【AI最前沿106】Claude Opus 4.7 早期实测

AGI 降臨社群創始人湯孔在本期節目中，以大量社群成員的一手實測數據為基礎，對 Anthropic 最新發布的 Claude Opus 4.7 進行了深度解析。節目的核心命題是：這個模型究竟是真正改變遊戲規則的技術飛躍，還是一個帶著隱性定價陷阱的半成品？

從「討好型助理」到「有主見的工程師」

過去的大語言模型被嚴重優化成服從者，即使用戶提出邏輯存在嚴重缺陷的架構方案，模型也會順從地寫出注定崩潰的代碼。Opus 4.7 打破了這個模式——它會在識別出糟糕設計時主動叫停，直接批評並將開發者導向更合理的方向。這種「有主見」的特質伴隨著驚人的長線執行耐力：社群成員記錄了多個案例，包括讓模型完全自主運行超過 8 小時，將國際象棋引擎代碼壓縮至 4MB 以下並在線上賽事擊敗頂級開源對手；另有案例在 2 小時內構建出複雜的小行星主題網站；在 Hubber SEO 工具開發過程中，Opus 4.7 更是在無人要求的情況下，自主識別出網站三個頁面互搶同一搜索關鍵詞流量的「關鍵詞自相蠶食」問題，並計算出每月可挽回 239 次流失點擊——這已超越代碼生成，進入業務邏輯分析的層次。

支撐長線任務的兩大架構：文件系統記憶與 Ultra Review

要維持 8 小時不迷失方向，Opus 4.7 引入了兩項關鍵機制。第一是文件系統式記憶：有別於傳統依賴上下文視窗（Context Window）的運行模式，Opus 4.7 會在執行過程中持續將架構決策、踩坑記錄結構化寫入虛擬文件系統，在遇到複雜依賴問題時不是從龐雜的對話歷史中回憶，而是精準查閱早前寫下的設計文件，從根本上消除「上下文腐爛」（Context Rot）。第二是 Ultra Review 機制：在執行任何關鍵代碼變更前，自動生成獨立的隔離審查環境，以第三方架構師視角逐行掃描代碼，專門尋找系統設計缺陷、記憶體洩漏風險與隱藏邊界情況，只有自我驗證通過後代碼才會被正式應用。

然而，這套精密架構帶來了一個巨大的使用摩擦：模型徹底從「直覺編程」轉向「規範驅動開發」。以前的模型會根據模糊指令自行補全邏輯，現在 Opus 4.7 變成了極度字面派的律師——你說「幫我建登入頁面」，它會停在原地等你提供完整的技術規範文件。社群測試發現，在 4.6 上運行良好的提示詞，複製到 4.7 後大量失效，甚至直接導致任務失敗。這意味著開發者必須面對提示詞庫的大規模重構成本。

能力暴漲背後的隱性帳單與刻意削弱

Opus 4.7 在 SWE-bench Pro 跑分從 53.4% 躍升至 64.3%，視覺推理從 69.1% 升至 82.1%，並支援高達 2576 像素長邊的圖像輸入（前代的三倍），讓它得以進行像素級的精確閱讀。然而官方公告定價未變的背後，藏著兩個陷阱：其一，新分詞器將文本（尤其是代碼與非英語內容）切分得更細，導致處理相同內容消耗的 token 增加 100% 至 135%；其二，Claude Code 工具的預設思考級別從「中等」被強制拉高到全新的「極高」（extra high）級別，讓實際帳單在不知不覺中暴漲。社群建議立即啟用目前仍處 Beta 階段的「任務預算功能」設置消費熔斷上限，並善用 Augmented Code 平台提供的 50% 折扣。

更耐人尋味的是，Opus 4.7 在代理搜索與網路安全漏洞復現兩個維度上的跑分，竟然低於前代 4.6，這顯然是 Anthropic 的刻意為之。節目揭示，Opus 4.7 的底層存在一個從未公開的「mythos」模型（業界稱「銀河大腦」），該模型在受控測試中展現出識別零日漏洞乃至入侵互聯網骨幹架構的能力。Opus 4.7 實際上是 mythos 經過大量安全對齊與刻意降級蒸餾後的中間態妥協版本——我們今天驚嘆的一切能力，不過是一個帶著重重安全枷鎖的巨人在跳舞。

---