Anthropic发布Claude Opus 4.7,任务完成能力全面超越GPT-5.4与Gemini 3.1 Pro
| 能力维度 | Claude Opus 4.7 | Claude Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro |
|---|---|---|---|---|
| SWE-bench Pro (%) | 64.3 | 53.4 | 57.7 | 54.2 |
| 视觉分辨率 (长边) | 2576px (3.75MP) | ~850px (1.15MP) | 未公开 | 未公开 |
| 视觉准确率 (XBOW) | 98.5% | 54.5% | 未公开 | 未公开 |
| OSWorld-Verified (%) | 78.0 | 72.7 | 未公开 | 未公开 |
| BrowseComp (%) | 79.3 | 83.7 | 未公开 | 未公开 |
| 定价 ($/M tokens 输入/输出) | $5 / $25 | $5 / $25 | $5 / $30 | 未公开 |
Claude Opus 4.7与前代及主要竞品关键指标对比(数据截至2026年4月)
- Anthropic
2026年4月发布Opus 4.7,明确将能力重心从通用对话转向高级软件工程、视觉理解与长任务执行,推出xhigh effort、Task Budgets等机制以精细化控制推理深度与成本。31 - OpenAI
2026年4月23日上线GPT-5.5,定位为“面向真实工作的全新智能”,强调Agent能力、多步骤任务规划与跨工具协作,定价升至$5/$30 per M tokens,较GPT-5.4翻倍。 - Google
2026年3月发布Gemini 3.1 Pro,从“辅助人类”转向“自主代理”,可自主规划项目、跨文件修改代码并生成可验证工件,强化工程级生成与多模态整合能力。92 - Meta
虽未在同期发布旗舰模型,但其开源策略持续推动Llama生态发展,促使行业关注模型开放性与本地部署可行性,尤其在垂类场景如网络安全中,小型专业化模型开始挑战通用大模型地位。71
综合各厂商近期动作,AI大模型竞争已明确从“拼参数规模”转向“拼任务交付效能”。核心比拼维度包括:复杂任务的端到端执行可靠性、多模态感知与操作精度、推理成本与效益的精细控制、以及在垂直场景中的安全可控性。这一转变反映行业共识:模型价值不再由单一benchmark分数或参数量定义,而由其在真实工作流中能否稳定、高效、低成本地完成完整任务链所决定。
当前文章无评论,是时候发表评论了