跑分第一，推理暴跌——Claude Opus 4.7上线新智元

Opus 4.7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。」

Opus 4.7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「Claude Opus 4.7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。

《Pragmatic Engineer》作者Gergely Orosz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。

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

创业者Jeremy Howard形容它是「第一个真正懂我在工作时到底在做什么的模型」，Y Combinator CEO Garry Tan正在拿它做项目。

还有网友说，Claude Opus 4.7 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，Opus 4.7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-4 Turbo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，Opus 4.7 相比4.6存在若干行为变化，同时也强调，Opus 4.7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。

Artificial Analysis的多维评测结果也摆在那里，Opus 4.7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。

Artificial Analysis评测显示，Opus 4.7（max）以57分并列榜首，与Gemini 3.1 Pro Preview、GPT-5.4并列。

GitHub上的NYT Connections Extended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。

Anthropic没有调价，每百万token的单价和Opus 4.6、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。