Claude Opus 4.7 基准测试：它到底强在哪？

Claude Opus 4.7 确实属于前沿级模型，但“强不强”要看任务。公开证据更支持一个谨慎结论：它是 Anthropic 已正式开放使用的 Claude 模型中能力最强的一款，优势尤其集中在编码代理、长上下文、复杂技术任务，以及更高分辨率的图像输入上。

先给结论：很强，但不是全科第一

Anthropic 和 AWS Bedrock（亚马逊云上的模型托管服务）都把 Claude Opus 4.7 描述为 Anthropic 最强的已正式开放 Claude 模型。 它的关键规格包括 100 万 token 上下文窗口、最高 12.8 万 token 输出、自适应思考和推理支持。

这让它成为大型代码库、长篇技术文档、多文件改造、连续多步分析，以及需要长时间保留上下文的代理工作流的有力选择。 从公开榜单看，最亮眼的故事也在这个方向：Vals AI 将 Opus 4.7 列为多个编码和代理相关榜单第一。

但这不等于它在所有任务上都第一。Vals AI 在 AIME、LiveCodeBench 和 MMMU Pro 上列出的 Opus 4.7 排名并非榜首；Anthropic 自己也表示，Claude Mythos Preview 的广泛能力高于 Opus 4.7。

100 万 token 上下文为什么重要

Opus 4.7 最显眼的硬指标，是上下文规模。Anthropic 和 AWS 都列出它支持 100 万 token 上下文窗口，并支持最高 12.8 万 token 输出。

对开发团队来说，这类规格的价值不在于数字好看，而在于模型能否一次性读入并持续处理更大的材料：例如完整仓库、长报告、多文件技术任务、复杂日志或较长的代理执行轨迹。

不过，迁移时不能只看上下文上限。Anthropic 表示，Opus 4.7 使用新的 tokenizer；视内容而定，它处理文本时的 token 数可能约为此前模型的 1 到 1.35 倍。 换句话说，以前在旧版 Claude 里“放得下”的提示词、文档或工作流，迁到 Opus 4.7 前最好重新核算 token 预算。

编码和代理：目前最有说服力的强项

Anthropic 将 Opus 4.7 描述为相较 Opus 4.6 在高级软件工程和复杂长时任务上的明显升级。 发布材料强调，它在困难编码任务中有更好的指令遵循、自我校验和一致性。

Anthropic 公开材料中最具体的提升数字，是一项客户报告的结果：在一个包含 93 个任务的编码基准上，Opus 4.7 相比 Opus 4.6 提升 13%，其中还有 4 个任务是 Opus 4.6 和 Sonnet 4.6 没有解决的。 这是一条有价值的证据，但更适合作为发布材料中的客户报告来理解，而不是覆盖所有场景的独立审计结论。

外部基准也支持“编码代理很强”这个判断。Vals AI 将 Claude Opus 4.7 列为 Vals Index 第 1/40、SWE-bench 第 1/41、Terminal-Bench 2.0 第 1/52、Vibe Code Bench 第 1/26。 合在一起看，这些排名说明它在实用编码、终端式任务和代理执行方面非常有竞争力。

基准成绩很强，但并不包打天下

更完整的榜单也提醒我们不要过度解读。Vals AI 同一页面显示，Opus 4.7 在 AIME 上为第 7/96，在 LiveCodeBench 上为第 13/103，在 MMMU Pro 上为第 7/66。 这些都是强排名，但不是第一。

基准信号	公开结果	可以怎样理解
Vals Index	1/40	在 Vals 综合模型索引中居首。
SWE-bench	1/41	软件工程类基准表现非常强。
Terminal-Bench 2.0	1/52	终端环境下的代理任务表现突出。
Vibe Code Bench	1/26	强化了它在编码代理方向的定位。
AIME	7/96	仍然有竞争力，但不是 Vals 榜单第一。
LiveCodeBench	13/103	在该榜单中不是排名最高的模型。
MMMU Pro	7/66	多模态方向表现强，但不是榜首。

Vals AI 也提示，部分基准可能使用了不同提供方和参数设置，因此这些排名适合作为方向性证据，而不能完全等同于严格同条件横评。

视觉能力有实质升级

Opus 4.7 也值得图像密集型工作流关注。Anthropic 表示，它是 Claude 首个支持高分辨率图像的模型，最大图像分辨率从此前的 1568px / 1.15MP 提升到 2576px / 3.75MP。

Anthropic 称，这一变化改善了低层视觉感知和图像定位能力。 因此，若任务包含细节较多的图像输入，Opus 4.7 相比早前 Claude 模型更有吸引力；不过，公开文档直接证明的是分辨率上限提升，而不是所有生产级视觉任务都会全面提准。

它是最强 Claude 吗？要先定义“最强”

如果说的是“已正式开放使用的 Claude 模型”，最稳妥的说法是：Claude Opus 4.7 是 Anthropic 最强的正式开放 Claude 模型。

如果说的是 Anthropic 所有模型里的绝对最强，那就不宜这么说。Anthropic 自己在发布材料中表示，Claude Mythos Preview 的广泛能力高于 Opus 4.7。 这个区别很关键：Opus 4.7 可以是最强的正式开放 Opus 模型，但不代表它在每一种任务、每一个榜单、每一个内部或预览模型面前都占优。

什么时候该优先考虑 Opus 4.7

Opus 4.7 最适合的场景，是它的已知优势能直接转化为生产价值的任务：困难编码、大型代码库理解、多步代理执行、超长文档分析，以及高分辨率图像输入。

反过来，如果你的核心任务更接近某些 Opus 4.7 并未排名第一的基准类型，例如 AIME、LiveCodeBench 或 MMMU Pro，那么仅凭“旗舰模型”四个字就统一切换并不稳妥；更好的做法，是用自己的数据、提示词和业务指标先做任务级评测。

最后一句话

按目前公开证据，Claude Opus 4.7 非常强：它有 100 万 token 上下文窗口、最高 12.8 万 token 输出，并且在编码和代理工作流上有扎实的公开基准信号。

但最准确的结论不是“什么都第一”。更合适的说法是：Opus 4.7 看起来是当前最强的正式开放 Claude 模型之一，尤其适合编码代理、长上下文和升级后的视觉输入；同时，Anthropic 对 Mythos Preview 的定位，以及 Vals AI 上并非全榜第一的结果，都说明其他模型仍可能在部分领域胜出。