Opus 4.7 разочаровывает
Anthropic выпустила Opus 4.7 с примерно на 10% лучшими показателями SWE-bench Pro на бумаге, но на практике потребительский уровень сильно регрессирует.
Разрыв между маркетингом и реальностью
Anthropic утверждает, что Opus 4.7 «значительно лучше следует инструкциям», с «заметными улучшениями по сравнению с 4.6» и почти на 10% выше SWE-bench Pro. Был добавлен новый уровень рассуждений «extra high». Изменения в токенизации означают, что стоимость за вызов примерно в 1–1,3 раза выше, чем у Opus 4.6.
Сообщество не согласено. Главный комментарий на Reddit называет это «серьезным регрессом, а не обновлением». Указанные источники в веб-поиске сфабрикованы, по сообщениям, токенизаторы снижены на 30%, а проверка здравого смысла на автомойке (50 м, идти пешком или ехать?) сбивает Opus 4.7 — он советует пользователю ехать.
Собственный тест Boxmining
Запуская набор инструкций канала дважды в день выхода (вкладки, а не пробелы; упорядочивание; функции до 10 строк; обработка ошибок), Opus 4.7 оказался на том же уровне, что и Opus 4.6 — и «не проходит их собственные тесты». GPT 5.4 набирает 75% по тому же набору тестов.
Одноподсказочный космический шутер вышел с неисправными F-to-fire элементами управления и тугой физикой. GLM 5.1, стоимостью $72/мес (план кодирования Z.AI, вместо $30), произвел визуально более плавную игру на той же подсказке. Z.AI повысила цены специально потому, что «наши конкуренты дают вам халтуру.»
Почему это ухудшилось
Чтение создателя: вычисления перенаправляются на Project Glasswing / MEOS, преемник только для корпоративного использования, уже применяемый в Apple, Cisco, CrowdStrike, Google и самой Anthropic. Потребительский Opus остается квантизированным и с ограниченной скоростью, пока пиковый трафик запуска насыщает мощность. Утечки системной подсказки предполагают, что 4.7 в теории сильнее, чем 4.6 — просто для уровня подписки $20–$200 рычаг не используется.
Каков итог
Opus 4.7 «используемый», лучше, чем среднеденежный спад, но ни в коем случае не дотягивает до базового уровня 4.6 февраля–марта, не говоря уже о GPT 5.4. Ожидаются новые тесты (WildBench, WildClawBench). Пока Anthropic не перераспределит вычислительные ресурсы, создатель остаётся на GPT.