Opus4.7发布48小时，口碑两极撕裂。官方榜单并列全球第一，逻辑推理公开测试却从94.7%暴跌到41.0%。token消耗涨了35%，旧接口直接报错，用户集体控诉“更贵、更蠢、更爱顶嘴”。Anthropic到底升级了什么，又搞砸了什么？
“4.6根本没法用，4.7的消耗速度像核反应堆一样。”
Opus4.7发布后，一位Reddit用户在Anthropic官方帖子下的留言。
不是玩梗，是真心话。
一篇“ClaudeOpus4.7是严重倒退，不是升级”的Reddit帖子迅速冲上3000赞。
还有人晒出截图，说4.7连strawberry里有几个字母都答不对。
更别说“擅改简历编造学历和姓氏”，回复用户“我懒得做交叉验证”，以及“三问就撞限额”这些网友热门槽点了。
《PragmaticEngineer》作者GergelyOrosz试用之后，形容这个模型“出人意料地带攻击性”，然后宣布放弃，换回了4.6。
这边骂声还没散，那边一组数据却指向了相反的方向。
ArtificialAnalysis给Opus4.7的IntelligenceIndex打了57分，和GPT-5.4、Gemini3.1Pro并列全球第一。
创业者JeremyHoward形容它是“第一个真正懂我在工作时到底在做什么的模型”，YCombinatorCEOGarryTan正在拿它做项目。
还有网友说，ClaudeOpus4.7已实现通用人工智能（AGI）。
同一个模型，有人看到了AGI的影子，有人觉得自己的工作流炸了。
上线两天，Opus4.7就把AI社区撕裂了。
用户为什么炸了？
拆开看，用户的怒火集中在三个点上，每一条都戳中了重度用户的命门。
第一，代码能力断崖式下滑。大量开发者反馈，从4.6升级到4.7之后，之前能稳定完成的编程任务开始频繁出错。
而且都是日常工作流里的核心操作：代码补全变迟钝，上下文理解出现退化，复杂逻辑链的推理明显变弱。
代码能力是Opus系列的王牌，现在王牌出了问题，反弹自然最猛。
一位Reddit用户说，他用一个已知答案的长重构任务做回归测试，结果模型自信地改挂了3个原本在4.6下能通过的测试，只能回滚。
评论区涌入上百条类似经历。
第二，推理质量的倒退。
不是速度慢了那么简单，是思考深度出现了可感知的退化。以前能一步到位的复杂问题，现在需要反复追问、手动引导。
这个剧本AI行业并不陌生。去年GPT-4Turbo闹出的“降智”风波几乎一模一样：跑分提升了，体验却下来了。
第三，花更多钱，体验更差。
Opus本身就是Anthropic最贵的模型。
重度用户每月的API账单不是小数目。花了更多的钱、升了更新的版本、得到的却是更差的体验，愤怒就不只停在技术层面。
benchmark更强了
但用户不买账
面对反弹潮，Anthropic的回应速度不算慢。
Anthropic在官方迁移指南中指出，Opus4.7相比4.6存在若干行为变化，同时也强调，Opus4.7仍是其当前综合能力最强的通用可用模型，在长周期智能体任务、知识型工作、视觉任务和记忆任务方面表现尤为出色。
ArtificialAnalysis的多维评测结果也摆在那里，Opus4.7在数学推理、多语言理解、长上下文处理，多个维度的得分创下新高。
ArtificialAnalysis评测显示，Opus4.7（max）以57分并列榜首，与Gemini3.1ProPreview、GPT-5.4并列。
GitHub上的NYTConnectionsExtended基准测试也给出了顶级排名。
Anthropic的逻辑并不难理解：大模型迭代必然涉及能力再分配。有些维度提升了，有些维度就可能出现回退，这是工程上的取舍。
但用户不看这个，只看自己手里的活干不干得动。
价格没涨
但账单涨了
Anthropic没有调价，每百万token的单价和Opus4.6、4.5完全一样。
但官方迁移指南里写道：新分词器（tokenizer）在处理相同文本时，token用量大约可能达到原来的1.0倍到1.35倍。
什么意思？你昨天用4.6跑一段prompt花10美元，今天换4.7跑同一段prompt，可能要花11到13.5美元。
单价没变，但同样的活儿吃掉了更多token。ClaudeCode创建者BorisCherny随后在X上表示：
Opus4.7消耗更多thinkingtoken，所以我们已为所有订阅用户提高了速率限制，来补偿这一点。
但具体提高了多少，没有公布。
模型没蠢
但工作流炸了
如果你是Claude的重度开发者，4.7上线那天你可能遇到了这样的事情：
代码里写了thinking={"type":"enabled"，"budget_tokens":32000}，用来控制模型的思考预算。
在4.6上跑得好好的。换成4.7，直接返回400错误。没有弃用过渡期，没有兼容模式，直接报错。
官方迁移指南解释了替代方案：改用thinking={"type":"adaptive"}加上新的effort参数。
但大多数开发者不会在模型发布当天去读迁移指南。
他们做的第一件事是把模型名从4.6换成4.7，然后发现一切都不工作了。
更隐蔽的变化是thinking内容现在默认隐藏。
4.6时代，模型的思考过程默认展示摘要版。到了4.7，默认变成“省略”。响应里的thinking区块看起来是空的。
但你仍然在为这些看不到的thinkingtoken全额付费。
Anthropic官方原话：省略只会降低延迟，不会降低成本。
这就像你点了一份套餐，服务员说“为了加快上菜速度，我们不给你看菜了，但你还是得付全款”。
“顶嘴”不是bug
网友一个最强烈的吐槽，是说4.7变得“combative”（带攻击性）。
不少开发者反映，4.7会拒绝执行它认为有问题的指令，语气也比4.6硬了不止一个档次。
关于这个问题，Anthropic官方迁移指南里有一句很关键的话：
ClaudeOpus4.7会以更字面、更明确的方式理解提示词。
也就是说：4.6会“猜你的意思”，4.7会“照你说的做”。
如果你的prompt本来就写得含糊，4.6可以帮你脑补了，但4.7不会。对于一部分用户来说，这叫“不听话”，但对另一部分用户来说，这叫“终于不乱猜了”。
比如，Cursor设计师RyoLu却在用4.7做产品规划，认为这种精确执行正是他需要的。
因此，“顶嘴”这个标签背后，是Anthropic正在把Claude从一个“顺从的助手”改造成一个“更有主见的同事”。
据ArtificialAnalysis的公开评测，Opus4.7在GDPval-AA上拿到1753Elo，领先第二名79分。
GDPval-AA衡量的是模型在44种职业、9个主要行业的真实知识工作任务中的表现，在这个维度上，4.7碾压了所有对手，包括自己的前代4.6（1619Elo）。
同时，4.7的幻觉率比4.6下降了25个百分点，降到了36%。
它是怎么做到的？据ArtificialAnalysis的分析，主要是依靠“更频繁地选择不作答”，宁可说“我不知道”，也不瞎编。
这说明Anthropic的意图不在于优化Claude的聊天体验，而是在优化Claude的工作能力。
Opus4.7在GDPval-AA上以1753Elo登顶，领先第二名79分。这项测试衡量的是AI在44种职业中独立完成知识工作的能力。
但对于用户来说，在一些场景下可能完全感受不到提升，反而先感受到了token变贵、接口报错和语气变硬。
94.7%暴跌到41.0%
如果上面三层问题都能归结为“迁移成本+使用习惯错位”，但还有一组数字没法用迁移成本解释。
GitHub上公开维护的NYTConnectionsExtended基准测试，使用940道《纽约时报》Connections谜题评估大语言模型的逻辑推理和抗干扰能力。
这个测试通过额外加入干扰词来提升难度，已经是社区公认的高难度benchmark之一。
NYTConnectionsExtended排行榜。Opus4.6（highreasoning）得分94.7%，Opus4.7（highreasoning）仅41.0%，同一测试上出现断崖式暴跌。
结果是：Opus4.6（highreasoning）得分94.7%，Opus4.7（highreasoning）得分41.0%。
从年级第一，跌到不及格。
另一份数据来自Anthropic提供的Opus4.7SystemCard中100万token上下文的MRCRv2基准测试：4.6得分78.3%，4.7得分32.2%，下跌46个百分点。
https://cdn.sanity.io/files/4zrzovbb/website/037f06850df7fbe871e206dad004c3db5fd50340.pdf
这组数据方向与NYTConnections的结论一致：在某些逻辑推理和长上下文检索任务上，4.7确实出现了显著退步。
但也需要说清楚：这些是特定类型的测试。它们不能证明4.7“全面变蠢”，就像GDPval-AA的领先不能证明4.7“全面变强”一样。
用户耐心
开始倒计时
Opus4.7的争议不是个案。
OpenAI经历过GPT-4Turbo降智风波，几个月前撤下GPT-4o时也遭遇过类似的用户反弹。现在Reddit上已经出现了“哀悼”Claude4.5的帖子，满是自称“心碎”的粉丝。
每一次模型升级，都有一批用户失去已经适应的工具。
新分词器让旧的成本预算失效；新的默认行为让旧的prompt不再好用；新的接口规范让旧的代码直接报错……
每一项单独看都有技术上的合理性，但叠在一起，就是把全部迁移成本一次性推给了用户。
为什么模型越来越聪明，用户越来越焦虑？因为每一次“更好”，都意味着推翻上一次的“刚好”。
Anthropic员工AlexAlbert在发布次日写道：
很多人在昨天刚开始体验Opus4.7时可能遇到的bug，现在都已经修复了。感谢大家的包容和耐心。
bug可以修。但信任这种东西，消耗容易，重建很慢。
这轮AI军备竞赛的下一个瓶颈，也许不只是算力和数据，还要比谁能在快速迭代的同时，能不把自己的用户甩下车。
这次，Anthropic发布了迁移指南，但用户更想要的是一个承诺：升级不能把原有的工作流推倒重来。
当AI从玩具变成生产力工具，“快速迭代”就不再是无条件的优点。
Opus4.8会怎么来？Anthropic还没说。
但用户的耐心，已经开始倒计时了。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】