Anthropic: Claude Opus 4.7 objavljen sa boljim kodiranjem i vision višeg razlučivanja

Anthropic je 16. aprila 2026. objavio Claude Opus 4.7. Model je generalno dostupan na Claude.ai, putem API-ja, u Amazon Bedrock-u, Google Cloud Vertex AI i Microsoft Foundry-u, po istim cenama kao i prethodna verzija: $5 po milion ulaznih tokena i $25 po milion izlaznih. Programeri mu pristupaju putem identifikatora claude-opus-4-7.

Najznačajnije poboljšanje za produktovske timove koji koriste agentne radne tokove jeste pouzdanost koda. Model otkriva logičke greške u fazi planiranja, a ne tokom izvršavanja, i ređe pravi greške pri pozivanju alata u višekoračnim zadacima. Za timove koji Claude već koriste u automatizovanim pipelineima, ovo smanjuje učestalost ručnih ispravki tokom dugotrajnih operacija.

Vision mogućnosti su se znatno proširile. Opus 4.7 prihvata slike do 2.576 piksela na dugoj strani — oko 3,75 megapiksela, što je više od tri puta veće razlučivanje od onog koje su podržavale prethodne Claude modeli. Ovo model čini praktičnijim za zadatke poput čitanja gustih UI skrinšotova, interpretacije tehničkih dijagrama ili obrade dizajn fajlova u agentnim radnim tokovima.

Nova funkcija task budgets daje modelu procenu tokena za puni agentni ciklus. Claude Opus 4.7 koristi ovaj odbrojač za prioritizaciju rada i završavanje zadataka u okviru dodeljenog budžeta. Za produktovske timove koji pokreću production agente, ovo daje predvidljivije troškove računanja i graciozniji završetak zadataka kada resursi ponestaju.

Model koristi novi tokenizer, zbog kojeg potrošnja tokena može porasti za 1–1,35 puta u poređenju sa prethodnim verzijama. Timovi koji procenjuju API troškove za postojeće promptove trebalo bi da uzmu ovo u obzir pri migraciji.

Zašto je ovo važno za product managere

Za PM-ove koji grade AI funkcije zasnovane na Claude-u, Opus 4.7 je najrelevantniji ako trenutna implementacija uključuje agente za kodiranje, složenu analizu dokumenata ili radne tokove intenzivne po slikama, gde su prethodne verzije davale nepouzdane rezultate. Poboljšano praćenje instrukcija takođe zaslužuje pažnju: promptovi kalibrisani za starije modele mogu zahtevati podešavanje, jer model preciznije interpretira instrukcije.