AI圈四月大乱斗:一个不敢发,一个悄悄涨价,一个免费送

先说Anthropic。

opus 4.7 正式发布出来之后，官方给了一堆的数据，其中最亮眼的是这个SWE-bench Verified 87.6%。

SWE-bench 简单说就是给AI一个真实的Githu Issue，让它自己去读代码，定位问题，修复问题，跑测试。最终结果是 87.6%。 这意味着什么？ 意味着你给它10个bug，它自己能修好将近9个。

上一代opus 4.6是 80.8%， Google 的 Gemini 3.1Pro 大约是 83%。OpenAI 的 GPT-5.3-Codex 大约是72%。claude 直接把差距拉到了两位数。

出了编程， Opus 4.7 还升级了视觉能力（能看更高清的图片）、长周期自主工作（能自己去检查自己的代码）、生成更高质量的界面和文档。

听起来很厉害，跃跃欲试的样子是吧。

但是：社区炸了。

1. 钱包炸了

opus 4.7 用了一个新的分词器（Tokenizer）。分词器是指： AI读文字的“切菜方式”——一段话怎么切成一个个的token。不同的切法，token数量不一样。

 Anthropic的token定价没变还是$5/百万输入token，$25/百万输出token。 然后是opus 4.7 的新切法。同样的文字内容，token 数量多了1.0～1.35倍。这意味着虽然定价没变，但是你消耗的多了。因为你用了更多的token，实际费用涨了 20%到35%。

更狠的是，Opus 4.7 在高推理等级下会“思考更多”——尤其是在Agent多轮对话的后半段。消耗提升的很明显 很恐怖，但与之对应的可靠性也提升了许多。

还有一个痛点：Claude code 在4.7发布之后，悄悄把默认推理等级从“high”调到了“xhigh”。 xhigh更贵、更慢、但是更准。用户没有主动选择，而是“被动”升级了。

所以大家都在戏称 opus 4.7 为“钱包杀手”，甚至有篇文章的名字就叫做“Claude Opus 4.7 Is Here. So Are the Wallet Jokes.”

2. 老prompt 直接失效

费用还不是最让人崩溃的。

opus 4.7 的指令遵循的更“字面化”了——你说什么它就做什么。不在回去主动的理解你的意图。以前4.6会自动推断、泛化的指令 4.7不干了。

Anthropic 自己都在迁移的指南中提到：“rompts written for earlier models can sometimes now produce unexpected results”—— 给旧模型写的prompt，现在可能产生意外的结果。——更直白的意思就是说“之前你用的很舒服的提示词，现在给4.7用可能会有意想不到结果。”

再加上 Opus 4.7 默认更少调用工具，对于依赖工具链的 Agent 工作流来说，某些步骤可能被跳过。

3. 4.6 本身就已经在“降智”了

更要命的是，在4.7发布之前， 已经有大量用户在吐槽 Opus 4.6 “变笨”。

GitHub 上堆了几个月的"degraded quality"和"incomplete results"投诉。有人做了数据对比，表明Claude 性能下降了 67%（虽然 Anthropic 否认了）。Anthropic 员工公开否认故意降级模型，但承认调整了使用限制。

所以很多的用户的感受就是 4.6不行了。 4.7又太贵，还不如之前的4.6用着舒服。

编程测试拿了第一，用户反而想退回旧版——这大概是 AI 圈最讽刺的一幕。

4. Mythos：太强了，所以锁起来

如果说Opus 4.7 是”明升暗涨“，那mythos 就是 Anthropic 的真正的王牌——但是”我们不配用“。

Mythos的内部代号是Capybara（水豚）， 是Anthropic下最强的模型。 在4月7日 发布了一份详细的安全评估报告， 标题是："Assessing Claude Mythos Preview's cybersecurity capabilities"。

评估  Claude Mythos Preview 的网络安全能力。

报告的核心结论是在说 “ythos 在网络安全领域的能力，远超当前任何公开模型。”

他能做什么？自动发现零日漏洞（之前没人发现过的安全漏洞）、构建攻击链、执行渗透测试。 在之前的测试中发现，Mythos能在所有的主流操作系统和浏览器中发现高危漏洞。

然后Anthropic 做了一个决定： 就是 限制发布。

Mythos Preview 目前仅限通过审核的安全研究人员使用，普通开发者和普通的用户都使用不了。

Anthropic的意思是这样的：Mythos的网络安全能力不是依靠专门的训练 去训练出来的，而是它本身强大的编程能力和推理能力带来的”副产品“，你把编程能力拉的足够的高，那么它就自然而然的能够发现代码里的安全漏洞——然后利用这些漏洞。

就好像本来是为了切菜顺手一直在研究一把绝世好”刀“，当出现之后发现他干别的事情也特别顺手特别强， 那就算了不能让它去做一些其他的事情，还是留存起来吧。

与此同时，Anthropic 搞了一个叫 Project Glasswing 的项目，联合OpenAI、Google一起研究网络安全的问题。为了在AI的网络安全能力继续暴涨之前，先把防御体系建好。

Mythos真的是可以称之为 Anthropic 的最强产品 强到——他们自己都觉得害怕。

2月份，OpenAI发布了GPT-5.3-Codex。注意这不是一个普通的模型升级，而是一个产品。

codex 之前只是一个模型的名字， 现在变成了一个独立的产品线，有APP、CLI（命令行工具）、有IDE插件，几乎覆盖了程序员的所有的入口。

它（代指GPI-5.3-Codex）的编程能力（SWE-bench 72%）虽然不如Claude opus 4.7，但是 openai的玩法不一样： 它不只是给你了一个API，而是给你了一个AI同事。

你可以一边让它干活，一边跟它对话，调整反响，他不会丢掉上下文。并且openai 说这个模型是“第一个参与了自己训练的模型”——Codex团队用早期版本调试训练过程，管理部署，诊断测试结果。

Codex cli开源了（MIT协议）。这是运行在你终端里的编程Agent，支持多个模型后端，也就是说你可以使用codex cli 来调用 claude、gemini等等。

安全方面openai的做法和Anthropic 的做法不太一样。GPT-5.3-Codex 是 OpenAI 第一个被标记为"High capability"的网络安全模型。它是通过“发布+护栏”不是给锁起来（当然也没有mythos那么强的能力），增加了安全过滤之后，高风险的请求会被自动路由到能力较弱的GPT5.2.

另外，OpenAI 还在 3 月发布了 GPT-5.4，支持原生电脑操作和 100 万 token 上下文窗口。上图所示就是 codex app使用 computer use的能力。

Google的打法， 是这三家里面最具有“阳谋”味道的。

闭源线：Gemini 3.1Pro（2月发布）

ARC-AGI-2得分 77.1%（推理能力测试），SWE-bench月83%，主打 “vibe coding”（氛围编程）和 Agentic coding（自主编程）。Google官方也有所提到说这是 “builder's model”——给开发者用的模型。

开源线：Gemma 4（4月发布）

这才是Google这波的一个大杀招。

Gemma 4 是一个开源模型家族（Apache 2.0协议）有四个尺寸： 1B、4B、12B、27B。商用完全免费，没有任何的限制。你可以使用它做你任何想做的事情，私有化部署进行收费？完全没问题，Google 不会找你收一分钱。

原生多模态（文本+图片+视频+音频）256k上下文窗口，27B的版本在很多的基准测试上已经接近了GPT4的级别。

Google 的策略一目了然。通过闭源模型守住旗舰性能，用开源模型去抢开发者生态。你用Gemma 4开发了应用，以后想升级到Gemini 3.1pro，迁移成本几乎为0——毕竟他们是一个技术栈。

这跟Meta 的 Llama 走的是同一条路，但Google 走的更远，Meta的开源模型在能力上和闭源旗舰还有一些差距，二Gemma 4 的27B已经在逼近Gemini 3.1pro了。

1. 安全从口号变成了真问题。Mythos的限制发布，Project Glasswing 联合竞对制定标准、以及GPT-5.3-Codex 首个"High capability"网络安全标记——这些都不只是公关稿，而是做出了实际行动。

AI的能力已经强到安全不在只是“未来才需要面对的问题”，而是需要受到警醒提前去做准备、迫在眉睫必须要处理的问题。Anthropic 选择锁起来，OpenAI 选择加护栏，Google 选择开源让社区一起审计——三种策略，同一个判断：AI 的网络安全能力已经到了临界点。

接下来，安全合规会从"加分项"变成"入场券"。不是谁模型强谁赢，是谁的安全框架被行业接受谁赢。并且安全合规后续的重要性也是不言而喻。

2. 开源抢生态、闭源守旗舰成为标准打法

Google走的最远（Gemma 4 Apache 2.0）OpenAI 在跟进（Codex cli 开源），而Anthropic 则是完全闭源。

但对开发者来说，一个关键的拐点来了： “开源模型足够用”，那么当开源模型的能力逐渐逼近了闭源旗舰，闭源的溢价就只剩了最后的那 10%-20% 的性能差距，是否值那个价格呢？ 这很难评。

3. 从“谁的模型更聪明”变成“谁的agent更好用”

2026年初的这波发布，有一个共同点：大家都在往agent的方向卷。

OpenAI把 codex 做成了独立的产品，Anthropic给 claude code  加了  /ultrareview 和 auto mode，Google 给 Gemini 3.1 Pro 打出了"vibe coding"的标签。

模型是底座，但是决胜点是在产品的体验。 这也是变相的论证了  虽然 claude 的 opus 4.7 编程测试第一，但是大家的反馈却大多数是负面的。

Anthropic：标价不变，换分词器变相涨价 35%。

OpenAI：GPT-5.3-Codex 比 5.2 快 25%，变相降价。

Google：Gemma 4 直接免费。

AI 的价格战已经从"每百万 token 单价"的明面竞争，变成了"实际使用成本"的暗战。谁能让用户花更少的钱办更多的事谁就能赢。Anthropic 的"暗涨"操作，在社区口碑上已经付出了代价。与此同时国内的模型的价格跟之前相比也是在逐步涨价的阶段。

开源模型（Gemma 4）拉平了底座能力——任何人都可以免费获得一个接近旗舰性能的模型。但Agent产品化（codex的完整产品体验，claude code 的深度集成）和安全框架这两个维度却不是开源就能解决的。

4 月的 AI 圈，三家公司，三种策略，一个共同的判断：AI 的能力已经强到需要认真对待安全问题的程度了。

至于谁的路走对了——市场会用钱包投票。Anthropic 已经在第一轮投票中失了分。

还有最近吵的火热的Anthropic 使用claude需要进行身份证明验证，以及禁止中国用户以及中国控资超过百分之50的公司进行使用。背景是 美国对于AI技术出口严格监管。 大家觉得 anthropic的这一“骚操作”是怎么样的呢？