Claude Opus 4.7 跑分解讀：強項、限制同適合場景

呢啲規格對大型 codebase、長技術文件、多步驟分析、需要一路保留上下文嘅 agent workflow 特別有用。 公開 benchmark 入面，最明顯嘅強項亦係呢條線：Vals AI 將 Opus 4.7 排喺多個 coding 同 agent-oriented leaderboard 第一。

但要留神：公開證據未支持「Opus 4.7 係所有任務都最強」呢個講法。Vals AI 顯示它在幾個 benchmark 並非第一，而 Anthropic 自己亦表示 Claude Mythos Preview 比 Opus 4.7 更廣泛有能力。

規格點樣影響實際使用

Opus 4.7 最重要嘅硬規格係上下文容量。Anthropic 同 AWS 列出它支援 100 萬 token context window，最高輸出限制為 128k token。 token 可以簡單理解為模型用嚟計算輸入、輸出長度嘅單位；容量愈大，模型理論上愈適合處理大型 repository、長報告、多檔案技術任務，或者好長嘅 agent trace。

不過，如果團隊打算由舊 Claude model 轉過嚟，要重新計 token budget。Anthropic 指 Opus 4.7 使用新 tokenizer，視乎內容，處理文字時可能會比舊模型計多大約 1x 至 1.35x token。 換句話講，以前啱啱好放得入 prompt 嘅 workflow，轉到 Opus 4.7 未必仲有同樣餘量。

Coding 同 agent：公開證據最硬淨

Anthropic 將 Opus 4.7 定位為比 Opus 4.6 更適合高階 software engineering 同複雜、長時間任務的升級。 其發布資料亦強調，它在困難 coding 工作上有更好 instruction-following、self-verification 同一致性。

最具體嘅升幅數字，來自 Anthropic launch material 引用嘅客戶回報：在一個 93 項 coding benchmark 入面，Opus 4.7 較 Opus 4.6 提升 13%，並完成了 4 個 Opus 4.6 同 Sonnet 4.6 都未能解決嘅任務。 呢個結果有參考價值，但嚴格講，它係發布資料入面嘅客戶回報，不等於全面獨立審計。

外部 benchmark 亦支持「coding agent 好強」呢個方向。Vals AI 將 Claude Opus 4.7 排在 Vals Index 1/40、SWE-bench 1/41、Terminal-Bench 2.0 1/52、Vibe Code Bench 1/26。 合埋睇，呢啲排名指向一個特別適合實務 coding、terminal 類任務同 agentic execution 嘅模型。

跑分整體：勁，但唔係每張榜都掃晒

同一個 Vals AI 頁面亦提醒我哋，結論要收斂啲。Opus 4.7 在 AIME 排 7/96、LiveCodeBench 排 13/103、MMMU Pro 排 7/66。 呢啲都係強勢名次，但唔係第一。

Vals AI 亦註明，部分 benchmark 可能使用不同 provider 同參數，所以呢啲排名適合作方向參考，唔等於完全受控、逐項公平嘅「蘋果對蘋果」比較。

圖像能力：高解像支援係實質升級

Opus 4.7 亦值得 image-heavy workflow 留意。Anthropic 指，它係 Claude 第一個支援高解像圖像的 model，最大圖像解像度由之前 1,568px／1.15MP 提高至 2,576px／3.75MP。

Anthropic 表示呢個改動改善 low-level perception 同 image localization。 對需要仔細睇圖、定位圖中細節嘅任務，Opus 4.7 會比舊 Claude model 更值得測試；但公開文件更直接證明嘅係「解像度上限提升」，而唔係已經證明所有 production vision 任務都一定全面變準。

係唔係最強 Claude？要分清楚

最穩陣講法係：Claude Opus 4.7 係 Anthropic 最有能力、已普遍可用的 Claude model。

但唔應該講成 Anthropic 絕對最強模型。Anthropic 自己在 launch material 指 Claude Mythos Preview 比 Opus 4.7 更廣泛有能力。 所以，「最強普遍可用 Claude」同「Anthropic 任何情況下最強模型」係兩個唔同講法。

乜情況值得揀 Opus 4.7

如果團隊嘅痛點係困難 coding 任務、多步驟 agent 執行、大型 codebase、超長文件，或者高解像圖像輸入，Opus 4.7 係非常值得優先評估嘅選項。

相反，如果只係因為聽到 Opus 4.7 好似係 universal leaderboard winner 就直接標準化，風險會高啲。若工作重點係 Vals AI 排名未到第一嘅 benchmark 家族，例如 AIME、LiveCodeBench 或 MMMU Pro，最好先跑自己內部、貼近實際任務嘅評測。

最後點睇

按目前公開證據，Claude Opus 4.7 確實好強。它有 100 萬 token context window、最高 128k output token，並且在 coding 同 agentic workflow 上有特別突出的 benchmark 訊號。

但最準確結論唔係「樣樣第一」。更貼地嘅講法係：Opus 4.7 似乎係目前最強一批普遍可用模型之一，尤其適合 coding agent、長上下文同升級後嘅 vision 任務；同時，Anthropic 自身定位同 Vals AI 的混合跑分結果都顯示，其他模型仍可能在某些範疇贏過它。