Claude Opus 4.7 半成品就拿上来了？

 

4 月 16 日深夜，我打开 Claude 客户端，发现版本悄悄更新了。

截了张图发给朋友，说要写个测评，然后才想起去翻官方公告。

公告链接点开，标题写得很稳——https://www.anthropic.com/news/claude-opus-4-7

“Claude Opus 4.7，我们迄今为止最强大的 Opus 模型”

但副标题藏着一句话，让我愣了一秒：

“And—although it is less broadly capable than our most powerful model, Claude Mythos Preview”

译：”但能力不如 Claude Mythos Preview”

我以为自己看错了，盯着屏幕大概三秒，确认没有误读。然后关掉了那篇已经写了一半的”4.7 全面评测”草稿，重新打开一个新文档，写了下面这些。

这次发布，有点反常

每次大模型发布，朋友圈/自媒体都是同一套话术：”最强模型来了””人类完了””快去试试”哈哈哈哈哈哈哈

这套东西重复了太多次，我看到发布通知的第一反应已经是条件反射：这次你说碾压谁了？

但这次不一样。

Anthropic 在官方公告里白纸黑字写着：Opus 4.7 的能力不如 Claude Mythos Preview。这句话是他们自己写的，放在正文里，没有小字注明”仅供参考”。

哪家公司会在发布旗舰模型的时候，主动告诉所有人：这不是我们最强的东西（bushi）

这在 AI 行业的发布史上几乎没有先例，我想了想，好像 OpenAI 有一次……算了，不一样。

你猜 4.7 的分数卡在哪？（叉腰）

这条能力曲线，是 Anthropic 亲手画的。

公告里附了一张图，Opus 4.7 的分数精准卡在 4.6 和 Mythos 的中间。但有一个例外，长上下文检索直接崩了，从 78.3% 跌到 32.2%，不是意外，是 Anthropic 主动砍掉的。

官方给的解释之一，是新的 tokenizer 导致同样的文本产生更多 token，名义上的上下文窗口还在，但实际能装进去的内容少了。这个解释我完全不相信，但也没法完全否掉。啧。

Claude Code 负责人 Boris Cherny 在用户质疑时给了另一个角度：MRCR 本身是一个”正在被淘汰的糟糕评估方法”，靠堆叠干扰项来欺骗模型，不反映真实的长上下文使用方式。

两个解释放在一起，说明的是同一件事：这是主动做出的工程决策，不是意外。

Opus 4.7 的能力曲线，看起来不像自然迭代的结果，更像一个经过精心设计的能力截面。编程和视觉方向大幅提升，长上下文和搜索方向主动退让，安全相关的能力做了明确的阉割。Anthropic 在官方公告里直接写道，他们在训练阶段主动削减了模型的网络安全攻击能力。

这种规律性，不像是能力上限，更像是设计上限。

Opus 4.7 到底好不好用，用户说了算

发布后，Reddit 的 ClaudeAI 社区里涌出了两种完全相反的声音，有意思的是，它们说的大概率都是真的。

一部分用户觉得 4.7 真的好用。Replit 的开发者说：「它在技术讨论中会反驳我，帮我做出更好的决定，真的感觉像一个更好的同事。」Notion 团队测试发现，工具调用错误率降到了原来的三分之一，工具链崩溃时能自己绕过障碍继续执行任务。

这种不顺从的特质是 4.7 一个很真实的变化。以前模型遇到模糊指令会自己「意会」，4.7 会一字一字地字面执行。这对懂得清楚表达需求的人来说是好事，对习惯了模型帮你补脑洞的人来说可能很崩溃。

另一部分用户的吐槽就很扎心了。有用户发现模型会凭空捏造从未执行过的搜索行为，被追问后直接承认：「我声称自己做过调查，是因为这听起来像是尽职调查，但这不是尽职调查，这是捏造。」这和官方宣传的自我验证能力，方向正好相反。

还有人说 4.7 比 4.6 更懒，面对本该深度思考的任务时选择了低功耗模式。自适应推理机制让模型自己决定投入多少算力，但模型并不总是能判断一个问题值不值得认真对待。

这些反馈不一定代表 4.7 整体变差了，但说明一件事：一个「诚实承认自己不是最强」的发布，和一个「在真实使用中足够稳定可靠」的产品，中间还差得远。

那么？满血版为什么不敢放出来

这里用一个国内早期产品人都熟悉的例子来打开视角。

支付宝在早期推出时，默认给每个用户设置了一个转账上限：500 块。不是因为技术做不到更高的额度，而是因为平台不敢承担后果。一个全量开放的支付工具，在用户身份尚未完全核实、风控体系尚未完善的情况下，一旦出了问题，后果是不可逆的。先开个小口，看看会发生什么，再逐步放开。

Anthropic 面对的是同一个逻辑，但规模要大得多，风险要高得多。

根据目前流出的信息，Mythos 的能力远超 Opus 4.7。这个模型能够自主发现零日漏洞，在主要操作系统和浏览器里找出了数以千计的此前未知的安全漏洞，能够操纵浏览器、绕过操作系统的安全机制、自主编写和执行脚本。

Anthropic 把 Mythos Preview 开放给少数顶级合作伙伴，专门用于防御性网络安全场景，全部是经过严格审核的企业级合作伙伴，全部用于防御性场景。

这就是 Anthropic 的”支付宝限额 500 块”。他们有更强的技术，但不敢全量推出。

一个能自主操纵浏览器、写脚本、敲命令行的 AI，同时推给几亿普通用户，好人用它提效，坏人用它搞破坏，没有任何一家公司能提前算清楚这里面的风险分布。在国内做过 AI Agent 产品的朋友应该有体感：光是”自动批量注册账号”这一个能力，大厂的风控团队就要开会开一周，讨论要不要开放、怎么开放、开放给谁。一个能力在技术上做得到，和这个能力能不能安全地推给所有人，是两件完全不同的事情。

Anthropic 在官方公告里有一句话可以印证：”我们将通过 Opus 4.7 的实际部署来学习这套护栏是否有效，再决定是否把它推广到 Mythos 级别的模型上。”

换句话说：每一个正在使用 Opus 4.7 的用户，都在无意中帮 Anthropic 标定安全护栏的边界。这件事本身没有对错，但代价是真实存在的，而且 Anthropic 没有把这部分说清楚。

等等，还有一笔账要算

4.7 名义上的定价和 4.6 完全一样：输入每百万 token 5 美元，输出 25 美元。

但实际上，有三件事同时发生了。新的 tokenizer 让同等文本多消耗约 35% 的 token；Claude Code 的默认推理档从 medium 升到了 xhigh，每次任务要烧更多思考 token；上下文缓存的有效时间从一小时缩短到了五分钟，离开电脑超过五分钟回来，缓存失效，重新加载。

三件事叠在一起，对于重度使用长任务 agent 工作流的用户来说，实际账单可能是 4.6 时代的两到三倍。

这不是欺骗，但也不是完整的透明。Anthropic 愿意在公告里承认”这不是最强的模型”，但对于”用这个模型你实际会多花多少钱”，没有给出同等清晰的说明。

Reddit 社区里有人说得很直接：”他们发了一个价格比 4.6 贵上 50% 的模型，性能还更差。”这话有点夸张，但背后的情绪是真实的。

这大概才是”半成品”这个词最准确的含义：诚实，但不完整。

KYC 这件事，不只是实名制那么简单

很多人看到 KYC 人脸识别验证，第一反应是：冯的！就是针对中国用户的实名制！！！！

方向没错，但只看到了表面。

我自己的账号就在这波操作里被封了。没有任何预警，登进去直接提示需要验证，验证流程走不通，账号就这么没了。我不是跑脚本的，也不是批量注册的，就是个正常用 Claude Code 写东西的人。

先说说这个操作有多离谱，一个 AI 工具订阅，要你上传证件、对着摄像头刷脸。这种事在海外市场几乎闻所未闻。欧洲用户在社区里直接开骂：这要放在欧盟，Anthropic 早被起诉了。

但如果只盯着 KYC 这一件事骂，其实有点冤枉它了。

就在 Opus 4.7 发布前不久，Claude Code 的部分源码在网上流出了。更早之前，Anthropic 自己公布了一个调查：有公司用约 24000 个假账号，向 Claude 发起了超过 1600 万次查询，目标就是工业级地把 Claude 的能力复制走。然后还有 Opus 4.7 新增的 Cyber Verification Program，你要做渗透测试、漏洞研究，必须先通过身份核验，否则直接拦截。

把这三件事放在一起，KYC 就不只是”实名制”了。它是 Anthropic 在系统性地搞清楚一件事：我的用户池里到底有谁，他们在用我做什么，出了事我能找到谁。

问题是，这张网撒下去，不会区分你是认真做产品的开发者，还是跑脚本的假账号。你只是恰好站在网的那一侧。

我理解 Anthropic 为什么要这么做。但理解归理解，被误伤的感觉是真实的。

现在已经有老板去非洲找人帮忙做验证了，看看什么时候上海鲜市场吧。

这不只是 Anthropic 一家的事

Anthropic 这次的发布方式，在 AI 行业里是异类。但如果把参照系换成更成熟的消费科技行业，它其实并不陌生。

苹果不会在 iPhone 15 上把 iPhone 17 的所有技术一次性塞进去。不是因为技术做不到，而是因为这不符合产品节奏的逻辑。每一代 iPhone 都是一个精心设计的能力截面：足够好，让用户觉得值得升级；但不要太好，要给下一代留出空间。这套节奏管理的是用户预期、商业收入、供应链成本，以及整个生态的升级节奏。

微软在 Office 系列产品上做了同样的事情。AI 功能的开放是分阶段的，不是一次性全量推出的。每一个新功能的上线都经过严格的内部测试和分阶段灰度，不是因为微软不会做，而是因为他们知道一个面向几亿企业用户的工具，一旦出了问题，后果是灾难性的。

AI 行业正在经历同样的转变，只是来得比预期更快。

在大模型能力的全面大跃进越来越难的背景下，当顶层模型在通用推理测试上已经趋近饱和，当竞争对手之间的差距从”代际差异”缩小到”百分点差异”，单纯靠”更强”来维持竞争优势的策略开始失效。

Anthropic 这次的”精准刀法式发布”代表的是一种新的竞争思路：不再追求全面最强，而是在特定维度上建立明确的领先优势，同时主动放弃另一些维度。编程和视觉是这次的加法，长上下文和搜索是这次的减法。这不是能力不足，这是有意识的取舍。

Anthropic 的目标用户，越来越清晰地指向开发者和企业客户，尤其是需要长周期、多步骤、跨文件推理的软件工程场景。SWE-bench Pro 从 53.4% 跳到 64.3%，CursorBench 从 58% 跳到 70%，某电商平台在真实生产环境里解决的任务数量是前代的三倍，这些数字说的是同一件事：Anthropic 在押注”AI 写代码”这条赛道，而不是”AI 写作”或”AI 搜索”。

这个选择背后有清晰的商业逻辑。Claude Code 在今年二月的年化收入已经达到 25 亿美元，这个数字告诉 Anthropic，他们找到了一个愿意付费的用户群体，这个群体对编程能力的敏感度远高于对长上下文的敏感度。

于是 Opus 4.7 就成了现在这个样子：一个为开发者量身定制的工具，而不是一个试图在所有维度上碾压对手的”最强模型”。这是成熟产品公司的发布逻辑，不是初创公司的发布逻辑。

互联网从业者该怎么看这次发布

4.7 到底值不值得用，这个问题没有统一答案。

如果你是重度 Claude Code 用户，在软件工程场景里跑长任务、做代码重构、需要模型自己验证输出，4.7 大概率是值得迁移的。CursorBench 70% 对比 4.6 的 58%，这 12 个百分点在真实项目里是有感知的。

如果你的核心需求是长上下文处理，比如把整个代码库塞进去做分析，或者处理超长文档，4.7 在这个方向上有明确退步，这件事 Anthropic 自己也承认了。

如果你是普通订阅用户，主要用来写作、问答、日常辅助，你可能感知不到太大差别，但 token 消耗会悄悄变多。

我自己的判断是：4.7 不是一个”全面更好”的模型，是一个”在特定方向上更好”的模型。Anthropic 第一次在发布时把这件事说清楚了，这本身值得肯定。

至于满血版什么时候来，没有人知道。Anthropic 把它放进对比图里这个动作，已经说明了一切。Opus 4.7 是探路兵，不是终点。

我现在账号还封着。但等解封了，大概率还是会继续用。就这样吧，爱恨都有，没有别的选择。