花费106刀测试!Claude-Opus-4.7 到底更新了啥?
本次针对 Claude-Opus-4.7 的测试覆盖了视觉、前端及后端能力,所有 API 调用均通过 OpenRouter 完成,总成本约为 106 美元。测试采用 pass@3(多模态及后端)与 pass@6(复杂前端)的标准,旨在客观评估该版本相较于 Opus-4.6 的性能变化。
01视觉能力显著提升
测试数据显示,Opus-4.7 的核心优势集中在视觉处理领域。模型在颜色识别、细微画面元素的捕捉以及空间理解方面,均表现出比 Opus-4.6 明显更优的性能。这一提升使其在处理多模态前端交互设计任务时,能够替代 GPT-5.4-Pro,且具备成本优势。
02后端与硬核性能下降
Opus-4.7 vs Opus-4.6 能力对比
视觉与多模态
颜色识别精度显著提高
细微画面元素捕捉能力增强
空间理解力提升,适合前端交互设计


后端与硬核逻辑
基础算法能力表现下滑
自动化算法选择与验证效果变差
在 Harness 场景下难以自我迭代优化
在考察硬实力的后端测试中,Opus-4.7 出现了不同程度的性能倒退。这种下降并非源于模型本身不具备相应能力,因为在给予具体的算法提示(如指定使用 xxx 算法)时,它依然可以正确实现代码。然而,在要求模型自主采取最优算法进行实现和验证的场景下,其结果往往不及 Opus-4.6。
03性能波动原因分析
- 思考预算不足:即便使用 xhigh 级别的 reasoning effort,模型的思考空间似乎仍显不足,导致表现出“偷懒”迹象。
- 自主性受限:模型虽然具备强能力,但需要更多的思考步骤才能发挥最佳水平,官方推出的 xhigh 级别或许正是为了应对这一问题。
- 使用门槛增加:在实际应用中,若遇性能下降,需通过反复提示或跨多个会话引导其思考,才能达到预期效果。
综上所述,Claude-Opus-4.7 在视觉能力上的跃升使其成为多模态前端设计的优选,但在依赖深度推理和自主决策的后端任务中,其表现仍需通过特定的提示工程来弥补思考预算的短板。
当前文章无评论,是时候发表评论了