Anthropic发布Opus 4.7模型回应质疑

一家AI公司，究竟做了什么，能让开发者在GitHub上公开声讨，直指其模型“退化到没法用”？

过去几周，关于Claude Opus 4.6“疯狂降智”的讨论就没停过。AMD的一位资深总监在GitHub上发帖，直言“Claude已退化到无法信任执行复杂工程的地步”，一石激起千层浪，无数开发者跟帖补刀，分享着相似的糟糕体验。

就在这场信任危机发酵到顶点时，2026年4月16日，Anthropic悄无声息地推出了Claude Opus 4.7。

这个时机，耐人寻味。

“退化”风波，Anthropic欠开发者一个答案

要理解Opus 4.7的意义，得先搞清楚它出现之前发生了什么。

Opus 4.6上线初期，口碑其实不错。但随着时间的推移，开发者们陆续发现不对劲：这个模型在处理复杂工程任务时，变得越来越“保守”，动不动就在多步骤任务中途放弃，甚至开始给出一些“看起来合理、实则错误”的答案。

这种“退化感”，在AI产品里堪称最致命的信任危机。用户或许能接受一个能力平平的工具，但绝对无法忍受一个用熟了的伙伴突然变得不可靠。

从数据视角看，财报分析平台Hex的评估点出了问题的本质。他们发现，Opus 4.6在遇到数据矛盾时，倾向于给出“看似合理的错误回退”，而不是老老实实承认“数据缺失，我无法回答”。对于一个被用来做数据分析的工具而言，这比单纯的“不会”更危险。

面对如潮的反馈，Anthropic的回应方式很直接：上新版本。没有公开的解释，也没有“我们听到了”的官方声明，就是一个新模型悄然上线。

对技术公司来说，这大概是最硬核的道歉方式了。

Opus 4.7到底强在哪

Anthropic给Opus 4.7贴的标签是“软件工程领域的显著提升”，并引入了一个全新的“xhigh”努力等级。

官方数字显示，其编码基准提升了13%，生产级任务的自主完成率提升了3倍，同时还带来了高达3.75兆像素的高分辨率视觉支持和更新的分词器。

但这些数字对开发者而言有些抽象。更有说服力的是来自Cursor团队的反馈。作为目前最受开发者青睐的AI编程工具之一，Cursor用其内部基准CursorBench测试了Opus 4.7，结果是自主编码成功率从Opus 4.6的58%跃升至70%。

12个百分点的差距，听起来不大，但放在“自主完成复杂任务”这个维度上，意义就完全不同了。过去在Opus 4.6上需要两到三次提示才能搞定的任务，在4.7上通常一次就能跑通。对于那些深度依赖AI工作流的开发者来说，这直接意味着来回调试的成本能减少一半以上。

Hex对Opus 4.7的评价，则从另一个维度印证了这次升级的含金量。他们直接称其为“评估过最强大的模型”，核心理由是它在面对数据矛盾时，不再试图编造貌似合理的答案，而是选择如实告知“数据缺失”。这听起来像是个微小的行为变化，但它指向的是模型“自知能力边界”这一更深层的进步。

价格倒是没变。输入每百万token 5美元，输出每百万token 25美元，与Opus 4.6保持一致。

两周三更新，Anthropic在打什么算盘

如果只看单次发布，Opus 4.7是一次扎实的迭代升级。但把时间线拉长到过去两个月，这次更新背后的逻辑就更有看头了。

自2026年1月以来，Anthropic大约保持着每两周一次重大更新的节奏。这个频率，在AI军备竞赛白热化的今天，本身就是一种战略表态：“我们在跑，而且不会停”。

更值得关注的是另一件几乎同时发生的事。就在Opus 4.7发布前几周，Anthropic向精选企业客户悄悄开放了Claude Mythos Preview，这是其“Project Glasswing”网络安全计划的一部分。据报道，这个模型能力极强，甚至能够渗透主要银&行系统，且具备同时攻击多个目标的潜力。Anthropic联合创始人杰克·克拉克为此专门向特朗普政府做了汇报，随后财政部长斯科特·贝森特和美联储主席鲍威尔也紧急召集了与银&行高管的会议。

这意味着，Anthropic现在同时在打两场战争。一场是公开的、面向开发者和企业客户的产品战，Opus 4.7是这场战争里的一枚棋子；另一场则是关于AI能力边界的政策博弈，Mythos和Project Glasswing是这条线上更为敏感的棋局。

两件事放在一起看，你会发现Anthropic的产品哲学正在发生微妙转变。他们越来越清楚，最强大的模型不能直接扔给所有人用，但也不能把那个“足够强”的通用模型给做差了。Opus 4.7扮演的，正是这个“足够强且可控部署”的角色。

开发者生态的新格局

Opus 4.7的发布，对整个开发者工具生态的影响，远不止“Claude又更新了”那么简单。

编程助手这个赛道，今天比拼的已经是“工作流深度绑定”的能力。Cursor选择将Opus 4.7作为核心模型接入，这背后是一个明确的判断：在当前竞争格局下，Claude系列对复杂软件工程任务的理解深度，依然拥有明显优势。

VentureBeat的一个分析视角很有意思，他们认为Opus 4.7代表着AI正从“创意助手”向“可靠执行者”的角色迁移。这个说法道出了企业采购决策的核心逻辑：创意助手可以偶尔出错，但执行者不行。

当然，也有值得留意的隐患。新分词器的引入意味着，同样的输入文本可能会消耗更多token。虽然单价不变，但实际使用成本可能悄然上涨。这对于高频调用API的企业来说，是一个需要重新测算的变量。

还有一个更根本的问题，正如Decrypt的评论所指出的，AI行业至今仍缺乏一套被广泛认可的能力评估标准。Anthropic说编码基准提升了13%，但这个基准与真实开发场景之间的距离，每个人的感受都不一样。Cursor那个70%的成功率数据，之所以比所有官方基准都更有说服力，正是因为它源于真实工作流中的实际验证。

几周前，开发者在GitHub上公开抱怨Opus 4.6“不能用了”。今天，Anthropic用一个新版本回应了这份不满，并用实打实的性能数据，赢回了Cursor、Hex这些头部工具团队的背书。

但用户的信任，不是靠一次发布就能彻底修复的。每两周一次的迭代节奏，既是优势，也是压力。因为它意味着，每一次发布都必须足够好，否则下一轮关于“退化”的声讨，只会来得更快、更猛。

对Anthropic而言，真正的考验不在于今天能否推出一个更好的版本，而在于能否让开发者相信，这种“更好”是持续的、可预期的。这对任何一家AI公司来说，都是一个巨大的挑战。

*头图来源：LLM Stats