Anthropic Opus 4.7 深度测评：是重大升级还是体验滑坡？

今天看到Boris Cherny发了一篇关于如何用好新版Opus 4.7的长文，里面提了6个技巧，讲得挺有道理。但有意思的是，他完全没提这次升级背后那些会“打断腿”的破坏性变更——这些才是开发者真正头疼的地方。

3 个会打断你工作流的 Breaking Changes

Anthropic 刚发布了Opus 4.7，顺带也放出了一份迁移指南——不过说实话，大多数人估计不会仔细看。

眼下你最需要警惕的，是下面这三件事：

• budget_tokens 参数现在会直接返回 400 错误。
• 新的 tokenizer 会让同一段文本多算大约 35% 的 token 数量。
• Thinking tokens 在默认情况下被隐藏了。

我们一条条拆开来看。

1. budget_tokens 坏了

如果你之前的代码里这么写：

thinking={"type": "enabled", "budget_tokens": 32000}

那么到了 Opus 4.7，这行代码会直接给你返回一个 400 错误。没有警告，没有过渡，直接失效。

这对于大规模使用 Opus 的场景来说是个大的麻烦。原本用来控制成本的 thinking budget 机制，就这么没了。

目前的替代方案是这样的：

thinking={"type": "adaptive"}
output_cnotallow={"effort": "xhigh"}

这里的 Effort 等级包括：low, medium, high, xhigh (新增), max。

需要特别注意：在 Opus 4.7 上，adaptive thinking 默认是关闭的。这意味着，如果你从 4.6 升级到 4.7，模型的默认表现会差很多，务必小心。

2. Tokenizer 现在会吃更多 Tokens

单价没变，上下文窗口也还是 100 万 token，没增加。

但坏消息是，新的 tokenizer 对同一段文本，会多算出大约 1.35 倍的 token 数量。

社区里还有很多反馈指出，新版本似乎更容易受到“上下文腐化”的影响。

这相当于变相涨价了，而且我们这边几乎没得到什么实质性的体验提升。所以，别轻信那些“信我兄弟”式的内部基准测试报告。

由此引发的连锁反应非常要命：

• 任何硬编码的上下文预算现在都不准确了。
• 任何客户端的 token 估算现在都失灵了。
• 同样的提示词，你的 API 账单会肉眼可见地变高。

3. Thinking Tokens 依然被隐藏

这个问题依然很糟糕，我之前专门写过相关的内容。

简单回顾一下：在 Opus 4.6 时代，thinking 内容默认会以“总结”形式显示。到了 Opus 4.7，现在默认变成了“省略”。响应里的 thinking 区块看起来是空的，但关键是你还得为它们全额付费。

“你仍会为完整的 thinking tokens 付费。Omitting 减少的是延迟，不是成本。”——这话是 Anthropic 自己说的。

没错，你的账单里包含了一部分你现在根本看不见的 token。

Long Context Retrieval 刚刚从悬崖上掉了下去

在 100 万 token 的 MRCR v2 基准测试上，结果有点惊人：

• Opus 4.6：78.3%
• Opus 4.7：32.2%

在 Anthropic 自己发布过的基准上，性能回退了足足 46 个百分点。

这是 Boris 对性能下降的回应，但坦白说，这个解释不太有说服力，甚至有点误导。

开发者实际上在报告什么

社区的总体反馈，可以说相当惨烈。

甚至 Opus 4.7 自己都在承认它会“瞎编”。

在真实使用中，还出现了以下几种“诡异”模式：

• 幻觉出同事和随机人物
  
• “今天就到这吧。”
  
• 已配置的偏好被忽略。
  

Anthropic 提高了 rate limits（据说）

在一片反对声中，Anthropic 宣布了“永久提高 rate limits”。

但我对此持保留态度。公告里既没有给出绝对数值，也没有百分比。

退一步讲，就算把速率限制提高 1.0 到 1.35 倍，那也刚好对上了新版本 thinking 用量的增长。所以这到底是“福利”，还是“找补”？大家心里自有判断。

Boris 说了什么（以及没说什么）

Boris 的帖子本身值得一读，他提到了几个使用技巧：

• Auto mode 适合更长的无人值守运行。
• /fewer-permission-prompts 技能可减少审批回路。
• Recaps 功能便于回到长会话。
• Focus mode 可隐藏中间过程。
• Effort 需要调优（做编码时建议从 xhigh 开始）。
• 给 Claude 一种自我校验的办法。

不过，千万别指望照搬他的工作流，升级后就能一切顺畅。背后的“坑”已经摆在那儿了。

先从这几步开始

如果你只有5分钟：立刻在代码库里全局搜索 budget_tokens 这个关键词。在做编码相关工作时，记得把 effort 设为 xhigh（在 Claude Code 里也调到最高档）。

如果你有15分钟：务必通读一遍 Anthropic 的发布说明和迁移指南，了解所有变更细节。

注意

必须承认，Claude Code 和 Claude 本身都是很棒的工具，我平时也经常用。但最近的这些动作，确实让包括我在内的很多开发者感到不安。最近聊到的每个人，几乎都注意到了性能上的明显下滑。然而，我们似乎又被推上了那辆“炒作列车”。