从“会聊天”到“能做事”：Claude Opus 4.7 的范式跃迁

人工智能的竞争正在悄然转向。过去，我们衡量大模型优劣的标准往往是“对话是否流畅”“回答是否自然”，而如今，真正的分水岭已落在“它能否独立完成任务”上。Anthropic 最新发布的 Claude Opus 4.7，正是这一趋势的集中体现——它不再追求“更像人”，而是致力于“更像一个可靠的数字员工”。

这并非一次常规的迭代。与两个月前的 Opus 4.6 相比，4.7 版本的核心突破不在于推理深度，而在于自主任务执行能力的系统性提升。Anthropic 明确将其定位为“迄今能力最强的通用可用模型”，并强调其专为 Agentic 工作流设计——即 AI 在长时间内自主运行、仅需少量人类干预的复杂任务。这意味着，AI 不再只是回答问题，而是开始真正“做事”。

视觉智能：让 AI 真正“看见”屏幕

此次更新中，最显著的进步来自视觉智能的飞跃。Opus 4.7 支持最长边达 2,576 像素的图像输入，分辨率约 375 万像素，较前代提升超过三倍。这一技术突破的意义远超“看得更清楚”——它让 AI 能够识别屏幕上占比低至 0.07% 的 UI 元素，比如 Photoshop 中的微小按钮、VSCode 里的调试图标，或 Excel 表格中的某个单元格。

在 ScreenSpot-Pro 基准测试中，Opus 4.7 在高分辨率模式下配合工具调用功能，成功率达到 87.6%，而 Opus 4.6 在低分辨率下仅为 57.7%。这种精确度不再是实验室里的玩具，而是“电脑使用”（Computer Use）能力的前提。未来，AI 办公、前端开发、自动化测试等任务，将从纯文本交互转向对屏幕内容的理解与操作。在 SWE-bench Multimodal 测试中，模型结合 UI 截图和代码修复前端 bug 的能力提升了 7.4 个百分点，正是这一趋势的明证。

长上下文检索：突破 Agent 的“记忆瓶颈”

如果说视觉是让 AI“看见”，那么长上下文检索能力就是让它“记住”。在 BFS 1M 测试中——该测试要求模型在 100 万 token 的图结构中进行路径遍历——Opus 4.7 的准确率从 Opus 4.6 的 41.2% 跃升至 58.6%，提升达 17.4 个百分点。这一指标被视为衡量 AI 智能体执行多步骤长任务的核心标准。

更令人印象深刻的是在 Vending-Bench 2 模拟经营测试中的表现：Opus 4.7 最终实现 10,937 美元余额，较前代提升 36%。这不仅是数字的增长，更是决策连贯性的体现——AI 能在长时间工作流中保持目标一致性，避免因上下文丢失而偏离轨道。此外，Opus 4.7 在基于文件系统的记忆机制上表现更优，能跨会话记住项目约束、用户偏好和失败原因，使新任务启动更高效。

“不乱猜”：严谨性成为核心竞争力

Anthropic 在发布中特别强调，Opus 4.7 在指令遵循能力上实现了显著提升。它不再“宽松地糊弄”或跳过部分指示，而是严格按字面意思执行。这种“不乱猜”的特性，正在成为其核心卖点。

这一变化带来双重影响：一方面，它减少了提示词工程的“玄学”成分，使需求撰写、格式设定和条件限制更加可靠；另一方面，用户可能需要重写旧提示词——许多提示是基于旧模型“会自动补全真实意图”的习惯优化的，而新模型的刚性可能导致这些提示失效。

在高级软件工程领域，这种严谨性转化为实际价值。在 SWE-bench Verified 和 SWE-bench Pro 测试中，Opus 4.7 的得分分别提升至 87.6% 和 64.3%，较前代均有明显进步。这意味着用户可以放心将高难度编码任务交给它，它会在输出前主动验证结果，减少人工监督成本。

从“最强”到“最可用”：Anthropic 的战略选择

值得注意的是，Anthropic 坦诚表示，Opus 4.7 并非其最强模型——能力更强的 Claude Mythos Preview 仍处于受限测试阶段。这一表态揭示了公司的战略重心：不是追求实验室里的极限性能，而是打造真正可部署、可信赖的生产力工具。

在 OfficeQA Pro 评测中，Opus 4.7 以 80.6% 的准确率解析近 9 万页美国财政部历史文件，几乎是谷歌 Gemini 3.1 Pro 的两倍。这不仅是技术胜利，更是对“AI 能否处理真实世界复杂信息”的有力回答。

Claude Opus 4.7 的发布，标志着 AI 竞争进入新阶段：从“谁更像人”转向“谁能做事”。当 AI 能看懂屏幕、记住任务、严格执行指令，它才真正从“聊天机器人”进化为“数字协作者”。而这，或许才是人工智能走向实用的关键一步。

标签： 人工智能 Claude Agent 视觉智能 长上下文