Anthropic新旗艦Opus 4.7 上線！新增xhigh思考模式、視覺3倍升級，可接手最難程式工作|數位時代 BusinessNext

重點一：Claude Opus 4.7 能連續工作數小時、主動檢查自己的答案，過去需要工程師緊盯的程式難題可放手交給 AI。

重點二：軟體工程實測 SWE-bench Pro 解題率從 Opus 4.6 的 53.4% 拉升至 64.3%；新增可微調 AI 思考深度的 xhigh 模式。

重點三：定價不變（輸入 5 美元、輸出 25 美元／百萬 token）；同步上架 Bedrock、Vertex AI、Microsoft Foundry，並作為 Anthropic 新安全機制的第一個測試場。

Anthropic 於 4 月 16 日正式推出新一代旗艦模型 Claude Opus 4.7，同步上架自家 Claude 平台，以及 Amazon Bedrock、Google Cloud Vertex AI、Microsoft Foundry 三大雲端。定價與前代 Opus 4.6 相同，每百萬字輸入 token 5 美元、輸出 25 美元（約合新台幣 159 元與 795 元）。

這次更新的核心賣點，Anthropic 用一句話總結：「過去要工程師緊盯的最難程式工作，現在可以放手交給 Opus 4.7。」新模型能連續工作數小時，且在回報答案前，會主動想辦法驗證自己產出的結果正不正確。

科技媒體《VentureBeat》補充，Opus 4.7 在多項可直接比對的評測中，領先 OpenAI 今年 3 月發布的 GPT-5.4 與 Google 今年 2 月發布的 Gemini 3.1 Pro。

實際進步多少？幾個關鍵測試成績

Anthropic 把 Opus 4.7 定位為「Opus 4.6 的直接升級版」，強化重點放在最困難的軟體工程任務。幾個代表性數字：

SWE-bench Pro（軟體工程實測）：解題率從 Opus 4.6 的 53.4% 提升至 64.3%
arXiv Reasoning（論文推理，開啟工具輔助）：從 84.7% 升至 91.0%
GPQA Diamond（博士級理工題）：94.2%
GDPval-AA（經濟價值知識工作第三方評測）：以 Elo 1753 分居首，GPT-5.4 為 1674、Gemini 3.1 Pro 為 1314
視覺辨識（XBOW 測試）：從 54.5% 跳到 98.5%

Anthropic 誠實指出，Opus 4.7「整體能力仍不如公司最強的 Claude Mythos Preview」，後者因能力過強尚未全面開放。

新增extra high思考模式

這次一併端出的新功能，大多圍繞「讓使用者更能控制 AI 怎麼想、花多少錢」這個主軸：

xhigh 思考模式：過去 Claude 的思考深度只有「低／中／高／最大」四檔，這次在「高」和「最大」之間多了一檔 xhigh（extra high）。Claude Code 已把預設全面拉到 xhigh，讓開發者不必手動切換也能拿到 Anthropic 認為最划算的品質。
task budgets（任務預算）公測：允許開發者替長任務設定 token 上限，避免一個長時間除錯任務意外爆預算。
/ultrareview 指令：Claude Code 內的新指令，專門模擬資深工程師的深度程式碼審查，Pro 與 Max 用戶可免費試用三次。
auto mode 擴展到 Max 用戶：讓 Claude 在授權範圍內自行做決策、減少使用者被詢問的次數。

視覺方面，Opus 4.7 能處理最長邊 2,576 像素（約 3.75 百萬畫素）的圖片，前一代上限只到 1,568 像素。一張完整解析度的圖最多會吃掉 4,784 個 token，是舊模型 1,600 token 上限的約三倍。這項升級對處理螢幕截圖、技術圖表、文件掃描圖的 AI 工具幫助最大。

Claude Opus 4.7 在 Anthropic 內部「自動代理程式程式碼評測」中，無論在低到 max 各個 effort 等級，都以較少或相近的 token 用量達成明顯更高任務完成率：在相同總 token 下，其得分曲線整體高於 Opus 4.6，並在新增的 xhigh 等級下持續提升表現，顯示在長鏈條、自主化 coding 任務上具備更佳的效能與性價比。

圖／ Anthropic

企業升級要留意：費用會變貴、舊 prompt 要重寫

Anthropic 在升級指南中提醒兩件會影響成本的事。

第一，Opus 4.7 換了一套處理文字的方式（業界稱為 tokenizer），同樣的內容在新模型可能產生 1.0 到 1.35 倍的 token 數。換句話說，原本一篇文章花 1,000 token，升級後可能要花 1,350 token，帳單自然上升。第二，新模型在困難任務上會「想得更久」，輸出字數也增加。

另一個比較棘手的變化是，Opus 4.7「對指令的遵循明顯更嚴格」。意思是：過去 Opus 4.6 會自動腦補、寬鬆詮釋模糊指令，Opus 4.7 則完全照字面執行。因此，針對舊模型寫的提示詞（prompt）很可能在新模型上出現非預期結果，企業須重新檢視既有的提示詞資料庫。

技術層面，Anthropic 也移除了幾個舊版 API 參數，用舊寫法會直接回報錯誤，開發者須改寫為新格式，詳細清單見官方遷移指南。

Anthropic 新安全機制的「第一個白老鼠」

Opus 4.7 另一層意義，是 Anthropic 上週宣布 Project Glasswing（新一代 AI 安全計畫）之後的第一個測試平台。

公司最強大的 Mythos Preview 模型因能力過強、釋出範圍受限，Anthropic 選擇先在 Opus 4.7 上測試自動偵測並攔截高風險網路安全請求的防護機制，實際部署的學習成果將用於未來放寬 Mythos 等級模型的公開程度。

合法用途的資安研究者（漏洞研究、滲透測試、紅隊演練）可申請加入新設的 Cyber Verification Program，以取得較寬鬆的使用條件。

延伸閱讀：「沒有Anthropic，TPU成長從哪來？」黃仁勳坦承太晚投資Anthropic是失誤，把大訂單拱手讓人

資料來源：Anthropic、VentureBeat、Claude Migration Guide

本文初稿為AI編撰，整理．編輯/李先泰

因應生成式 AI、代理式 AI 與實體 AI 的崛起，模型成為企業資訊基礎設施的一環，企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本，以及確保 AI 基礎設施的安全與穩定；有鑑於此，服務超過 2,000 家企業客戶上雲的勤英科技（ELITE CLOUD）將業務範疇從雲端代理延伸到 AI 基礎設施整合商，協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源，在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作，企業的核心競爭力不再僅是擁有 AI，而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示，為協助更多企業推進 AI 創新實務，勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色，進一步轉型為 AI 基礎設施整合服務商，透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務，協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra，企業最大挑戰不是模型、算力而是管理

過去幾年，許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」，提升員工工作績效，而代理式 AI 的崛起與普及，則讓「內嵌 AI 的企業應用」快速成為新常態，從企業資源規劃（ERP）、顧客關係管理（CRM）、人力資源（HR），到客服、研發甚至製造系統，AI 開始深度嵌入各類企業應用，AI 扮演的角色也從單純的輔助工具，逐漸進化為企業營運與決策流程的重要核心。

也因此，企業保持未來競爭力的關鍵，不再是「有沒有導入 AI」，而是「是否具備管理 AI 的能力」，包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent，以及如何避免 AI 成為新的資訊孤島，都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代，意味著企業若只押注單一模型，未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示，企業接下來更需要以「Models as Infrastructure（模型即基礎建設）」的思維，將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理，將資訊系統架構重塑為 AI 基礎建設。

勤英科技服務的客戶數超過 2,000 家，不少客戶已導入 AI 應用服務，正積極建置 AI Infra 與管理環境，因此，勤英科技自 2025 年積極轉型，將 AI Infra 視為企業長期競爭力的基礎建設來經營，業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商，例如與多模型平台 MixRoute 合作，並開發可支援單一登入（SSO）、彈性調度不同大型語言模型 Token 的管理平台，協助企業簡化模型管理與成本控管，將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合，勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關，勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本，以及落實資安治理，更因應不同使用情境推出三種 AI 方案助力企業：

第一：提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋，透過整合 Gemini 的 Google Workspace，企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能，包括會議摘要、文件生成、簡報整理等，快速提升員工生產力，同時，增強企業對 AI 應用的信心，為之後的應用深化做準備。

第二：協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說，除以生成式 AI 打造企業大腦，還會透過代理式 AI 提升自動化執行能力，重塑工作效率。」黃士培表示，勤英科技可以基於 Google Gemini Enterprise，提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務，讓企業員工可以自然語言安全調用企業資料，讓 Agent 進一步執行任務與推動流程。

舉例來說，勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞；另在影音內容生成領域，勤英科技亦協助客戶導入 AI 自動化技術，將內容產製成本縮減達 90%。

第三：提供多模型聚合管理平台，滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作，提供企業客戶多模型管理平台，讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型，並透過單一帳號、單一帳單與 Budget Alert 機制，管理 token 使用量與 AI 成本。

「透過我們提供的多模型管理平台，企業客戶不會被單一模型綁定，可以在模型快速疊代的環境下，更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說，隨著 AI 應用從單點工具走向大規模企業部署，下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力，而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因：當 AI 開始成為企業營運的一部分，企業需要的，已不只是模型供應商，而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊，請查詢網站：https://www.elite.cloud/zh/