夜雨聆风AI又变强了，你呢？
一个程序员朋友昨晚发来一段截图，是在用 Claude Opus 4.7 跑代码。他在消息里只写了一句话："这次真的不一样了。"
我问他哪里不一样。
他说，以前的模型写完代码，会等你说"对不对"——这次，模型自己跑了一遍验证，发现有个边界条件有问题，自己改完，然后再告诉他"已经处理好了"。
"就感觉……它在对自己负责，不是在对我负责。"
这个细节让我想了很久。
这次发布，到底有什么不同
2026年4月16日，Anthropic 正式发布 Claude Opus 4.7。
从数字上看，升级相当扎实：软件工程测试 SWE-bench Verified 通过率从 80.8% 升到 87.6%；更难的 SWE-bench Pro 从 53.4% 跳到 64.3%。在 AI 圈内，从 80% 到近 90% 长期被认为是一道"几年内都跨不过去的坎"——结果两个月就跨过去了。
视觉能力是另一个让人意外的地方。XBOW 视觉锐度测试从 54.5% 升到 98.5%，图片识别分辨率提升到了 2576 像素长边，大约是前代的 3.3 倍。传一张产品截图进去，几乎不会再出现识别错误。
还有一个最容易被忽视的升级：指令遵循。Opus 4.7 开始"字面执行"你的指令——你说要什么，它就做什么，不自作主张，不给你"优化"。对于每天用 AI 处理工作的人来说，这可能是最实用的改变。
价格没有变化，还是每百万输入 token 收 5 美元，输出 25 美元。但有个细节要注意：新版本使用了新的 tokenizer，同样一段话，消耗的 token 数量会增加 1 到 1.35 倍。名义上没涨价，实际使用成本悄悄涨了。
同一款模型，两种完全不同的评价
这次发布，各路博主的反应值得细看——因为他们说的根本不是同一件事。
最热情的那批人，基本上是在用 Opus 4.7 做复杂编程或自动化工作。知名 AI 教育者 Jeremy Howard 说，这是他遇到的第一个"真正理解他在做什么"的模型——不是那种你说一步它走一步的工具，而是愿意和你讨论方案、不强行推进的协作者。Cursor 内部测试显示，切换到 Opus 4.7 后，基准分数从 58% 跳到 70%，开发者处理高复杂度任务的能力提升了 68%。Notion 的测评数据也类似：复杂多步工作流提升 14%，工具调用错误减少三分之一。
技术层面，企业级案例也很有说服力：法律科技公司 Harvey 在 BigLaw Bench 测试里拿到了 90.9% 的成绩；Box 实现了模型调用减少 56%、响应速度提升 24% 的效果。
但质疑声同样清晰。前微软高管 Mikhail Parakhin 说，非编程任务的初步印象让他觉得模型"更笨了"——原因是 Claude 网页版目前无法强制模型进行推理，普通对话场景下你感觉不到那个"更聪明的内核"。博主 Theo 说得更不客气：新的系统提示把模型"开膛破肚了"（原文是 lobotomized）。还有用户抱怨 token 消耗变大，一个半小时对话就触到了使用上限。
最有意思的是中文博主"数字生命卡兹克"的评测。他用 Opus 4.7 在 20 分钟内做了一个招聘网站，画面效果和功能完整度明显优于上一代——但他最失望的，恰恰不是技术层面：Opus 4.7 的文字生成出现了"不说人话"的问题，堆叠"稳稳接住""根因""压实"这类奇怪词语，有一种"伪人味"。他观察了三年，总结出一个趋势：模型越来越编程特化，但作为文字创作工具的"人味"在退步。
同一个模型，有人说它终于"懂我了"，有人说它失去了人味。矛盾吗？其实不——因为他们要的根本不是同一件事。
什么在贬值，什么在升值
先说升值的部分。
Opus 4.7 能从零写出一个可运行的 Rust 语音合成引擎，相当于数月的高级工程师工作量；能审查法律文件、做金融分析；能根据截图还原 UI 设计；能连续工作数小时不需要人"接手"。
用一句话总结：重复性的、可描述的、有标准答案的知识工作，正在被 AI 全面覆盖。
这不是新判断，但 Opus 4.7 让它变得更加具体和紧迫。
与此同时，有三种能力，模型做不到，而且短期内不太可能做到。
第一种是判断力。 不是"计算出正确答案"的判断力，而是在信息不完整、目标模糊、利益相互冲突的情况下，决定什么最重要的判断力。AI 可以给你十个方案，但它不知道哪个方案适合你的老板、你的预算、你的团队文化。
第二种是审美。 不是"符合标准"的审美，而是在无数个"都说得过去"的选项里，感知哪一个有独特质感的能力。卡兹克能察觉到 Opus 4.7 的"伪人味"，不是因为他懂 AI，是因为他长期在意文字的质感，形成了真实的审美判断力。这种能力，只有在愿意保留自己感受时才能培养。
第三种是提问的能力。 不是"问出好问题"这种说法，而是在你真正不清楚问题是什么的时候，找到值得追问的方向的能力。AI 最擅长回答问题，但它回答的质量完全取决于你问的质量。
还有一个反直觉的现象：随着模型越来越强，"会用"的门槛在降低，但"用好"的门槛在升高。
以前你需要学习各种提示词技巧，才能让模型给出像样的输出。现在 Opus 4.7 字面执行指令、自己验证输出，很多技巧变得多余了。但这不意味着你不需要思考——相反，你现在需要更清楚自己想要什么，才能告诉它该做什么。如果你自己都不清楚目标，再强大的模型也只是生成了一堆听起来不错但没什么用的东西。
Anthropic 自己的报告里有一句话：理论上 AI 任务覆盖范围远超实际使用，瓶颈不在模型本身，而在工作流和管理。换句话说，限制你用好 AI 的，不是模型够不够强，而是你有没有清晰的目标和有效的工作方式。
给普通人的几点具体建议
第一，停止"追版本"，开始"用版本"。 不需要每次新版本发布都去研究所有新功能。找到你真正在重复做的一件事，把它交给 AI，花一两周看结果。有效，就建立了一个真实的参照点；无效，就知道它的边界在哪里。
第二，把 AI 当成放大镜，不当答案机。 最有效的使用方式，不是让 AI 帮你想，而是让 AI 帮你放大你已经在想的事情。你有半成熟的判断，AI 帮你延伸；你有模糊的方向，AI 帮你找具体路径。如果你一开始什么都没有，AI 给你的只是统计意义上最可能的答案，不一定是最适合你的。
第三，保留你的"不舒服感"。 当 AI 给出一个你感觉哪里不对但说不出来的答案，不要直接接受，也不要直接否定。那种"哪里不对"的感觉本身就是值得训练的东西。卡兹克能察觉到"伪人味"，是因为他长期在意文字质感——这种判断力只有愿意保留感受才能培养。
第四，把"用 AI"当成手段，不是目标。 你真正的目标是什么？用 AI 去达成它。如果 AI 帮不上这件事，就先不用。能力是解决问题的手段，不是需要炫耀的状态。
第五，关注工作流，不只是工具。 Box 实现了模型调用减少 56%、响应速度提升 24%——这些收益是系统设计出来的，不是点开聊天界面敲几句话得到的。如果你在组织里，思考"如何把 AI 嵌入工作流程"，比单纯学习"如何更好地提问"价值大得多。
结尾
我那个程序员朋友最后又发来一条消息：
"但我不知道这算好事还是坏事。"
我说，这两者并不互斥。
AI 变强，对做重复性工作的人是真实的压力，对有清晰判断的人是真实的杠杆。同一个 Opus 4.7，有人用它 20 分钟建了一个网站，有人拿它聊天感觉"更笨了"。工具不变，但人和工具的关系，决定了它能发挥多少作用。
当 AI 开始"自证"——自己跑验证、自己找问题、自己修改——我们真正需要做的事情，不是追上它，而是想清楚：
在它把那些事全部做完之后，你还剩下什么是只有你能做的？
那个问题的答案，比任何版本号都更值得花时间去找。
Beyond Algorithms
算法之内：驾驭工具；算法之外：做回自己
参考来源：
Anthropic 官方发布：https://www.anthropic.com/news/claude-opus-4-7 LLM Stats 发布分析：https://llm-stats.com/blog/research/claude-opus-4-7-launch CNBC 报道：https://www.cnbc.com/amp/2026/04/16/anthropic-claude-opus-4-7-model-mythos.html 9to5Mac 报道：https://9to5mac.com/2026/04/16/anthropic-reveals-new-opus-4-7-model-with-focus-on-advanced-software-engineering/ Latent Space KOL 反应汇总：https://www.latent.space/p/ainews-anthropic-claude-opus-47-literally 佩戴 Daily 中文评测：https://news.pedaily.cn/202604/562840.shtml BCG 2026 年 AI 就业报告：https://www.bcg.com/publications/2026/ai-will-reshape-more-jobs-than-it-replaces 腾讯网《不必为错失 AI 过度焦虑》：https://news.qq.com/rain/a/20260409A03MKK00 澎湃新闻《被 AI 抛弃的焦虑解法》：https://www.thepaper.cn/newsDetail_forward_32758300 微软《AI 时代人类的角色》：https://news.microsoft.com/source/asia/2026/02/10/when-ai-can-do-things-faster-and-better-what-role-is-left-for-humans/
