Claude Opus 4.7 dan kemampuan visual: apa yang benar-benar terbukti?

Namun, klaim “vision lebih kuat” tidak otomatis berarti semua pekerjaan visual ikut melonjak. Membaca screenshot, menafsirkan chart, dan mengulas mockup UI adalah tugas yang berbeda. Masing-masing punya jebakan sendiri: teks kecil, angka sumbu grafik, legenda, kepadatan informasi, hierarchy visual, spacing, atau konsistensi komponen.

Masalahnya, data publik yang tersedia saat ini masih lebih banyak berupa klaim resmi dan sinyal dari pengguna awal, bukan benchmark terbuka yang rapi, berulang, dan membandingkan performa per jenis tugas.

Bukti publiknya mendukung apa saja?

1. Anthropic memang menyebut vision Opus 4.7 lebih baik

Bukti paling langsung datang dari Anthropic. Dalam pengumuman Opus 4.7, perusahaan itu menyatakan model baru ini memiliki “substantially better vision” dan mendukung gambar dengan resolusi lebih tinggi. Halaman produk Anthropic juga memosisikan Opus 4.7 sebagai model yang lebih kuat untuk coding, vision, dan tugas multi-langkah yang kompleks, serta menyebut alur kerja enterprise seperti spreadsheets, slides, dan docs.

Artinya, untuk pemahaman gambar secara umum, ada dasar yang cukup kuat untuk mengatakan Opus 4.7 meningkat. Tetapi karena sumber utamanya masih materi dari vendor, keputusan produksi tetap sebaiknya dibarengi pengujian memakai materi nyata dari tim Anda.

2. Dukungan gambar beresolusi lebih tinggi adalah sinyal positif untuk screenshot

Tugas membaca screenshot sering bergantung pada detail kecil: label tombol, teks error, kolom tabel, menu pengaturan, grafik padat, atau angka di dashboard. Karena Anthropic menyebut Opus 4.7 dapat menangani gambar beresolusi lebih tinggi, ini merupakan sinyal positif untuk tugas seperti membaca screenshot antarmuka, dokumen, halaman pengaturan, atau dashboard.

Namun, dukungan resolusi lebih tinggi bukanlah benchmark khusus screenshot. Jadi, kesimpulan yang lebih tepat adalah: Opus 4.7 layak diuji ulang untuk pekerjaan berbasis screenshot, tetapi data publik belum cukup untuk membuktikan tingkat akurasinya sudah naik besar pada kategori ini.

3. Sinyal untuk diagram teknis lebih spesifik

Anthropic mengutip Solve Intelligence, salah satu pelanggan uji awal, yang menyebut adanya peningkatan nyata dalam multimodal understanding Opus 4.7, termasuk untuk chemical structures dan complex technical diagrams.

Ini lebih spesifik dibanding klaim umum “vision lebih baik”. Untuk tim yang sering bekerja dengan diagram teknik, diagram proses, gambar ilmiah, atau struktur kimia, sinyal ini cukup menarik.

Tetap saja, ini masih berupa masukan pelanggan awal, bukan benchmark independen yang bisa diulang publik. Selain itu, complex technical diagrams tidak otomatis sama dengan semua chart bisnis, dashboard analitik, atau review mockup desain.

4. Interfaces, slides, dan docs relevan, tetapi bukan bukti langsung untuk review desain

Anthropic juga menyebut Opus 4.7 dapat menghasilkan interfaces, slides, dan docs dengan kualitas lebih tinggi dalam pekerjaan profesional. Halaman produknya turut menyebut workflow seperti spreadsheets, slides, dan docs.

Ini relevan untuk pekerjaan desain dan dokumen, tetapi perlu dibaca hati-hati. Kemampuan menghasilkan interface atau slide yang lebih baik tidak sama dengan bukti bahwa model tersebut sudah lebih akurat dalam menganalisis mockup, menemukan masalah spacing, menilai visual hierarchy, atau mendiagnosis inkonsistensi desain.

Per kategori: screenshot, grafik, dan mockup desain

Hati-hati memakai angka seperti “98,5% visual acuity”

Ada artikel teknis pihak ketiga yang menyebut benchmark visual acuity naik dari 54,5% menjadi 98,5%. Angka itu terlihat impresif, tetapi tidak sebaiknya langsung dipakai sebagai bukti bahwa screenshot, grafik, dan mockup desain semuanya membaik secara besar-besaran.

Alasannya sederhana. Pertama, angka itu bukan dari pengumuman resmi Anthropic. Kedua, satu metrik visual acuity belum tentu langsung memetakan kemampuan membaca teks kecil di screenshot, memahami nilai dalam chart, menilai hierarchy UI, atau menemukan masalah desain. Angka tersebut boleh dijadikan referensi tambahan, tetapi jangan dijadikan satu-satunya dasar untuk mengganti model.

Cara menguji sebelum benar-benar pindah model

Untuk tim produk, desain, data, atau engineering, cara paling praktis bukan menebak dari pengumuman peluncuran, melainkan membuat blind A/B test kecil dengan materi kerja sendiri.

Langkah yang bisa dipakai:

1. Siapkan kumpulan screenshot, dashboard chart, mockup UI, tangkapan layar dokumen, dan diagram teknis yang benar-benar mewakili pekerjaan harian.
2. Jalankan prompt yang sama persis di Opus 4.7 dan model yang saat ini Anda pakai.
3. Sembunyikan nama model dari penilai agar evaluasinya tidak bias.
4. Gunakan rubric tetap, misalnya: akurasi membaca teks, pemahaman angka grafik, penilaian visual hierarchy, kemampuan menemukan error, tingkat halusinasi, dan apakah jawabannya bisa langsung ditindaklanjuti.
5. Jangan hanya menilai apakah jawabannya “terlihat meyakinkan”. Periksa apakah model melewatkan detail kecil, salah membaca angka, atau terlalu percaya diri saat keliru.

Materi yang sebaiknya diprioritaskan:

• Screenshot dengan teks kecil: halaman pengaturan, halaman billing, error log, dashboard padat.
• Interpretasi grafik: sumbu, legenda, tren, outlier, perubahan persentase.
• Review desain: spacing, alignment, visual hierarchy, kejelasan CTA.
• Screenshot dokumen: tabel, paragraf kontrak, slide, ringkasan laporan.
• Diagram teknis: arsitektur sistem, flowchart, gambar engineering, struktur kimia.

Putusan akhir

Jika pertanyaannya “apakah kemampuan vision Claude Opus 4.7 meningkat secara umum?”, jawabannya: ya, ada bukti publik yang mendukung. Anthropic secara eksplisit menyebut vision yang lebih baik, dan halaman produknya juga menempatkan vision sebagai salah satu kemampuan penting Opus 4.7.

Jika pertanyaannya lebih sempit—“apakah analisis screenshot, grafik, dan mockup desain sudah terbukti jauh lebih baik?”—jawabannya perlu lebih hati-hati: sinyalnya positif, tetapi belum ada benchmark publik yang cukup lengkap dan terpisah per tugas untuk memastikan besaran peningkatannya.

Jadi, sebelum mengganti model di workflow penting, jalankan blind A/B test dengan screenshot, chart, dan desain Anda sendiri. Di situlah peningkatan yang benar-benar berguna akan terlihat: bukan di klaim umum, tetapi di pekerjaan yang Anda lakukan setiap hari.