Claude Opus 4.7 против Opus 4.6: что изменилось и кому стоит переходить

Как читать бенчмарки: сигнал сильный, но не абсолютный

Публичные цифры довольно ясно показывают направление: Opus 4.7 сильнее всего продвигают как модель для сложного coding, agentic workflows и vision, а не как универсальное «всё стало лучше на одинаковую величину». LLM Stats сообщает, что Opus 4.7 набирает 87,6% на SWE-bench Verified, что на 6,8 процентного пункта выше Opus 4.6, и выигрывает у 4.6 в 12 из 14 reported benchmarks.

Но эти результаты не стоит превращать в обещание для любого production-пайплайна. LLM Stats отдельно отмечает, что соответствующие бенчмарки являются Anthropic self-reported; Verdent AI также подчёркивает, что кейсы Notion и Rakuten из релиза относятся к внутренним или proprietary оценкам партнёров, а не к открытому стандартизированному контролируемому эксперименту.

Вывод: бенчмарки хорошо поддерживают тезис «4.7, вероятно, лучше подходит для трудных инженерных, agent- и vision-задач». Но они не доказывают, что каждая ваша цепочка на Opus 4.6 автоматически станет дешевле, быстрее и стабильнее.

Цена: ставка за токены та же, но итоговая стоимость может измениться

По публичной сводке LLM Stats, Opus 4.7 и Opus 4.6 стоят одинаково в Opus-сегменте: $5 за миллион input tokens и $25 за миллион output tokens. Это важный плюс для теста: переход не начинается с повышения базовой цены.

Однако смотреть только на цену токена опасно. Итоговый счёт может измениться, если модель будет отвечать длиннее, иначе использовать инструменты, реже или чаще требовать повторных запусков, либо если вы начнёте применять новые настройки вроде effort-уровней. С другой стороны, если 4.7 сокращает ручные правки, исправляет больше багов с первой попытки или снижает число tool errors, стоимость одной успешно завершённой задачи может оказаться ниже даже при той же цене токена.

Правильный вопрос не «сколько стоит миллион токенов?», а «сколько стоит успешно выполнить один наш типовой кейс?».

Кому стоит тестировать Opus 4.7 первым

1. Командам разработки и владельцам coding agents
Если Opus 4.6 уже используется для анализа репозиториев, bug fixing, исправления тестов, рефакторинга нескольких файлов или code review, улучшения 4.7 попадают ровно в вашу зону интереса.

2. Тем, у кого есть длинные многошаговые workflow
Agent-сценарии с планированием, вызовом инструментов, проверкой результата и самокоррекцией — один из главных кандидатов на миграционный тест.

3. Продуктам, где модель должна «смотреть» на изображения
Если вы отправляете в модель скриншоты интерфейсов, таблицы, схемы, сканы документов или изображения с мелкими деталями, улучшенная vision-часть может дать более заметный эффект, чем в обычном текстовом чате.

4. API-командам, которым важен контроль над поведением агента
xhigh effort и Task Budgets выглядят как инструменты не для «поболтать с моделью», а для более управляемых инженерных и agent-пайплайнов.

5. Тем, кто уже платит за Opus-класс
Так как LLM Stats указывает ту же цену для 4.7 и 4.6, тестирование новой версии не требует перехода в более дорогой ценовой уровень.

Кому лучше не спешить

Если ваши основные задачи — обычный чат, краткие пересказы, перевод, редактура, генерация постов или лёгкие вопросы по знаниям, переход не выглядит срочным. Публичные аргументы в пользу Opus 4.7 сильнее всего сконцентрированы вокруг coding, agentic work и vision; по бытовым текстовым задачам они не дают такой же уверенной картины.

Также стоит притормозить, если ваши production-prompts долго шлифовались под Opus 4.6 и вам критичны стабильный формат, предсказуемый стиль или точное поведение на пограничных кейсах. Более сильная модель всё равно может иначе распределять ошибки и менять тон ответов. В таких случаях безопаснее не «рубить с плеча», а запускать постепенный rollout.

Мини-чеклист A/B-теста перед переходом

1. Возьмите реальные задачи, а не демонстрационные примеры. Включите успешные кейсы, провальные кейсы Opus 4.6, длинные цепочки и дорогие для бизнеса сценарии.
2. Не меняйте всё сразу. Prompt, инструменты, контекст, формат данных и системные инструкции лучше оставить прежними, чтобы сравнивать именно модель.
3. Считайте не только качество ответа. Фиксируйте success rate, время ручной доработки, tool errors, input/output tokens, число ретраев и задержку.
4. Отдельно проверьте xhigh. Новый effort-уровень упоминается в разборе 4.7, но он не обязан быть выгодным для каждой задачи; сравнивайте его отдельно от стандартных настроек.
5. Для vision используйте настоящие изображения. Если вам важны скриншоты, сканы или технические схемы, тестируйте именно их, а не простые картинки из презентации.
6. Оставьте Opus 4.6 как fallback. Начните с небольшой доли трафика, проверьте качество, стоимость и latency — и только потом расширяйте миграцию.

Итог: обновляться или нет?

Для engineering, coding agents, длинных tool-based workflow и vision-задач Claude Opus 4.7 — сильный кандидат на ближайший тест. Улучшения совпадают с теми зонами, где Opus-модели обычно используют ради максимального качества, а базовая цена, по данным LLM Stats, не выросла.

Для обычных текстовых сценариев ответ осторожнее: можно попробовать, но не стоит мигрировать только из-за номера версии. Сейчас публичные данные лучше доказывают пользу 4.7 в сложных инженерных и agent-сценариях, чем в повседневной генерации текста.

Самый практичный подход: относиться к Opus 4.7 как к приоритетному кандидату на A/B-тест, а не как к автоматической замене Opus 4.6. Если на ваших задачах он повышает success rate, держит формат, не раздувает latency и снижает стоимость завершённой задачи — тогда переход действительно оправдан.