Claude Opus 4.7
Veröffentlichung
April 2026
Knowledge Cutoff
Januar 2026
Parameter
Unbekannt
Modellfamilie
Claude Opus 4.7
Proprietär
Features
Tools
Websuche, Bildgenerierung, Computer Use und MCP-Server.
Multimodalität
Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.
Finetuning
Finetuning des Modells ist aktuell nicht möglich.
Details zum Modell
Max. Input
1 Mio. Token
Max. Output
128k Token
Trainingsdaten
Unbekannt
Parameter
Unbekannt
Input Preis
$5.00
Output Preis
$25.00
Vokabular
Unbekannt
Dateigröße
Unbekannt
Claude Opus 4.7 Benchmark Scores
Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.
Technologie & Daten
Technische Spezifikationen
| Architektur | Proprietäre Transformer-basierte Architektur von Anthropic mit Adaptive Thinking als einzigem unterstützten Reasoning-Modus. |
|---|---|
| Input Kontextlänge | 1 Mio. |
| Output Kontextlänge | 128k |
| Tokenizer | Neuer, in Opus 4.7 erstmals eingesetzter proprietärer Tokenizer. |
Besonderheiten
| 1M Token Kontextfenster | Standardmäßig 1 Million Token Kontext zu regulärem API-Preis ohne Long-Context-Aufschlag. |
|---|---|
| xhigh Effort-Level | Neues Effort-Level zwischen 'high' und 'max' für feinere Kontrolle über Reasoning-Tiefe vs. Latenz. |
| Task Budgets | Advisory Token-Budget über die gesamte agentische Loop hinweg, das Claude in Echtzeit als Countdown sieht. |
| High-Resolution Vision | Bildverarbeitung bis 2.576 px (3,75 MP) – mehr als das Dreifache vorheriger Claude-Modelle. |
| Adaptive Thinking | Einziger Thinking-Modus in Opus 4.7; ersetzt den expliziten Extended-Thinking-Budget aus 4.6. |
| File-System Memory | Verbessertes Schreiben und Lesen von dateibasiertem Memory über mehrere Sessions hinweg. |
Vorteile & Nachteile
Vorteile
- State-of-the-Art Coding-Agent87,6 % auf SWE-bench Verified und 64,3 % auf SWE-bench Pro – führend unter allgemein verfügbaren Modellen, deutlich vor GPT-5.4 (57,7 %) und Gemini 3.1 Pro (54,2 %) auf SWE-bench Pro.
- 1M Kontext ohne Premium-PricingVolle 1 Million Token Kontextfenster zu Standard-API-Preisen, kein Long-Context-Aufschlag wie bei vielen Wettbewerbern.
- Robuste Long-Horizon-AgentenArbeitet stundenlang kohärent, ein Drittel weniger Tool-Fehler als 4.6, +14 % auf komplexen Multi-Step-Workflows. Erstes Modell, das Implicit-Need-Tests besteht.
- Hochauflösende Vision3,75 MP Bildverarbeitung erschließt Computer Use, technische Diagramme, Charts und Dokumenten-Workflows mit deutlich besserer Detailgenauigkeit.
- Multi-Cloud-VerfügbarkeitVerfügbar via Anthropic API, Amazon Bedrock, Google Cloud Vertex AI, Microsoft Foundry und Snowflake Cortex AI – flexible Enterprise-Integration.
Nachteile
- Hoher Preis$5/M Input und $25/M Output liegen weit über günstigeren Open-Source- und Closed-Source-Konkurrenten und machen Opus 4.7 für hochvolumige Workloads teuer.
- Effektive Token-Kosten gestiegenDer neue Tokenizer verbraucht bis zu 35 % mehr Tokens für gleichen Text als Opus 4.6, sodass die effektiven Kosten trotz unverändertem Listenpreis steigen können.
- Breaking Changes in der APISampling-Parameter (temperature, top_p, top_k) und Extended-Thinking-Budgets liefern in 4.7 einen 400-Fehler. Bestehende Implementierungen müssen migriert werden.
- Leichte Regression bei τ²-BenchIm Tool-Use-Benchmark τ²-Bench liegt Opus 4.7 ca. 3,5 Prozentpunkte unter Opus 4.6, was bei spezifischen Tool-Workflows berücksichtigt werden sollte.
Vergleiche Claude Opus 4.7 mit anderen LLMs
Vergleiche Claude Opus 4.7 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.
Provider & APIs
Du kannst Anthropic Claude Opus 4.7 über die API folgender Anbieter nutzen.
Das Modell ist derzeit bei keinen Anbietern verfügbar.
