Claude Opus 4.7 비전 성능, 얼마나 좋아졌나

다만 이것이 곧바로 “스크린샷의 작은 글씨를 훨씬 더 잘 읽는다”, “모든 차트 수치를 더 정확히 해석한다”, “디자인 시안의 여백·정렬·시각 계층 오류를 안정적으로 잡아낸다”는 뜻은 아닙니다. 이런 업무는 입력 형태와 평가 기준이 제각각입니다. 실제 도입 여부를 결정하려면 공개 발표 자료보다 자기 조직의 실제 캡처와 시안으로 검증하는 과정이 필요합니다.

공개 근거가 실제로 말해주는 것

1. 공식적으로 비전 성능 향상을 강조했다

가장 직접적인 근거는 Anthropic의 공식 발표입니다. 출시 글은 Opus 4.7이 이전 Opus 4.6보다 비전 성능이 상당히 좋아졌고, 더 높은 해상도의 이미지를 다룰 수 있다고 설명합니다. Anthropic의 제품 페이지도 Opus 4.7을 coding, vision, complex multi-step tasks에 강한 모델로 소개하며, spreadsheets, slides, docs 같은 기업 업무 흐름을 언급합니다.

즉 “이미지 이해 전반이 개선됐다”는 평가는 공식 자료로 뒷받침됩니다. 다만 공식 발표는 제품 출시 자료이므로, 운영 환경에 바로 적용할 때는 별도의 실사용 테스트가 필요합니다.

2. 고해상도 이미지 지원은 스크린샷 업무에 긍정적인 신호다

스크린샷 분석은 작은 글자, 표, UI 레이블, 설정값, 여러 패널로 나뉜 대시보드처럼 밀도가 높은 정보를 다루는 경우가 많습니다. Opus 4.7이 더 높은 해상도의 이미지를 처리할 수 있다는 설명은 이런 작업에 분명 긍정적인 신호입니다.

하지만 고해상도 입력 지원 자체가 곧 스크린샷 판독 정확도 벤치마크는 아닙니다. 더 정확히 말하면, Opus 4.7은 스크린샷 업무로 다시 테스트해볼 만한 모델이지만, 공개 자료만으로 스크린샷 이해 정확도가 크게 올랐다고 단정하기는 어렵습니다.

3. 기술 도면과 멀티모달 이해 쪽 신호는 비교적 강하다

Anthropic은 출시 글에서 초기 테스트 고객인 Solve Intelligence의 피드백을 소개했습니다. 이 피드백은 Opus 4.7의 multimodal understanding이 개선됐으며, 예시로 chemical structures와 complex technical diagrams를 들었습니다.

이는 일반적인 “이미지 성능이 좋아졌다”는 표현보다 구체적입니다. 연구·엔지니어링·기술 문서에서 나오는 구조식, 도식, 복잡한 기술 다이어그램을 다루는 팀에는 특히 참고할 만한 신호입니다. 다만 이 역시 독립적으로 공개된 세부 벤치마크는 아니며, 모든 비즈니스 차트나 UI 목업 분석으로 그대로 확장해 해석해서는 안 됩니다.

4. interfaces, slides, docs 언급은 디자인 업무와 관련은 있지만, 목업 분석 벤치마크는 아니다

Anthropic은 Opus 4.7이 전문 업무에서 더 높은 품질의 interfaces, slides, docs를 만들 수 있다고 설명했고, 제품 페이지도 spreadsheets, slides, docs 같은 업무 흐름을 언급합니다.

이 내용은 디자인·문서·프레젠테이션 작업과 분명 연결됩니다. 그러나 “더 나은 interface를 생성한다”는 말과 “기존 디자인 시안을 분석해 간격 문제, 정렬 오류, 시각적 위계, CTA 명확성 문제를 더 정확히 찾아낸다”는 말은 다릅니다. 디자인 리뷰에 쓰려면 별도 테스트가 필요합니다.

업무 유형별로 보면 이렇게 정리된다

“98.5% visual acuity” 같은 숫자는 조심해서 봐야 한다

일부 제3자 기술 글은 visual acuity benchmark가 54.5%에서 98.5%로 올랐다고 언급한다. 숫자만 보면 매우 큰 변화처럼 보이지만, 이를 곧바로 “스크린샷, 차트, 디자인 시안 분석이 전부 대폭 개선됐다”는 증거로 쓰기는 어렵습니다.

이유는 두 가지입니다. 첫째, 해당 수치는 Anthropic의 공식 발표 자료가 아닙니다. 둘째, 하나의 visual acuity 지표가 실제 업무에서 중요한 작은 글씨 판독, 차트 축·범례 해석, UI 계층 판단, 디자인 오류 진단 능력으로 그대로 이어진다고 보기 어렵습니다. 참고 자료로는 볼 수 있지만, 모델 교체의 유일한 근거로 삼기에는 부족합니다.

실제 도입 전에는 이렇게 테스트하는 편이 좋다

제품, 디자인, 데이터, 엔지니어링 팀에서 중요한 것은 발표 문구보다 실제 업무에서의 오류율입니다. 따라서 작은 규모라도 블라인드 A/B 테스트를 권합니다.

추천 절차는 다음과 같습니다.

1. 같은 묶음의 스크린샷, 대시보드 차트, UI 목업, 문서 캡처, 기술 도면을 준비합니다.
2. Opus 4.7과 현재 사용 중인 모델에 완전히 같은 프롬프트를 넣습니다.
3. 답변에서 모델명을 숨긴 뒤, 평가자가 어느 모델의 결과인지 모르게 합니다.
4. 고정된 평가표를 씁니다. 예를 들어 텍스트 판독 정확도, 수치 해석, 시각적 위계 판단, 오류 발견, 환각 여부, 실행 가능한 제안인지 등을 따집니다.
5. “그럴듯한 답”보다 “작은 숫자를 틀리지 않았는지”, “없는 내용을 만들어내지 않았는지”, “중요한 UI 요소를 놓치지 않았는지”를 봅니다.

우선 테스트할 만한 자료는 다음과 같습니다.

• 작은 글씨가 많은 스크린샷: 설정 화면, 결제·청구 페이지, 오류 로그, 밀도 높은 대시보드
• 차트 해석 자료: 축, 범례, 추세, 이상치, 전월 대비·전년 대비 변화율이 포함된 그래프
• 디자인 시안 리뷰: 여백, 정렬, 시각적 위계, CTA 명확성, 컴포넌트 일관성
• 문서 캡처: 표, 계약서 문단, 발표 슬라이드, 보고서 요약 페이지
• 기술 도면: 시스템 아키텍처, 플로차트, 엔지니어링 도면, 화학 구조식

결론

질문이 “Claude Opus 4.7의 전체 비전 성능이 좋아졌나?”라면 답은 예에 가깝습니다. Anthropic은 Opus 4.7이 더 나은 비전 성능과 고해상도 이미지 처리를 제공한다고 밝혔고, 제품 페이지도 vision을 핵심 역량 중 하나로 제시합니다.

하지만 질문이 “스크린샷, 차트, 디자인 시안 분석이 공개 근거로 명확히 크게 좋아졌다고 증명됐나?”라면 답은 훨씬 신중해야 합니다. 좋아졌을 가능성을 보여주는 신호는 강하지만, 업무 유형별로 깔끔하게 나뉜 공개 벤치마크는 아직 충분하지 않습니다. 실제 전환 전에는 자기 팀의 화면, 차트, 시안으로 블라인드 A/B 테스트를 돌려보는 것이 가장 안전합니다.