines où les classements publics ne le placent pas en tête.