Anthropic 发了 Claude Opus 4.7，虽说是小版本迭代，但提升幅度并不小。SWE-bench Pro 从 4.6 的 53.4 直接拉到 64.3，十几分的跳涨，而且这个分数刚好卡在 Opus 4.6 和 Mythos Preview 的正中间。上周 Mythos 公布时大家都惊了，编程能力强到 Anthropic 自己都说“这个不能放出来”，理由是网络安全风险太高。结果转头就发了个编程能力追着 Mythos 跑的 4.7，多少有点微妙。
有意思的是网络安全漏洞复现了这项评测，4.7 的分数反而比 4.6 还低了一点点，从 73.8 降到 73.1。Anthropic 自己也承认了，训练过程中确实有意削弱了这方面的能力。但要精准“阉割”模型某一项能力又不产生副作用，其实非常难做到。
真正值得关注的是几个现实世界任务的表现。GDPVal 基准上 Opus 4.7 拿了 1753 的 Elo，GPT 5.4 是 1674，差距不小。文档推理从 57.1 飙到 80.6，GPT 5.4 才 51。视觉能力也大幅增强，高分辨率截图导航拿到 79.5，配合默认 100 万 Token 上下文窗口，做长文档和多模态任务确实提升了很多。
Anthropic 现在的战略非常清晰，就是一个编程飞轮。做最强编程模型，卖给企业客户，ARR 已经干到 300 亿美元据说超过了 OpenAI，赚到的钱买更多 GPU，再用最强编程模型加上这些算力去训练下一代模型。递归自我提升的商业化版本，闭环了。
但矛盾也很明显。Anthropic 正处于严重的算力紧张中，前阵子刚把第三方调用订阅的口子堵了，配额也在缩减，同价格能用的量更少。偏偏 4.7 换了新 tokenizer，同样的输入会多吃 1 到 1.35 倍的 Token，高努力模式下思考 Token 也更多。至于传闻 10 万亿参数的 Mythos，就算想放出来，以现在的 GPU 储备恐怕也没法大规模服务。所以“出于安全考虑不发布”这个说法，到底有几分是真的安全顾虑，几分是产能限制，几分是营销策略，各位自己品。
还有个细节，模型卡里提到 Opus 4.7 没达到“自动化 AI 研发”的门槛，但 Mythos 显然过了这条线。Anthropic 同时也是唯一一家认真做“模型福祉”评估的公司，会去看模型内部的情绪表征，Opus 4.7 对自身处境的评价比之前所有模型都更积极。
