Anthropic hat am 16. April Claude Opus 4.7 veröffentlicht. Die Verbesserungen der Programmierfähigkeiten in dieser Version übertrafen die Erwartungen vieler – die Fehlerbehebung in Produktionscode wurde im Vergleich zur Vorgängergeneration verdreifacht, und der SWE-bench Pro-Wert stieg von 53,4 % auf 64,3 %.
Drei bemerkenswerte Benchmarks
Zunächst die Kernzahlen:
| Benchmark | Opus 4.6 | Opus 4.7 | Veränderung |
|---|---|---|---|
| SWE-bench Pro | 53,4 % | 64,3 % | +10,9 % |
| CursorBench | 58 % | 70 % | +12 % |
| Rakuten-SWE-Bench (Produktionsaufgaben) | Basislinie | 3-fach | Deutliche Verbesserung |
SWE-bench Pro gilt heute als einer der schwieriger zu erreichenden Programmier-Benchmarks. 64,3 % übertreffen sowohl den im März veröffentlichten GPT-5.4 als auch Googles Gemini 3.1 Pro vom Februar. In Anthropics internen Tests mit 93 Programmieraufgaben verbesserte sich Opus 4.7 um 13 % gegenüber Opus 4.6 und löste vier zusätzliche Aufgaben, die Opus 4.6 überhaupt nicht bewältigen konnte.
Die Rakuten-Zahl ist die interessanteste – „die Fehlerbehebung in Produktionscode ist dreimal so hoch wie in der Vorgängergeneration" bezieht sich auf die Fehlerbehebung in realen Unternehmenscodebasen, nicht auf synthetische Datensätze. Zahlen, die mit echtem Produktionscode ermittelt wurden, sind aussagekräftiger als synthetische Laboraufgaben.
Anthropic führte auch eine eigene Bewertung für Finanz-Agenten (Finance Agent Evaluation) und einen Benchmark für den wirtschaftlichen Wert von Wissen (GDPval-AA) durch, bei denen beide Male die derzeit besten Ergebnisse erzielt wurden.
Bildverarbeitung mehr als verdreifacht, aber kaum erwähnt
Neben der Programmierung hat Opus 4.7 erhebliche Upgrades bei der Bildverarbeitung erhalten:
- Unterstützt eine maximale lange Seite von 2576 Pixeln (ca. 3,75 Megapixel)
- Mehr als das Dreifache der bisherigen Bildauflösungsgrenze der Claude-Serie
- Deutlich genauere Erkennung von chemischen Molekülstrukturdiagrammen und komplexen technischen Zeichnungen
Dies wird sich stark auf wissenschaftliche Forschungsszenarien, die Analyse technischer Dokumente oder das Lesen von technischen Zeichnungen auswirken. Für das Schreiben von Code ist die Auswirkung möglicherweise weniger direkt, aber Personen, die im multimodalen Bereich arbeiten, sollten dies testen.
Eine weitere leicht zu übersehende Änderung: Der Tokenizer wurde aktualisiert. Derselbe Texteingabe erzeugt jetzt das 1,0- bis 1,35-fache an Token. Das klingt nach einer schlechten Sache (mehr Token bedeuten höhere Kosten), zeigt aber tatsächlich, dass das Modell Informationen mit feinerer Granularität verarbeitet, was zu einem besseren Verständnis langer Dokumente und komplexen Codes führen sollte.
Warum Anthropic die Cybersicherheitsfähigkeiten bewusst deaktiviert hat
Dies ist die kontraintuitivste Entscheidung im 4.7-Release: Opus 4.7 fügt aktiv Sicherheitsvorkehrungen hinzu und erkennt und blockiert automatisch risikoreiche Cybersicherheitsanfragen.
Moment – Anthropic hat letzte Woche gerade Claude Mythos Preview veröffentlicht, das sich auf Cybersicherheit konzentriert, und mit Amazon, Apple und Microsoft das spezielle Projekt Glasswing gestartet. Wie können beide Dinge gleichzeitig existieren?
Die Antwort ist Produktstaffelung:
- Mythos ist ein kontrolliertes Modell, das speziell für Sicherheitsexperten entwickelt wurde und nur nach Identitätsüberprüfung durch das Cyber Verification Program zugänglich ist
- Opus 4.7 ist das allgemeine Flaggschiff für die breite Öffentlichkeit; Anthropic möchte nicht, dass es zu einem Angriffswerkzeug wird, das jeder einfach aufrufen kann
Diese Logik ist nachvollziehbar. Die Bündelung risikoreicher Fähigkeiten in verifizierbaren professionellen Kanälen, anstatt sie über die API für jedermann zu öffnen – das ist eine pragmatische Sicherheitsstaffelung.
Kurzer Überblick über neue Funktionen
Gleichzeitig wurden mehrere Hilfsfunktionen eingeführt:
- Task budgets (öffentliche Testversion): Ermöglicht Claude, den Token-Verbrauch bei länger laufenden Aufgaben selbst zu verwalten, um ein plötzliches Aufbrauchen des Budgets in der Endphase zu vermeiden
- /ultrareview-Befehl: Spezielle Code-Review-Sitzung, die Fehler und Designprobleme markiert und tiefer geht als ein normales Review
- xhigh-Aufwandsstufe: Bisher gab es nur high, jetzt kommt xhigh hinzu, das eine feinere Abstimmung zwischen Reasoning-Tiefe und Antwortgeschwindigkeit ermöglicht
- Erweiterter Auto-Modus: Verfügbar für Max Claude Code-Benutzer
Die Preise bleiben unverändert: API-Aufrufe kosten 5 $/Millionen Eingabe-Token und 25 $/Millionen Ausgabe-Token, identisch mit Opus 4.6. Plattformunterstützung: claude.ai, API, Amazon Bedrock, Google Cloud Vertex AI, Microsoft Foundry sind alle verfügbar, die Modell-ID lautet claude-opus-4-7.
Wie groß ist der Abstand zur Konkurrenz wirklich?
Laut Anthropic übertrifft Opus 4.7 GPT-5.4 (veröffentlicht im März) und Gemini 3.1 Pro (veröffentlicht im Februar) in den Bereichen agentisches Programmieren, groß angelegte Tool-Nutzung, agentische Computernutzung und Finanzanalyse.
Benchmarks sind natürlich nur Benchmarks. Der Unterschied in der tatsächlichen Erfahrung wird sich erst zeigen, wenn die Community das Modell nutzt. Aber allein die „3-fach"-Zahl aus dem Rakuten-SWE-Bench ist im Bereich der Produktionscode-Fehlerbehebung bereits überzeugend genug.
Der Sprung von Opus 4.6 auf 4.7 ist keine kleine kosmetische Verbesserung – zumindest bei Programmieraufgaben ist das diesmalige Verbesserungsausmaß ernst zu nehmen.
Quellenangabe: CocoLoop, Introducing Claude Opus 4.7 (Anthropic Blog); Anthropic's Claude Opus 4.7 makes a big leap in coding, while deliberately scaling back cyber capabilities (The Decoder); Anthropic releases Claude Opus 4.7, narrowly retaking lead for most powerful generally available LLM (VentureBeat)