Claude Opus 4.7: что показывают бенчмарки и где модель сильнее всего

На практике это делает Opus 4.7 сильным кандидатом для задач, где модель должна долго удерживать контекст: большие кодовые базы, объёмные технические документы, многошаговый анализ, агентные процессы с цепочкой действий и проверок. И публичные бенчмарки лучше всего подтверждают именно эту картину: Vals AI ставит Opus 4.7 на первые места в нескольких рейтингах, связанных с кодом и агентным выполнением задач.

Но важная оговорка остаётся: имеющиеся данные не доказывают, что Opus 4.7 — лучшая модель для всего подряд. На странице Vals AI она не занимает первое место в ряде тестов, а сама Anthropic в запускных материалах пишет, что Claude Mythos Preview шире по возможностям, чем Opus 4.7.

Характеристики, которые реально имеют значение

Главная «сырьевая» сила Opus 4.7 — масштаб контекста. Anthropic и AWS указывают поддержку окна на 1 млн токенов и максимальный объём ответа до 128 тыс. токенов. Это важно не как красивая цифра в таблице, а для сценариев, где модель должна прочитать и удерживать много материала: репозитории, длинные отчёты, задачи по нескольким файлам, подробные трассы работы агента.

Есть и практический нюанс для команд, которые думают о миграции. Anthropic сообщает, что Opus 4.7 использует новый токенизатор: в зависимости от содержимого он может считать примерно от 1 до 1,35 раза больше токенов, чем предыдущие модели. Иными словами, промпт или workflow, который спокойно помещался в лимиты старой Claude-модели, перед переходом на Opus 4.7 стоит заново проверить по токен-бюджету.

Самая сильная история — код и AI-агенты

Anthropic позиционирует Opus 4.7 как заметное улучшение относительно Opus 4.6 в сложной разработке ПО и продолжительных задачах. В материалах запуска компания отдельно подчёркивает более точное следование инструкциям, самопроверку и более стабильное поведение на трудных coding-задачах.

Самая конкретная цифра роста в публичных материалах Anthropic — клиентский результат: улучшение на 13% относительно Opus 4.6 в бенчмарке из 93 задач по программированию, включая четыре задачи, которые Opus 4.6 и Sonnet 4.6 не решили. Это полезный сигнал, но его стоит читать именно как данные из запускных материалов, а не как широкую независимую проверку.

Внешние бенчмарки тоже поддерживают версию о сильной coding-agent модели. Vals AI указывает для Claude Opus 4.7 позиции 1/40 в Vals Index, 1/41 в SWE-bench, 1/52 в Terminal-Bench 2.0 и 1/26 в Vibe Code Bench. В сумме это говорит о высокой конкурентоспособности в практическом программировании, терминальных задачах и агентном выполнении действий.

Бенчмарки сильные, но не универсально первые

Та же страница Vals AI показывает, почему оценку лучше держать трезвой. Opus 4.7 указана как 7/96 в AIME, 13/103 в LiveCodeBench и 7/66 в MMMU Pro. Это сильные позиции, но не первые места.

Vals AI также отмечает, что некоторые прогоны бенчмарков могут использовать разных провайдеров и параметры. Поэтому такие рейтинги полезны как ориентир, но не как идеально контролируемое сравнение «яблок с яблоками».

Работа с изображениями получила заметный апгрейд

Opus 4.7 важна не только для кода. Anthropic пишет, что это первая Claude-модель с поддержкой изображений высокого разрешения: максимальное разрешение повышено до 2576 px / 3,75 МП против прежних 1568 px / 1,15 МП.

По словам Anthropic, это улучшает низкоуровневое восприятие и локализацию объектов на изображениях. Поэтому Opus 4.7 выглядит более подходящей для детального визуального ввода, чем предыдущие Claude-модели. Но публичная документация напрямую подтверждает прежде всего рост поддерживаемого разрешения; она не доказывает автоматическое повышение точности во всех производственных vision-сценариях.

Это самая мощная Claude-модель?

Если говорить строго — не совсем. Самая безопасная формулировка: Claude Opus 4.7 является самой способной общедоступной Claude-моделью Anthropic.

Называть её самой мощной Claude вообще было бы слишком смело. В собственных материалах Anthropic сказано, что Claude Opus 4.7 менее широка по возможностям, чем Claude Mythos Preview. Разница важная: Opus 4.7 может быть сильнейшей общедоступной моделью линейки Opus, но это не означает, что она абсолютный лидер Anthropic для любой задачи.

Когда Opus 4.7 выглядит правильным выбором

Лучше всего Opus 4.7 подходит там, где её документированные сильные стороны действительно нужны: сложное программирование, многошаговые агентные процессы, большие кодовые базы, очень длинные документы и изображения высокого разрешения.

Хуже идея — выбирать её только потому, что название звучит как универсальный победитель всех таблиц. Если ваш сценарий зависит от семейства бенчмарков, где Vals AI не ставит Opus 4.7 на первое место, например AIME, LiveCodeBench или MMMU Pro, разумнее провести собственную оценку на реальных задачах перед тем, как стандартизировать стек вокруг этой модели.

Итог

По доступным публичным данным Claude Opus 4.7 действительно очень сильна. У неё окно контекста 1 млн токенов, поддержка вывода до 128 тыс. токенов и особенно убедительные результаты в программировании и агентных workflow.

Но аккуратный вывод звучит не как «лучшая во всём». Скорее, Opus 4.7 выглядит одной из самых сильных общедоступных моделей для coding-agent задач, длинного контекста и улучшенной работы с изображениями, тогда как позиционирование Anthropic и смешанная картина в Vals AI оставляют пространство для моделей, которые могут быть сильнее в отдельных областях.