跑分第一，推理暴跌！Claude Opus 4.7上線48小時(shí)口碑崩了

新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】Opus 4.7發(fā)布48小時(shí)，口碑兩極撕裂。官方榜單并列全球第一，邏輯推理公開(kāi)測(cè)試卻從94.7%暴跌到41.0%。token消耗漲了35%，舊接口直接報(bào)錯(cuò)，用戶(hù)集體控訴「更貴、更蠢、更愛(ài)頂嘴」。Anthropic到底升級(jí)了什么，又搞砸了什么？

「4.6根本沒(méi)法用，4.7的消耗速度像核反應(yīng)堆一樣。」

Opus 4.7發(fā)布后，一位Reddit用戶(hù)在Anthropic官方帖子下的留言。

不是玩梗，是真心話(huà)。

一篇「Claude Opus 4.7是嚴(yán)重倒退，不是升級(jí)」的Reddit帖子迅速?zèng)_上3000贊。

還有人曬出截圖，說(shuō)4.7連strawberry里有幾個(gè)字母都答不對(duì)。

更別說(shuō)「擅改簡(jiǎn)歷編造學(xué)歷和姓氏」，回復(fù)用戶(hù)「我懶得做交叉驗(yàn)證」，以及「三問(wèn)就撞限額」這些網(wǎng)友熱門(mén)槽點(diǎn)了。

《Pragmatic Engineer》作者Gergely Orosz試用之后，形容這個(gè)模型「出人意料地帶攻擊性」，然后宣布放棄，換回了4.6。

這邊罵聲還沒(méi)散，那邊一組數(shù)據(jù)卻指向了相反的方向。

Artificial Analysis給Opus 4.7的Intelligence Index打了57分，和GPT-5.4、Gemini 3.1 Pro并列全球第一。

創(chuàng)業(yè)者Jeremy Howard形容它是「第一個(gè)真正懂我在工作時(shí)到底在做什么的模型」，Y Combinator CEO Garry Tan正在拿它做項(xiàng)目。

還有網(wǎng)友說(shuō)，Claude Opus 4.7 已實(shí)現(xiàn)通用人工智能（AGI）。

同一個(gè)模型，有人看到了AGI的影子，有人覺(jué)得自己的工作流炸了。

上線兩天，Opus 4.7就把AI社區(qū)撕裂了。

用戶(hù)為什么炸了？

拆開(kāi)看，用戶(hù)的怒火集中在三個(gè)點(diǎn)上，每一條都戳中了重度用戶(hù)的命門(mén)。

第一，代碼能力斷崖式下滑。大量開(kāi)發(fā)者反饋，從4.6升級(jí)到4.7之后，之前能穩(wěn)定完成的編程任務(wù)開(kāi)始頻繁出錯(cuò)。

而且都是日常工作流里的核心操作：代碼補(bǔ)全變遲鈍，上下文理解出現(xiàn)退化，復(fù)雜邏輯鏈的推理明顯變?nèi)酢?/p>

代碼能力是Opus系列的王牌，現(xiàn)在王牌出了問(wèn)題，反彈自然最猛。

一位Reddit用戶(hù)說(shuō)，他用一個(gè)已知答案的長(zhǎng)重構(gòu)任務(wù)做回歸測(cè)試，結(jié)果模型自信地改掛了3個(gè)原本在4.6下能通過(guò)的測(cè)試，只能回滾。

評(píng)論區(qū)涌入上百條類(lèi)似經(jīng)歷。

第二，推理質(zhì)量的倒退。

不是速度慢了那么簡(jiǎn)單，是思考深度出現(xiàn)了可感知的退化。以前能一步到位的復(fù)雜問(wèn)題，現(xiàn)在需要反復(fù)追問(wèn)、手動(dòng)引導(dǎo)。

這個(gè)劇本AI行業(yè)并不陌生。去年GPT-4 Turbo鬧出的「降智」風(fēng)波幾乎一模一樣：跑分提升了，體驗(yàn)卻下來(lái)了。

第三，花更多錢(qián)，體驗(yàn)更差。

Opus本身就是Anthropic最貴的模型。

重度用戶(hù)每月的API賬單不是小數(shù)目。花了更多的錢(qián)、升了更新的版本、得到的卻是更差的體驗(yàn)，憤怒就不只停在技術(shù)層面。

benchmark更強(qiáng)了

但用戶(hù)不買(mǎi)賬

面對(duì)反彈潮，Anthropic的回應(yīng)速度不算慢。

Anthropic在官方遷移指南中指出，Opus 4.7 相比4.6存在若干行為變化，同時(shí)也強(qiáng)調(diào)，Opus 4.7仍是其當(dāng)前綜合能力最強(qiáng)的通用可用模型，在長(zhǎng)周期智能體任務(wù)、知識(shí)型工作、視覺(jué)任務(wù)和記憶任務(wù)方面表現(xiàn)尤為出色。

Artificial Analysis的多維評(píng)測(cè)結(jié)果也擺在那里，Opus 4.7在數(shù)學(xué)推理、多語(yǔ)言理解、長(zhǎng)上下文處理，多個(gè)維度的得分創(chuàng)下新高。

Artificial Analysis評(píng)測(cè)顯示，Opus 4.7（max）以57分并列榜首，與Gemini 3.1 Pro Preview、GPT-5.4并列。

GitHub上的NYT Connections Extended基準(zhǔn)測(cè)試也給出了頂級(jí)排名。

Anthropic的邏輯并不難理解：大模型迭代必然涉及能力再分配。有些維度提升了，有些維度就可能出現(xiàn)回退，這是工程上的取舍。

但用戶(hù)不看這個(gè)，只看自己手里的活干不干得動(dòng)。

價(jià)格沒(méi)漲

但賬單漲了

Anthropic沒(méi)有調(diào)價(jià)，每百萬(wàn)token的單價(jià)和Opus 4.6、4.5完全一樣。

但官方遷移指南里寫(xiě)道：新分詞器（tokenizer）在處理相同文本時(shí)，token用量大約可能達(dá)到原來(lái)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，今天換4.7跑同一段prompt，可能要花11到13.5美元。

單價(jià)沒(méi)變，但同樣的活兒吃掉了更多token。Claude Code創(chuàng)建者Boris Cherny隨后在X上表示：

Opus 4.7消耗更多thinking token，所以我們已為所有訂閱用戶(hù)提高了速率限制，來(lái)補(bǔ)償這一點(diǎn)。

但具體提高了多少，沒(méi)有公布。

模型沒(méi)蠢

但工作流炸了

如果你是Claude的重度開(kāi)發(fā)者，4.7上線那天你可能遇到了這樣的事情：

代碼里寫(xiě)了thinking={"type": "enabled", "budget_tokens": 32000}，用來(lái)控制模型的思考預(yù)算。

在4.6上跑得好好的。換成4.7，直接返回400錯(cuò)誤。沒(méi)有棄用過(guò)渡期，沒(méi)有兼容模式，直接報(bào)錯(cuò)。

官方遷移指南解釋了替代方案：改用thinking={"type": "adaptive"}加上新的effort參數(shù)。

但大多數(shù)開(kāi)發(fā)者不會(huì)在模型發(fā)布當(dāng)天去讀遷移指南。

他們做的第一件事是把模型名從4.6換成4.7，然后發(fā)現(xiàn)一切都不工作了。

更隱蔽的變化是thinking內(nèi)容現(xiàn)在默認(rèn)隱藏。

4.6時(shí)代，模型的思考過(guò)程默認(rèn)展示摘要版。到了4.7，默認(rèn)變成「省略」。響應(yīng)里的thinking區(qū)塊看起來(lái)是空的。

但你仍然在為這些看不到的thinking token全額付費(fèi)。

Anthropic官方原話(huà)：省略只會(huì)降低延遲，不會(huì)降低成本。

這就像你點(diǎn)了一份套餐，服務(wù)員說(shuō)「為了加快上菜速度，我們不給你看菜了，但你還是得付全款」。

「頂嘴」不是bug

網(wǎng)友一個(gè)最強(qiáng)烈的吐槽，是說(shuō)4.7變得「combative」（帶攻擊性）。

不少開(kāi)發(fā)者反映，4.7會(huì)拒絕執(zhí)行它認(rèn)為有問(wèn)題的指令，語(yǔ)氣也比4.6硬了不止一個(gè)檔次。

關(guān)于這個(gè)問(wèn)題，Anthropic官方遷移指南里有一句很關(guān)鍵的話(huà)：

Claude Opus 4.7會(huì)以更字面、更明確的方式理解提示詞。

也就是說(shuō)：4.6會(huì)「猜你的意思」，4.7會(huì)「照你說(shuō)的做」。

如果你的prompt本來(lái)就寫(xiě)得含糊，4.6可以幫你腦補(bǔ)了，但4.7不會(huì)。對(duì)于一部分用戶(hù)來(lái)說(shuō)，這叫「不聽(tīng)話(huà)」，但對(duì)另一部分用戶(hù)來(lái)說(shuō)，這叫「終于不亂猜了」。

比如，Cursor設(shè)計(jì)師Ryo Lu卻在用4.7做產(chǎn)品規(guī)劃，認(rèn)為這種精確執(zhí)行正是他需要的。

因此，「頂嘴」這個(gè)標(biāo)簽背后，是Anthropic正在把Claude從一個(gè)「順從的助手」改造成一個(gè)「更有主見(jiàn)的同事」。

據(jù)Artificial Analysis的公開(kāi)評(píng)測(cè)，Opus 4.7在GDPval-AA上拿到1753 Elo，領(lǐng)先第二名79分。

GDPval-AA衡量的是模型在44種職業(yè)、9個(gè)主要行業(yè)的真實(shí)知識(shí)工作任務(wù)中的表現(xiàn)，在這個(gè)維度上，4.7碾壓了所有對(duì)手，包括自己的前代4.6（1619 Elo）。

同時(shí)，4.7的幻覺(jué)率比4.6下降了25個(gè)百分點(diǎn)，降到了36%。

它是怎么做到的？據(jù)Artificial Analysis的分析，主要是依靠「更頻繁地選擇不作答」，寧可說(shuō)「我不知道」，也不瞎編。

這說(shuō)明Anthropic的意圖不在于優(yōu)化Claude的聊天體驗(yàn)，而是在優(yōu)化Claude的工作能力。

Opus 4.7在GDPval-AA上以1753 Elo登頂，領(lǐng)先第二名79分。這項(xiàng)測(cè)試衡量的是AI在44種職業(yè)中獨(dú)立完成知識(shí)工作的能力。

但對(duì)于用戶(hù)來(lái)說(shuō)，在一些場(chǎng)景下可能完全感受不到提升，反而先感受到了token變貴、接口報(bào)錯(cuò)和語(yǔ)氣變硬。

94.7%暴跌到41.0%

如果上面三層問(wèn)題都能歸結(jié)為「遷移成本+使用習(xí)慣錯(cuò)位」，但還有一組數(shù)字沒(méi)法用遷移成本解釋。

GitHub上公開(kāi)維護(hù)的NYT Connections Extended基準(zhǔn)測(cè)試，使用940道《紐約時(shí)報(bào)》Connections謎題評(píng)估大語(yǔ)言模型的邏輯推理和抗干擾能力。

這個(gè)測(cè)試通過(guò)額外加入干擾詞來(lái)提升難度，已經(jīng)是社區(qū)公認(rèn)的高難度benchmark之一。

NYT Connections Extended排行榜。Opus 4.6（high reasoning）得分94.7%，Opus 4.7（high reasoning）僅41.0%，同一測(cè)試上出現(xiàn)斷崖式暴跌。

結(jié)果是：Opus 4.6（high reasoning）得分94.7%，Opus 4.7（high reasoning）得分41.0%。

從年級(jí)第一，跌到不及格。

另一份數(shù)據(jù)來(lái)自Anthropic提供的Opus 4.7 System Card中100萬(wàn)token上下文的MRCR v2基準(zhǔn)測(cè)試：4.6得分78.3%，4.7得分32.2%，下跌46個(gè)百分點(diǎn)。

https://cdn.sanity.io/files/4zrzovbb/website/037f06850df7fbe871e206dad004c3db5fd50340.pdf

這組數(shù)據(jù)方向與NYT Connections的結(jié)論一致：在某些邏輯推理和長(zhǎng)上下文檢索任務(wù)上，4.7確實(shí)出現(xiàn)了顯著退步。

但也需要說(shuō)清楚：這些是特定類(lèi)型的測(cè)試。它們不能證明4.7「全面變蠢」，就像GDPval-AA的領(lǐng)先不能證明4.7「全面變強(qiáng)」一樣。

用戶(hù)耐心

開(kāi)始倒計(jì)時(shí)

Opus 4.7的爭(zhēng)議不是個(gè)案。

OpenAI經(jīng)歷過(guò)GPT-4 Turbo降智風(fēng)波，幾個(gè)月前撤下GPT-4o時(shí)也遭遇過(guò)類(lèi)似的用戶(hù)反彈。現(xiàn)在Reddit上已經(jīng)出現(xiàn)了「哀悼」Claude 4.5的帖子，滿(mǎn)是自稱(chēng)「心碎」的粉絲。

每一次模型升級(jí)，都有一批用戶(hù)失去已經(jīng)適應(yīng)的工具。

新分詞器讓舊的成本預(yù)算失效；新的默認(rèn)行為讓舊的prompt不再好用；新的接口規(guī)范讓舊的代碼直接報(bào)錯(cuò)……

每一項(xiàng)單獨(dú)看都有技術(shù)上的合理性，但疊在一起，就是把全部遷移成本一次性推給了用戶(hù)。

為什么模型越來(lái)越聰明，用戶(hù)越來(lái)越焦慮？因?yàn)槊恳淮巍父谩梗家馕吨品弦淮蔚摹竸偤谩埂?/p>

Anthropic員工Alex Albert在發(fā)布次日寫(xiě)道：

很多人在昨天剛開(kāi)始體驗(yàn)Opus 4.7時(shí)可能遇到的bug，現(xiàn)在都已經(jīng)修復(fù)了。感謝大家的包容和耐心。

bug可以修。但信任這種東西，消耗容易，重建很慢。

這輪AI軍備競(jìng)賽的下一個(gè)瓶頸，也許不只是算力和數(shù)據(jù)，還要比誰(shuí)能在快速迭代的同時(shí)，能不把自己的用戶(hù)甩下車(chē)。

這次，Anthropic發(fā)布了遷移指南，但用戶(hù)更想要的是一個(gè)承諾：升級(jí)不能把原有的工作流推倒重來(lái)。

當(dāng)AI從玩具變成生產(chǎn)力工具，「快速迭代」就不再是無(wú)條件的優(yōu)點(diǎn)。

Opus 4.8會(huì)怎么來(lái)？Anthropic還沒(méi)說(shuō)。

但用戶(hù)的耐心，已經(jīng)開(kāi)始倒計(jì)時(shí)了。

參考資料：

https://www.businessinsider.com/anthropic-claude-opus-4-7-backlash-tokens-2026-4

https://medium.com/vibe-coding/opus-4-7-is-the-worst-release-anthropic-has-ever-shipped-12772c21ca1e