Giới thiệu Claude Opus 4.7

Anthropic vừa ra mắt Claude Opus 4.7, một phiên bản cải tiến đáng kể so với Opus 4.6, đặc biệt trong lĩnh vực kỹ thuật phần mềm và khả năng thị giác. Mô hình này có thể xử lý các tác vụ mã hóa phức tạp, chú ý đến hướng dẫn và tự kiểm tra đầu ra. Opus 4.7 cũng tích hợp các biện pháp bảo vệ an ninh mạng tiên tiến, đồng thời duy trì mức giá như phiên bản trước.

Mô hình mới nhất của chúng tôi, Claude Opus 4.7, hiện đã có sẵn rộng rãi.

Opus 4.7 là một cải tiến đáng kể so với Opus 4.6 trong kỹ thuật phần mềm tiên tiến, với những bước tiến đặc biệt trong các tác vụ khó nhất. Người dùng báo cáo rằng họ có thể tự tin giao những công việc mã hóa khó khăn nhất – loại công việc trước đây cần giám sát chặt chẽ – cho Opus 4.7. Opus 4.7 xử lý các tác vụ phức tạp, kéo dài với sự chặt chẽ và nhất quán, chú ý chính xác đến các hướng dẫn và tự mình tìm cách xác minh đầu ra trước khi báo cáo lại.

Mô hình này cũng có khả năng thị giác tốt hơn đáng kể: nó có thể nhìn thấy hình ảnh ở độ phân giải cao hơn. Nó tinh tế và sáng tạo hơn khi hoàn thành các tác vụ chuyên nghiệp, tạo ra giao diện, slide và tài liệu chất lượng cao hơn. Và – mặc dù nó không có khả năng rộng rãi như mô hình mạnh mẽ nhất của chúng tôi, Claude Mythos Preview – nó cho thấy kết quả tốt hơn Opus 4.6 trên một loạt các tiêu chuẩn:

Tuần trước, chúng tôi đã công bố Dự án Glasswing, nêu bật những rủi ro – và lợi ích – của các mô hình AI đối với an ninh mạng. Chúng tôi đã tuyên bố rằng chúng tôi sẽ giới hạn việc phát hành Claude Mythos Preview và thử nghiệm các biện pháp bảo vệ an ninh mạng mới trên các mô hình kém khả năng hơn trước. Opus 4.7 là mô hình đầu tiên như vậy: khả năng an ninh mạng của nó không tiên tiến bằng Mythos Preview (thực tế, trong quá trình đào tạo, chúng tôi đã thử nghiệm các nỗ lực để giảm bớt các khả năng này một cách khác biệt). Chúng tôi đang phát hành Opus 4.7 với các biện pháp bảo vệ tự động phát hiện và chặn các yêu cầu cho thấy việc sử dụng an ninh mạng bị cấm hoặc có rủi ro cao. Những gì chúng tôi học được từ việc triển khai thực tế các biện pháp bảo vệ này sẽ giúp chúng tôi hướng tới mục tiêu cuối cùng là phát hành rộng rãi các mô hình thuộc lớp Mythos.

Các chuyên gia bảo mật muốn sử dụng Opus 4.7 cho các mục đích an ninh mạng hợp pháp (như nghiên cứu lỗ hổng, kiểm thử xâm nhập và red-teaming) được mời tham gia Chương trình Xác minh An ninh mạng mới của chúng tôi.

Opus 4.7 hiện có sẵn trên tất cả các sản phẩm Claude và API của chúng tôi, Amazon Bedrock, Google Cloud’s Vertex AI và Microsoft Foundry. Giá vẫn giữ nguyên như Opus 4.6: 5 đô la cho mỗi triệu token đầu vào và 25 đô la cho mỗi triệu token đầu ra. Các nhà phát triển có thể sử dụng claude-opus-4-7 thông qua Claude API.

Thử nghiệm Claude Opus 4.7

Claude Opus 4.7 đã nhận được phản hồi mạnh mẽ từ những người thử nghiệm sớm của chúng tôi:

Trong các thử nghiệm ban đầu, chúng tôi đang thấy tiềm năng cho một bước nhảy vọt đáng kể đối với các nhà phát triển của chúng tôi với Claude Opus 4.7. Nó tự phát hiện các lỗi logic của mình trong giai đoạn lập kế hoạch và tăng tốc thực thi, vượt xa các mô hình Claude trước đây. Là một nền tảng công nghệ tài chính phục vụ hàng triệu người tiêu dùng và doanh nghiệp ở quy mô đáng kể, sự kết hợp giữa tốc độ và độ chính xác này có thể thay đổi cuộc chơi: tăng tốc độ phát triển để cung cấp nhanh hơn các giải pháp tài chính đáng tin cậy mà khách hàng của chúng tôi tin dùng hàng ngày.

Anthropic đã đặt ra tiêu chuẩn cho các mô hình mã hóa, và Claude Opus 4.7 đẩy xa hơn điều đó một cách ý nghĩa khi là mô hình tiên tiến nhất trên thị trường. Trong các đánh giá nội bộ của chúng tôi, nó nổi bật không chỉ về khả năng thô, mà còn về cách nó xử lý tốt các quy trình làm việc không đồng bộ trong thế giới thực – tự động hóa, CI/CD và các tác vụ kéo dài. Nó cũng suy nghĩ sâu sắc hơn về các vấn đề và đưa ra một quan điểm có chủ kiến hơn, thay vì chỉ đơn thuần đồng ý với người dùng.

Claude Opus 4.7 là mô hình mạnh nhất mà Hex đã đánh giá. Nó báo cáo chính xác khi dữ liệu bị thiếu thay vì cung cấp các giải pháp thay thế hợp lý nhưng không chính xác, và nó chống lại các bẫy dữ liệu không nhất quán mà ngay cả Opus 4.6 cũng mắc phải. Nó là một Opus 4.6 thông minh hơn, hiệu quả hơn: Opus 4.7 với ít nỗ lực tương đương với Opus 4.6 với nỗ lực trung bình.

Trên tiêu chuẩn mã hóa 93 tác vụ của chúng tôi, Claude Opus 4.7 đã nâng độ phân giải lên 13% so với Opus 4.6, bao gồm bốn tác vụ mà cả Opus 4.6 và Sonnet 4.6 đều không thể giải quyết. Kết hợp với độ trễ trung bình nhanh hơn và tuân thủ nghiêm ngặt các hướng dẫn, điều này đặc biệt có ý nghĩa đối với các quy trình làm việc mã hóa phức tạp, kéo dài. Nó giảm bớt ma sát từ các tác vụ nhiều bước đó để các nhà phát triển có thể duy trì luồng công việc và tập trung vào việc xây dựng.

Dựa trên tiêu chuẩn tác nhân nghiên cứu nội bộ của chúng tôi, Claude Opus 4.7 có hiệu suất cơ bản mạnh nhất mà chúng tôi từng thấy cho công việc nhiều bước. Nó đạt điểm tổng thể cao nhất trên sáu mô-đun của chúng tôi ở mức 0.715 và mang lại hiệu suất ngữ cảnh dài nhất quán nhất trong số các mô hình chúng tôi đã thử nghiệm. Về Tài chính Tổng quát – mô-đun lớn nhất của chúng tôi – nó đã cải thiện đáng kể so với Opus 4.6, đạt 0.813 so với 0.767, đồng thời thể hiện khả năng tiết lộ và kỷ luật dữ liệu tốt nhất trong nhóm. Và về logic suy luận, một lĩnh vực mà Opus 4.6 gặp khó khăn, Opus 4.7 rất vững chắc.

Claude Opus 4.7 mở rộng giới hạn những gì các mô hình có thể làm để điều tra và hoàn thành các tác vụ. Anthropic rõ ràng đã tối ưu hóa cho lý luận bền vững trong thời gian dài, và điều đó thể hiện qua hiệu suất dẫn đầu thị trường. Khi các kỹ sư chuyển từ làm việc 1:1 với các tác nhân sang quản lý chúng song song, đây chính xác là loại khả năng tiên phong mở khóa các quy trình làm việc mới.

Chúng tôi đang thấy những cải tiến lớn trong khả năng hiểu đa phương thức của Claude Opus 4.7, từ việc đọc cấu trúc hóa học đến diễn giải các sơ đồ kỹ thuật phức tạp. Hỗ trợ độ phân giải cao hơn đang giúp Solve Intelligence xây dựng các công cụ tốt nhất trong phân khúc cho các quy trình làm việc bằng sáng chế khoa học đời sống, từ soạn thảo và truy tố đến phát hiện vi phạm và lập biểu đồ vô hiệu hóa.

Claude Opus 4.7 đưa khả năng tự chủ tầm xa lên một tầm cao mới trong Devin. Nó hoạt động mạch lạc trong nhiều giờ, vượt qua các vấn đề khó khăn thay vì bỏ cuộc, và mở khóa một loại công việc điều tra sâu mà chúng tôi không thể thực hiện một cách đáng tin cậy trước đây.

Đối với Replit, Claude Opus 4.7 là một quyết định nâng cấp dễ dàng. Đối với công việc mà người dùng của chúng tôi thực hiện hàng ngày, chúng tôi nhận thấy nó đạt được chất lượng tương tự với chi phí thấp hơn – hiệu quả và chính xác hơn trong các tác vụ như phân tích nhật ký và dấu vết, tìm lỗi và đề xuất sửa lỗi. Cá nhân tôi, tôi thích cách nó phản biện trong các cuộc thảo luận kỹ thuật để giúp tôi đưa ra quyết định tốt hơn. Nó thực sự giống như một đồng nghiệp tốt hơn.

Claude Opus 4.7 thể hiện độ chính xác đáng kể trên BigLaw Bench cho Harvey, đạt 90.9% với nỗ lực cao, với khả năng hiệu chỉnh lý luận tốt hơn trên các bảng đánh giá và xử lý các tác vụ chỉnh sửa tài liệu mơ hồ một cách thông minh hơn đáng kể. Nó phân biệt chính xác các điều khoản chuyển nhượng với các điều khoản thay đổi quyền kiểm soát, một tác vụ mà các mô hình tiên tiến trước đây thường gặp khó khăn. Nội dung luôn được đánh giá là một điểm mạnh trong các đánh giá của chúng tôi: chính xác, kỹ lưỡng và có trích dẫn rõ ràng.

Claude Opus 4.7 là một mô hình mã hóa rất ấn tượng, đặc biệt là về khả năng tự chủ và lý luận sáng tạo hơn. Trên CursorBench, Opus 4.7 là một bước nhảy vọt đáng kể về khả năng, vượt qua 70% so với Opus 4.6 ở mức 58%.

Đối với các quy trình làm việc nhiều bước phức tạp, Claude Opus 4.7 là một bước tiến rõ ràng: cộng thêm 14% so với Opus 4.6 với ít token hơn và một phần ba lỗi công cụ. Đây là mô hình đầu tiên vượt qua các bài kiểm tra nhu cầu ngầm của chúng tôi, và nó tiếp tục thực thi qua các lỗi công cụ mà trước đây đã làm Opus ngừng hoạt động. Đây là bước nhảy vọt về độ tin cậy khiến Notion Agent cảm thấy như một đồng đội thực sự.

Trong các đánh giá của chúng tôi, chúng tôi đã thấy một bước nhảy vọt hai chữ số về độ chính xác của các cuộc gọi công cụ và lập kế hoạch trong các tác nhân điều phối cốt lõi của chúng tôi. Khi người dùng tận dụng Hebbia để lập kế hoạch và thực hiện các trường hợp sử dụng như truy xuất, tạo slide hoặc tạo tài liệu, Claude Opus 4.7 cho thấy tiềm năng cải thiện việc ra quyết định của tác nhân trong các quy trình làm việc này.

Trên Rakuten-SWE-Bench, Claude Opus 4.7 giải quyết số lượng tác vụ sản xuất gấp 3 lần so với Opus 4.6, với mức tăng hai chữ số về Chất lượng Mã và Chất lượng Kiểm thử. Đây là một sự nâng cấp đáng kể và một cải tiến rõ ràng cho công việc kỹ thuật mà các nhóm của chúng tôi đang thực hiện hàng ngày.

Đối với khối lượng công việc đánh giá mã của CodeRabbit, Claude Opus 4.7 là mô hình sắc bén nhất mà chúng tôi đã thử nghiệm. Khả năng nhớ lại đã cải thiện hơn 10%, phát hiện một số lỗi khó nhất trong các PR phức tạp nhất của chúng tôi, trong khi độ chính xác vẫn ổn định mặc dù phạm vi bao phủ tăng lên. Nó nhanh hơn một chút so với GPT-5.4 xhigh trên hệ thống của chúng tôi, và chúng tôi đang chuẩn bị nó cho công việc đánh giá nặng nhất của chúng tôi khi ra mắt.

Đối với Super Agent của Genspark, Claude Opus 4.7 đạt được ba yếu tố khác biệt hóa sản xuất quan trọng nhất: khả năng chống lặp, tính nhất quán và khả năng phục hồi lỗi duyên dáng. Khả năng chống lặp là quan trọng nhất. Một mô hình lặp vô hạn trên 1 trong 18 truy vấn sẽ lãng phí tính toán và chặn người dùng. Độ biến thiên thấp hơn có nghĩa là ít bất ngờ hơn trong sản xuất. Và Opus 4.7 đạt được tỷ lệ chất lượng trên mỗi cuộc gọi công cụ cao nhất mà chúng tôi đã đo được.

Claude Opus 4.7 là một bước tiến đáng kể cho Warp. Opus 4.6 là một trong những mô hình tốt nhất dành cho các nhà phát triển, và mô hình này được đo lường là kỹ lưỡng hơn nữa. Nó đã vượt qua các tác vụ Terminal Bench mà các mô hình Claude trước đây đã thất bại, và đã giải quyết một lỗi đồng thời khó mà Opus 4.6 không thể khắc phục. Đối với chúng tôi, đó là tín hiệu.

Claude Opus 4.7 là mô hình tốt nhất trên thế giới để xây dựng bảng điều khiển và giao diện giàu dữ liệu. Gu thiết kế thực sự đáng ngạc nhiên – nó đưa ra những lựa chọn mà tôi thực sự sẽ triển khai. Nó là công cụ hàng ngày mặc định của tôi bây giờ.

Claude Opus 4.7 là mô hình có khả năng nhất mà chúng tôi đã thử nghiệm tại Quantium. Được đánh giá so với các mô hình AI hàng đầu thông qua giải pháp đánh giá độc quyền của chúng tôi, những cải tiến lớn nhất xuất hiện ở những nơi quan trọng nhất: chiều sâu lý luận, khung vấn đề có cấu trúc và công việc kỹ thuật phức tạp. Ít chỉnh sửa hơn, lặp lại nhanh hơn và đầu ra mạnh mẽ hơn để giải quyết những vấn đề khó khăn nhất của chúng tôi.

Đọc bài gốc