| 輸入圖片可以保留更多細節,尤其係細字、複雜 UI 同資訊密集文件。 |
| 聚焦 screenshot、artifact、文件 | Anthropic 指出,呢個解像度升級對 computer use,以及理解 screenshot、artifacts、documents 特別重要。 | 目標唔係只係自然相片,而係包含大量文字同版面資訊嘅工作場景。 |
| Low-level perception 改善 | Anthropic 提到 pointing、measuring、counting 等任務有改善。 | 適合問「邊個位置」、「有幾多個」、「相距幾遠」呢類細節問題。 |
| Image localization 改善 | Opus 4.7 改善影像定位,包括 bounding box 同自然影像物件偵測。 | 對需要框住按鈕、輸入欄、圖表區域或特定物件嘅 workflow 有幫助。 |
| 座標同原圖像素 1:1 | 模型返回嘅座標而家同圖片實際像素 1:1 對應。 | 做 automation 或 computer use 時,少咗自行計 scale、轉座標嘅麻煩。 |
核心變化係:Opus 4.7 可以處理更高上限嘅圖片。如果以前一張 screenshot 或文件圖片要被大幅縮細先符合輸入限制,細字、按鈕標籤、表格線、圖表註解等資訊可能未到模型分析前已經流失。升到 2576 px / 3.75 MP 後,同一張圖喺一次分析入面可以保留更多視覺細節。
不過,要講得準確啲:呢個係「可接收更多像素」嘅升級,唔等於所有模糊圖、過度壓縮圖片或者質素差嘅掃描件都一定會讀啱。最大價值通常會出現喺源圖本身夠清,但內容太密、舊解像度上限會變成瓶頸嘅情況。
Screenshot 嘅難度,往往唔係畫面「靚唔靚」,而係細節太多:按鈕、menu、icon、輸入欄、錯誤訊息、表格、側欄、圖表標籤,全部可能細細粒又貼得好近。Anthropic 明確講到,Opus 4.7 嘅高解像度影像支援對 computer use 同 screenshot 理解特別重要。
對 automation 嚟講,更關鍵係座標 1:1。以前如果圖片被 resize,模型講出嚟嘅位置可能要再計比例先對得返原圖。Anthropic 表示 Opus 4.7 返回嘅座標而家同實際圖片像素 1:1 對應,對 click、拖拉、框選、檢查 UI 位置呢類流程會直接好多。
文件同 slide 通常唔只係一段文字。佢哋可能有表格、圖表、細小註腳、座標軸標籤、header、footer、多欄排版,甚至混合圖像同文字。Anthropic 將 documents 同 artifacts 列入今次 Vision 升級受惠嘅內容類型。
Anthropic 嘅 Claude Opus 4.7 產品頁亦將呢個 model 放喺 vision 改善,以及 interfaces、slides、docs 等專業輸出場景之中。 所以如果你嘅工作流包括讀取投影片截圖、分析文件 layout、檢查圖片入面嘅文件內容,Opus 4.7 值得用真實樣本測一次,而唔係只靠一兩張 demo 圖判斷。
Vision 任務好多時唔係「睇到有咩」就夠,仲要知道「喺邊度」。Anthropic 提到 Opus 4.7 改善 image localization,包括 bounding box、自然影像物件偵測,以及 pointing、measuring、counting 等低層次 perception 任務。
放返落 screenshot 同文件場景,呢點好實用。例如:唔只知道畫面有一個提交按鈕,仲要知道按鈕位置;唔只知道文件有一個圖表,仲要框出圖表範圍;唔只讀到表格入面有數字,仲要分清係邊一行邊一欄。呢啲都係 Anthropic 今次描述 Opus 4.7 Vision 改善方向所涵蓋嘅場景。
要留意,呢批官方資料未有提供一個獨立 benchmark,例如「screenshot OCR 準確率提升幾多百分比」或者「文件 OCR 提升幾多百分比」。 所以最穩陣嘅講法係:Opus 4.7 Vision 透過更高解像度輸入、改善 perception/localization,以及 1:1 像素座標,令 screenshot、artifact、文件同 computer use 場景更值得期待。
換句話講,如果以往樽頸係圖片被壓細、細字同 UI 細節流失,今次升級有明顯理由會幫到手。但如果你要做產品級 OCR,仍然唔應該將 3.75 MP 直接換算成一個固定準確率提升;實際效果要睇你嘅文件類型、截圖質素、版面密度同評測方法。
如果你諗住將 Opus 4.7 放入產品或內部流程,建議唔好只試一兩張好靚嘅示範圖,而係分場景測:
Claude Opus 4.7 Vision 最值得留意嘅三點係:影像輸入上限升到 2576 px / 3.75 MP、perception/localization 改善,以及模型返回座標同原圖像素 1:1 對應。
對 screenshot、文件、artifact 同 computer use,呢啲都係實在改動;尤其係畫面有好多細字、UI 元件或者需要精準定位時。不過,如果目標係大規模文件 OCR 或高可靠度自動化,仍然應該用自己嘅真實數據做 benchmark,而唔係單靠解像度升級去推斷一個固定提升幅度。