花费106刀测试! Claude-Opus-4.7 到底更新了啥?

karminski-牙医

合集 · 大模型竞技场 (78)

  1. 1:40
    全网首测！DeepSeek 4 小时之前又发布了一个多模态模型 Janus-pro
  2. 4:24
    5分钟教你使用AI写一个风扇控制器
  3. 2:46
    10小时前发布的大模型 Mistral-small-24B 马上开测！
  4. 0:51
    NVIDIA又要跌？DeepSeek 刚用 FP8 没多久，这 FP4 训练要来了
  5. 1:43
    一招解决DeepSeek-R1无法连接网络问题！还能白嫖DeepSeek-R1!
  6. 1:17
    国产视频生成框架！能让老黄唱野狼 Disco！
  7. 4:03
    大模型竞技场 - Gemini-2.0-Flash 全网首测!
  8. 2:10
    微信刚上线 DeepSeek, 腾讯又把 AI 知识库也接入 DeepSeek 了？
  9. 2:52
    来啦！Grok-3 全网首测！登陆火星 demo！
  10. 1:55
    视觉大模型也能推理了？来看Ovis-2视觉模型的效果如何！
  11. 7:32
    谁是最强写代码模型? 我使用了最好的21个模型, 花了50刀, 总计测试252次
  12. 2:06
    全站最速！DeepSeek-V3-0324 写代码能力评测！不仅 OpenAI, Claude 也要颤抖了
  13. 4:18
    我用AI做了个网页版我的世界，还能用砸瓦鲁多
  14. 2:25
    全站最速！GPT-4.1 写代码能力评测！啊？又拉了？
  15. 5:53
    极限测试！Qwen3 写代码+画画！究竟是不是开源最强模型？
  16. 12:42
    我发现了AI最有用的用途——整理桌面！来看 Kimi-K2 Agent 能力实测!
  17. 2:02
    使用 AI 做了个以《三体》中叶文洁为视角的小短片——三体·独白
  18. 0:37
    nano-banana 幼儿园级教程① 如何将照片转换为城市天际线风格的建筑!
  19. 1:06
    nano-banana 幼儿园教程第②弹! 教你如何做模特图!
  20. 0:55
    nano-banana 幼儿园级教程第③弹! 如何实现贴纸自由!
  21. 0:46
    nano-banana 幼儿园教程第四弹! 教你如何克隆喜欢的图标!
  22. 0:41
    nano-banana 教程第五弹! 如何万物像素化!
  23. 1:10
    nano-banana 生成 8K 分辨率图片教程!
  24. 3:06
    Kimi-K2-0905 实测! 一口气输出1100行代码
  25. 1:41
    Qwen3-Max-Preview 实测! 给大家放个鞭炮
  26. 2:20
    Qwen3-Next-80B-A3B 实测! 能跟头部模型对打吗?
  27. 1:31
    刚发布的 Qwen3-TTS-Flash 实测!
  28. 2:54
    DeepSeek-V3.2 实测! 真就只提升了0.1?
  29. 2:18
    Claude-Sonnet-4.5 实测! 口嫌体正直国庆献礼?
  30. 2:22
    GLM-4.6 实测! 最近都很流行更新一大截然后版本就增加0.1嘛?
  31. 2:22
    DeepSeek 竟然是 INTJ, 如果改成 INFP 会怎样?
  32. 2:05
    claude-haiku-4.5 实测! 便宜大碗?
  33. 2:15
    Vibe Coding 不流行了? Spec Coding 教程来啦
  34. 2:36
    KAT-Coder-Pro-V1 实测! 早放3个月就好了?
  35. 2:07
    Minimax M2 实测! 你也晚了3个月?
  36. 1:16
    Cursor 推出炼蛊模式！一口气能开8个代理！
  37. 2:32
    Cursor 终于有自己的大模型啦！来看实测！
  38. 2:28
    Qwen3-Max-Thinking 实测! 呃......
  39. 2:17
    Kimi-K2-Thinking 实测! 差距继续缩小!
  40. 3:17
    Gemini 3.0 Pro 实测! SOTA! 不过发现两个重要问题!
  41. 0:52
    nano banana pro 幼儿园教程! 如何合成橱窗图片!
  42. 4:31
    Meta 的新模型 SAM 3 实测!
  43. 2:05
    什么? 用 Claude Code 剪视频?
  44. 2:50
    DeepSeek V3.2 正式版实测! 提升真的有限?
  45. 2:57
    教程来啦! 如何使用AI打造自媒体博主军火库
  46. 2:54
    GPT-5.2 实测! 美是真的美, 卡是真的卡
  47. 1:25
    一秒生成高斯点云? Apple新模型SHARP实测!
  48. 4:38
    AI送外卖到底有多强? 来看 Doubao-Seed-1.8 Agent 能力评测!
  49. 4:33
    现在都流行大模型月更吗? MiniMax-M2.1 实测!
  50. 3:42
    2025年全球大模型厂商下载量排行榜
  51. 3:27
    500张图片测试! 一个视频告诉你GLM-Image怎么用!
  52. 5:58
    不写 prompt 改看视频了! Kimi-K2.5 实测!
  53. 4:55
    提升明显! Qwen3-Max 正式版 vs Preview版 实测!
  54. 2:29
    不是说好了年前不发吗? DeepSeek 你个大猪蹄子
  55. 7:04
    GLM-5发布啦! 给大家带来实测! 国产大模型正式进入月更节奏!
  56. 5:06
    啊?一个月一个版本? MiniMax-M2.5 4000万 token 实测!
  57. 7:01
    Qwen3.5实测! 来看贺岁档大模型的实力!
  58. 4:32
    Gemini-3.1-pro 实测! 更新了个寂寞?
  59. 5:15
    inclusionAI Ling&Ring 2.5-1T 大模型实测!
  60. 6:07
    Agent 能力有多强? 来看豆包 Seed 2.0 实测!
  61. 5:10
    龙虾专用大模型? GLM-5-Turbo 实测!
  62. 3:44
    如何做一个生产级SKILL? 用MiniMax-M2.7给龙虾写SKILL的保姆教程
  63. 8:01
    从国产SOTA走向世界SOTA? GLM-5.1 实测!
  64. 6:06
    AI能帮我拍照了? Qwen3.5-Omni实测!
  65. 8:51
    花费106刀测试! Claude-Opus-4.7 到底更新了啥?
  66. 9:04
    Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏!
  67. 2:32
    大模型写代码比说话还快是什么体验?
  68. 7:36
    Agentic Coding 能力大幅提升! Qwen3.7-Max实测!
  69. 5:39
    MiniMax-M3 最佳实践? 这个视频告诉你!
  70. 1:06
    Fable 5 超越人类还为时尚早!
  71. 0:44
    单卡 700TPS! Diffusion Gemma 来了!
  72. 5:40
    GLM-5.2实测! 什么才是Agent能力的提升?
  73. 1:43
    2分钟教你做一个可以自我迭代的 Agent
  74. 6:12
    Flash模型横评! 性价比之选竟然是这个?
  75. 6:33
    混元3实测! 300B参数竟然有这种Agent能力!
  76. 1:13
    1B就能达到这种效果?LingBot-Vision实测!
  77. 14:05
    Kimi-K3 全方位实测! 我竟然打游戏输给了她?!
  78. 4:57
    我用 LongCat-2.0 省了 88% 的 Agent 输入成本!
Description 
给大家带来 Claude-Opus-4.7 的视觉能力+前端+后端能力测试! 

测试多模态前端测试采用 pass@3 (相同prompt运行3次取最好结果), 复杂前端测试采用 pass@6, 后端能力测试采用 pass@3. （之前几期都是这个设置哈）

从测试来看 Claude-Opus-4.7 最大的提升都是视觉能力提升带来的, 包括颜色识别, 细微的画面元素, 都比 Opus-4.6 有明显的提升, 甚至空间理解也变强了. 我觉得用来替代 GPT-5.4-Pro 进行多模态前端交互设计非常不错 (毕竟价格在那摆着). 

但是在其余考验硬实力的测试上均有不同程度的下降, 甚至这个下降我觉得不是因为模型能力导致的(只要prompt做更具体的提示, 比如跟他说你要用xxx算法实现), 它其实是能写出来的. 但是如果用在 Harness 场景, 让它自己采取最优的算法自己去实现和验证, 通常就得不到比 Opus-4.6 更好的结果了. 

为什么会这样? 核心问题我觉得是这次即使是给到 xhigh 的 reasoning effort 可能它的思考空间(budget)也是不太够的(具体表现就是感觉模型偷懒了), 它的能力强, 但是需要更多的思考才能达到更强的水平. (阴谋论一波这也是为什么官方出了 xhigh 这个 reasoning level).

所以在实际使用中, 如果遇到性能下降问题, 只能反复提示它, 让他跨多个会话反复思考, 才能达到预期的效果. 

最后本次测试所有API调用均在 openrouter 完成, 总计开销在 106USD 左右.

Comments

边缘丶边缘 2026-04-19

就是拉了，明显降低成本的模型，已经切回4.6了

♥ 46 ↩ 1

大气扩散模拟 2026-04-19

感觉目前性价比+SOTA，应该就是用GPT-5.4作为大脑，用Claude code cli作为身体这样的组合了[笑哭]，性价比爆炸

♥ 35 ↩ 21

义体小店 2026-04-19

真的好失望hhh....不仅不如4.6，说话风格也变油腻了，感觉沟通效率低了不少[笑哭]

♥ 24 ↩ 16

redpigirl 2026-04-19

唯一多次算错9.9-9.21的模型[吃瓜]

♥ 19 ↩ 5

兰夜如风飞 2026-04-19

[doge]感觉4.7改名为4.6偷懒版合适

♥ 18

米布zz 2026-04-19

宗教产品了，说点不好的，一堆人追着骂[笑哭]

♥ 15 ↩ 3

SunsetSars 2026-04-19

不是max才是最高思考吗？

♥ 10 ↩ 2

呜呼哀渽 2026-04-19

我感觉，如果想实现更全面的能力提升，模型尺寸还是得显著扩大。但眼下算力又不够，问题就变成了能力分配：有点像捏角色时，有限的点数要在不同能力维度之间取舍和分配。

♥ 7 ↩ 1

星见雅舔友会会长 2026-04-19

这种就要拿鞭子抽[doge] https://github.com/SnifferCaptain/WORK_Faster_WORK

♥ 6 ↩ 1

Ashita_ka 2026-04-19

这次竟然没有送外卖了 [doge]

♥ 5 ↩ 1

游走の浮云 2026-04-20

4.7 比 4.7 更容易塞满上下文，有没有可能纯粹是自动压缩导致的关键信息丢失，才降智的

♥ 3 ↩ 5

Attn-Flow 2026-04-21

vending bench上面4.7o破万了，完全碾压其他对手。 估计agent 和一些奇怪的“智斗”环节 有提升？ 以及 我期待k2.6的表现。

♥ 2

NervMatrix 2026-04-19

卡要跟不上需求了，偷偷降智[doge]

♥ 2 ↩ 1

打印打印_ 2026-04-19

max好很多

♥ 2

旋风小子dsa 2026-04-21

请教以下问题 1.opus mythos有人用过吗，实际效果如何，比4.7强很多吗？ 2.mythos后续会给大众使用吗 3.myhos据说开源了，是否意味着我们可以做出mythos一样强大的模型 4.大家目前看好哪些ai大模型未来可能成为主流，包括opus 4.7

♥ 2 ↩ 11

讲个鬼故事吧 2026-04-20

试了几天。 4.7纯赛博大便 最好用的4.5还给下架了。

♥ 1 ↩ 1

kooriookami 2026-04-20

opus4.7最大的提升就是图像识别了，之前只能识别1500px，现在可以识别2500px了。但是确实太贵了，公司只让我们用sonnet4.6，用opus4.7就有it来找麻烦了[笑哭]

♥ 1 ↩ 4

skyseedtb 2026-04-20

希望出个更加详细的后端测试，比如用rust语言写个ai coding agent，Claude gpt glm这三个顶级后端对比一下[doge]

♥ 1 ↩ 3

Personuo 2026-04-19

我们都知道大模型因为是概率模型，所以每次生成结果可能都不同，看了这么多评测竟然没一个测稳定性的....

♥ 1 ↩ 7