Claude Opus 4.7 基準測試解析：Anthropic 這款 Opus 模型強在哪裡？

這些規格讓它很適合處理大型程式碼庫、長篇技術文件、多步驟分析，以及需要在長時間執行中保留大量上下文的代理式工作流程。 從公開基準來看，最有說服力的故事也在這個方向：Vals AI 將 Opus 4.7 排在多個程式開發與代理相關排行榜的第一名。

但要注意，公開證據並不支持「它在所有任務都是最強」這種說法。Vals AI 在若干基準中把 Opus 4.7 列在第一名之外；而 Anthropic 自家的發布資料也表示，Claude Mythos Preview 的整體能力比 Opus 4.7 更廣。

實務上最關鍵的規格

Opus 4.7 最值得注意的原始能力，是上下文規模。Anthropic 與 AWS 都列出它支援 100 萬 token 的上下文視窗，以及最高 128k token 的輸出上限。

這對實務工作很重要。當模型必須閱讀並維持大量資訊，例如整個 repository、長篇報告、多檔案技術任務，或代理系統留下的詳細執行軌跡時，長上下文能力往往會直接影響可用性。

不過，若團隊打算從舊版 Claude 遷移，還有一個細節需要先測。Anthropic 表示，Opus 4.7 使用新的 tokenizer；視內容而定，同一段文字可能會被計為舊模型約 1 到 1.35 倍的 token。 換句話說，過去在舊版 Claude 上剛好能放進提示或工作流程的內容，換到 Opus 4.7 後最好重新檢查 token 預算。

程式開發與代理任務，是目前最強的公開訊號

Anthropic 將 Opus 4.7 定位為相較 Opus 4.6，在進階軟體工程與複雜長時間任務上有明顯進步的模型。 發布資料也強調，它在困難程式工作中的指令遵循、自我驗證與一致性有所提升。

Anthropic 公開發布內容中最清楚的一個提升數字，是客戶回報的結果：在一個包含 93 項任務的程式基準測試中，Opus 4.7 較 Opus 4.6 提升 13%，並完成了 4 個 Opus 4.6 與 Sonnet 4.6 都未解出的任務。 這是有意義的訊號，但仍應視為發布材料中的證據，而不是廣泛獨立審計的結論。

外部基準資料也支持「程式代理很強」這個判斷。Vals AI 將 Claude Opus 4.7 列為 Vals Index 的 1/40、SWE-bench 的 1/41、Terminal-Bench 2.0 的 1/52，以及 Vibe Code Bench 的 1/26。 放在一起看，這些排名指向同一件事：Opus 4.7 對實務程式開發、終端機式任務與代理執行相當有競爭力。

基準表現亮眼，但不是每一項都登頂

同一份 Vals AI 頁面也提醒我們，結論要保守一些。Opus 4.7 在 AIME 排名 7/96、LiveCodeBench 排名 13/103、MMMU Pro 排名 7/66。 這些仍是強勢名次，但並不是第一名。

Vals AI 也提醒，部分基準可能使用不同供應商與參數，因此這些排名適合當作方向性證據，而不應被視為完全受控、逐項條件一致的比較。

視覺能力也有實質升級

Opus 4.7 對影像密集型工作也值得注意。Anthropic 表示，它是 Claude 第一個支援高解析度影像的模型，最高影像解析度從先前的 1568px／1.15MP 提高到 2576px／3.75MP。

Anthropic 稱，這項改變改善了低階感知與影像定位能力。 因此，與較早的 Claude 模型相比，Opus 4.7 更適合需要處理細節豐富視覺輸入的場景；不過，公開文件對「解析度升級」的支持最直接，並不等同於已證明它在每一種生產環境視覺任務中都全面勝出。

它是最強 Claude 嗎？要看怎麼定義

如果問題是：「Claude Opus 4.7 是 Anthropic 目前正式提供的一般可用 Claude 模型中最強的嗎？」根據這裡整理的公開資料，答案可以說是肯定的。

但如果問題是：「它是不是 Anthropic 旗下所有 Claude 模型中最強、所有任務都最好的模型？」那就不能這樣下結論。Anthropic 自己的發布資料表示，Claude Opus 4.7 的整體能力廣度不如 Claude Mythos Preview。

這個區分很重要：Opus 4.7 可以是目前一般可用 Opus 系列中非常強的模型，但仍不代表它在每個任務、每個基準、每個使用情境都壓過所有其他模型。

什麼情況適合選 Opus 4.7？

從公開資料看，Opus 4.7 最適合的場景，是那些會真正用到其文件化優勢的工作：困難程式任務、多步驟代理執行、大型程式碼庫、超長文件，以及高解析度影像輸入。

相反地，如果只是因為它聽起來像「排行榜全勝模型」就直接全面導入，風險會比較高。若你的工作負載依賴 AIME、LiveCodeBench 或 MMMU Pro 這類 Opus 4.7 並未在 Vals AI 排名第一的基準家族，更穩妥的做法是先用自己的任務資料做針對性評估，再決定是否標準化採用。

最後一句話

Claude Opus 4.7 很強，這點有公開證據支持。它具備 100 萬 token 上下文視窗、最高 128k token 輸出，並在程式開發與代理式工作流程上呈現特別強的基準訊號。

但最審慎的結論不是「它什麼都第一」。更合理的說法是：Opus 4.7 看起來是目前一般可用模型中，最適合程式代理、長上下文工作與升級版視覺任務的強力選項之一；同時，Anthropic 自家的模型定位與 Vals AI 的混合基準結果，也保留了其他模型在部分領域勝出的空間。