Секрет Opus 4.7, который все упустили

Первоначальные бенчмарки выпуска Opus 4.7 от Anthropic вызвали значительный ажиотаж, но эти первоначальные данные дают неполную картину. Хотя модель демонстрирует впечатляющие успехи в определенных областях, она не представляет собой простое, всеобъемлющее улучшение по сравнению со своим предшественником, Opus 4.6. Этот выпуск сигнализирует о рассчитанном стратегическом сдвиге со стороны Anthropic, сосредоточившись на определенном наборе возможностей ИИ, а не на улучшениях общего назначения.

Opus 4.7 превосходит в областях, критически важных для сложной автоматизации, демонстрируя превосходную производительность в кодировании, использовании агентных инструментов и визуальном мышлении. Заметные улучшения включают расширенную визуальную навигацию, позволяющую модели интерпретировать пользовательские интерфейсы и выполнять точные действия, такие как нажатие на элементы экрана. Он также может похвастаться значительным скачком в анализе документов, что ставит его в другую лигу по сравнению с Opus 4.6 и моделями от OpenAI и Google при обработке нескольких PDF-файлов, финансовых отчетов, контрактов и отчетов. Модель демонстрирует замечательное увеличение долгосрочной связности на 36%, что указывает на большую надежность в сложных, многоэтапных задачах.

Этот специализированный фокус подчеркивает развивающуюся стратегию Anthropic: приоритет решений ИИ корпоративного уровня над широкой потребительской привлекательностью. Anthropic больше не ориентируется в первую очередь на индивидуальных пользователей; ее основными клиентами теперь являются корпоративные компании, которым требуется надежный, агентный ИИ для сложных рабочих процессов. Этот сдвиг очевиден в производительности модели по бенчмарку GDPVal, который многие современные компании ИИ теперь оптимизируют. Opus 4.6, с этим обновлением, поднялся со второго на первое место в GDPVal, закрепив свою роль в поддержке профессиональных, долгосрочных задач.

Следовательно, активная часть обычных пользователей сообщает о значительном снижении производительности для повседневных разговорных или творческих задач. Эта воспринимаемая регрессия проистекает непосредственно из решения Anthropic оптимизировать Opus 4.7 для конкретных, высокоценных корпоративных приложений. Мы рассмотрим точные причины этого недовольства пользователей и что это означает для более широкого ландшафта индустрии ИИ.

Opus 4.7 предвещает большой скачок в визуальной навигации и взаимодействии с пользовательским интерфейсом, фундаментально изменяя то, как агенты ИИ воспринимают цифровые среды и манипулируют ими. Эта расширенная возможность позволяет модели эффективно «управлять компьютером, глядя на экран», обрабатывая визуальные подсказки и элементы интерфейса со значительно улучшенной точностью. ИИ теперь надежно считывает пользовательские интерфейсы, понимая макет, контекст и предполагаемую функцию элементов на экране до степени, ранее недостижимой.

Эта возможность «цифрового глаза» позволяет Opus 4.7 управлять приложениями и выполнять сложные задачи, используя простые команды на английском языке. Разработчики могут легко интегрировать этот инструмент, позволяя ИИ интерпретировать визуальные данные экрана и выполнять такие действия, как нажатие кнопок, ввод текста в поля или навигация по сложным меню. Это знаменует собой критический шаг к ИИ, который управляет компьютером так же интуитивно, как человек, переводя намерение на естественном языке в прямое, точное манипулирование пользовательским интерфейсом в различных программах.

Это развитие имеет огромное значение для будущего agentic AI, особенно для автоматизации задач, выполняемых в браузере. Представьте себе ИИ-агента, автономно заполняющего многоэтапные онлайн-формы, перемещающегося по сложным сайтам электронной коммерции или управляющего облачными платформами, при этом визуально интерпретируя интерфейс и реагируя на высокоуровневые инструкции. Расширенная способность Opus 4.7 взаимодействовать с динамическими веб-средами формирует основу для сложных ИИ-агентов, выполняющих работу, которую обычно делают люди, обеспечивая надежную базу для автоматизации корпоративного уровня, способной справляться с долгосрочными задачами.

Opus 4.7 обеспечивает колоссальный скачок в рассуждениях по документам, выводя его на совершенно другой уровень. Это не незначительная итерация; новейшая модель Anthropic значительно превосходит своего предшественника, Opus 4.6, и даже ведущие модели от OpenAI и Google в этой критически важной области. Достижения здесь переопределяют то, чего ИИ может достичь в сложном текстовом анализе, знаменуя глубокий сдвиг в возможностях.

Модель демонстрирует беспрецедентную способность рассуждать по различным типам документов — возможность, ранее невиданную в таком масштабе. Она искусно ориентируется и интерпретирует широкий спектр форматов, включая: - PDF-файлы - Финансовые отчеты - Юридические контракты - Общие документы и отчеты Это мастерство работы с множеством форматов позволяет Opus 4.7 объединять разрозненные источники информации, что является распространенной и часто непосильной задачей в корпоративной среде. Способность модели обрабатывать и понимать эти разнообразные входные данные без потери контекста представляет собой значительный шаг вперед.

Эта передовая возможность находит немедленное и эффективное применение в корпоративных условиях, особенно для сложных инструментов, таких как Co-work. На таких платформах ИИ-агенты должны управлять, редактировать и рассуждать по многочисленным файлам на рабочем столе, часто охватывая весь цифровой след организации. Впечатляющий результат Opus 4.7 в 80% по бенчмарку, специально разработанному для отражения высоких требований Co-work, подчеркивает его надежную и стабильную производительность в этих реальных сценариях. Это делает бенчмарк исключительно надежным для оценки практической полезности.

Для любого рабочего процесса, включающего сложный анализ документов, Opus 4.7 становится очевидным выбором. Его умение синтезировать информацию из множества разнообразных документов оптимизирует процессы, которые когда-то требовали значительного человеческого вмешательства и специализированных знаний. Это позиционирует Opus 4.7 как незаменимый инструмент для компаний, стремящихся автоматизировать и улучшить свои операции, ориентированные на документы, эффективно выполняя роль AI paralegal. Для получения дополнительной информации об официальном выпуске ознакомьтесь с Introducing Claude Opus 4.7 - Anthropic. Глубокое влияние модели на подход Industry к задачам цифрового параюриста неоспоримо, предлагая новый стандарт для agentic AI на рабочем месте.

Помимо простого понимания отдельных команд, Opus 4.7 демонстрирует глубокий скачок в long-term coherence (долгосрочной связности/последовательности), что является критически важным показателем для продвинутых ИИ-агентов. Anthropic проиллюстрировал это на примере симулированной среды торгового автомата, поручив модели управлять операциями и максимизировать свой конечный денежный баланс. Симуляция измеряет способность ИИ поддерживать сложный, многоэтапный план, наказывая его за забывание целей, неправильное отслеживание состояний или принятие непоследовательных решений, которые уменьшили бы его заработок.

Opus 4.7 достиг замечательного 36%-ного увеличения конечного баланса в этой симуляции торгового автомата. Этот значительный скачок, с приблизительно $8,000 до $11,000, демонстрирует улучшенную способность модели придерживаться сложного, долгосрочного плана, не «теряя нить» и не отклоняясь от своей конечной цели. Улучшение свидетельствует о более надежном внутреннем управлении состоянием и последовательном принятии решений в течение длительных периодов.

Речь идет не об автоматизации торговых автоматов с закусками; торговый автомат служит прокси для long-horizon tasks. Эта возможность имеет решающее значение для создания AI agents, способных выполнять сложные, многоэтапные операции для enterprise clients. Такие задачи требуют постоянного планирования, выполнения и адаптации в течение длительных периодов, часто с участием многочисленных подцелей и динамичных сред.

Сосредоточение на долгосрочной согласованности напрямую соответствует главной цели Anthropic по созданию AI, способного заменить рабочие процессы, управляемые человеком. Для достижения этого AI models должны автономно управлять сложными рабочими процессами и выполнять сложные задачи, охватывающие значительные временные рамки. Улучшенная agentic performance Opus 4.7 в этой области позиционирует его как мощный инструмент для автоматизации и оптимизации человекоцентричной работы в enterprise sector.

Под поверхностью ярких потребительских бенчмарков, Opus 4.7 от Anthropic раскрывает свое истинное стратегическое намерение: модель, ориентированная на enterprise-first. Это не еще один AI, созданный для общих запросов или творческих прихотей обычного пользователя. Вместо этого, Opus 4.7 нацелен на высокоценные, сложные задачи, критически важные для крупных отраслей, что сигнализирует о глубоком сдвиге в основном фокусе Anthropic.

Новая метрика, GDPVal, теперь доминирует в обсуждениях среди ведущих AI-компаний, вытесняя старые, менее релевантные бенчмарки, такие как MMMU. GDPVal измеряет способность AI выполнять задачи с прямой, количественно измеримой экономической ценностью. Она оценивает реальное воздействие, выходя за рамки академических тестов интеллекта, чтобы измерить способность AI генерировать ощутимые бизнес-результаты. Этот сдвиг отражает зрелость отрасли, где практическое применение превосходит общие способности.

Исключительная производительность Opus 4.7 по бенчмарку GDPVal подчеркивает его специализированную оптимизацию. Модель заняла первое место, демонстрируя беспрецедентные возможности в областях, которые приносят значительную экономическую ценность. Это включает сложные рабочие процессы в таких секторах, как: - Финансы, обработка сложных транзакций и анализ данных - Здравоохранение, обработка обширных медицинских записей и исследований - Производство, оптимизация цепочек поставок и операционной эффективности

Стратегический поворот Anthropic означает, что потребительский опыт — создание стихов, обычных чат-ботов или базовый поиск информации — больше не является основным фокусом для ее самой передовой модели. Компания теперь отдает приоритет enterprise clients, способным оплачивать огромные вычислительные ресурсы и специализированные токены. Opus 4.7 предоставляет сложную, agentic AI работу для бизнеса, а не просто «cool model» для масс, что знаменует явное расхождение с потребительской гонкой AI.

Ethan Mollick, ведущий исследователь AI, ввел термин «jagged frontier» для описания непредсказуемой эволюции AI. В отличие от человеческого обучения, которое часто демонстрирует широкое, равномерное улучшение, развитие AI продвигается неравномерно, создавая острые пики возможностей в одних областях, оставляя при этом значительные провалы в других. Это явление делает AI одновременно впечатляющим и разочаровывающим.

Opus 4.7 является примером этого неравномерного прогресса. Хотя новейшая модель Anthropic демонстрирует значительные успехи в таких областях, как кодирование, автономное использование инструментов и визуальное мышление, ее производительность не является равномерно превосходной. Бенчмарки показывают существенные улучшения в сложных задачах, таких как анализ документов и долгосрочная связность, однако соответствующая диаграмма может показать стагнацию или даже снижение в творческих областях, таких как медиа и развлечения.

ИИ не учится как универсал. Вместо этого он становится специализированным эрудитом, превосходящим с поразительной точностью в конкретных, часто узких, областях. Эта интенсивная оптимизация для определенных задач, особенно тех, которые критически важны для корпоративных приложений, означает, что улучшение не является плавным или человекоподобным. Оно может быть хрупким: модель блестяще справляется с одной задачей и не справляется с базовой логикой в другой.

Это специализированное развитие объясняет, почему Opus 4.7 может казаться как гениальным, так и глубоко некомпетентным, в зависимости от поставленной задачи. Его беспрецедентная способность анализировать несколько документов и улучшать визуальную навигацию знаменует собой значительный шаг вперед для корпоративных приложений, что подтверждается его доступностью через такие сервисы, как Amazon Bedrock. Для получения дополнительной информации о его корпоративной интеграции, изучите Introducing Anthropic's Claude Opus 4.7 model in Amazon Bedrock | AWS News Blog.

Эта целенаправленная стратегия развития отдает приоритет глубокой экспертизе над широкой компетенцией. Такие компании, как Anthropic, больше не гонятся за универсальным интеллектом по всем показателям; они создают высокооптимизированные инструменты для конкретных, высокоценных наборов проблем. Традиционные бенчмарки, когда-то всеобъемлющие, все чаще упускают из виду тонкие, специализированные улучшения, движущие наиболее влиятельные модели отрасли. Фокус Opus 4.7 на автономной производительности для долгосрочных задач подчеркивает этот сдвиг.

Множество пользователей немедленно наводнили Twitter и Reddit жалобами на производительность Opus 4.7. Многие описывали модель как "понерфленную" или даже "лоботомированную", заявляя о заметном снижении ее общего интеллекта, творческих способностей и разговорных нюансов. Это широко распространенное мнение нарисовало картину модели, которая казалась менее способной для повседневного потребительского взаимодействия, несмотря на впечатляющие заявления Anthropic о бенчмарках.

Это не единичный случай, а повторяющаяся тема в индустрии ИИ. Аналогичные волны недовольства следовали за прошлыми обновлениями моделей OpenAI, когда пользователи сообщали о предполагаемом ухудшении производительности для конкретных задач. Эта закономерность указывает на постоянное напряжение между целями оптимизации разработчиков и разнообразными ожиданиями широкой пользовательской базы.

Эти качественные ощущения не совсем беспочвенны; они воплощают концепцию неровного фронтира Итана Моллика. По мере того как модели ИИ проникают в новые, сложные области, они не улучшаются равномерно по всем задачам. Оптимизация для новых, сложных возможностей корпоративного уровня — таких как сложное автономное использование инструментов или обработка огромных объемов неструктурированных данных для анализа документов — может непреднамеренно привести к регрессам в более устоявшихся, ориентированных на потребителя функциях.

Anthropic явно разработала Opus 4.7 для корпоративных приложений, что является стратегическим поворотом от обычного потребителя. Его дизайн отдает приоритет функциям, критически важным для крупных организаций: анализ сложных финансовых данных, навигация по сложным пользовательским интерфейсам для автоматизации и поддержание многоэтапных планов на длительные сроки. Этот лазерный фокус смещает ресурсы разработки, потенциально снижая производительность в широких, универсальных возможностях, которые часто ценят потребители, таких как творческое письмо или тонкие разговорные ответы.

Следовательно, пользователи правы в своей оценке для конкретных потребительских сценариев использования. Если вы в основном полагались на Opus 4.7 для общих идей, непринужденного общения или даже помощи в кодировании, модель, вероятно, *хуже* для этих конкретных задач. Это предполагаемое ухудшение не является ошибкой или заговором; это прямое следствие архитектурного поворота, разработанного для обслуживания другой, более прибыльной клиентской базы со специализированной, высокоценной работой ИИ.

Помимо «неровного рубежа» и заявленной Anthropic стратегии «сначала предприятия», более фундаментальное узкое место сдерживает реальный потенциал Opus 4.7: необработанная вычислительная мощность. Anthropic, видный игрок в AI Industry, сталкивается со значительными инфраструктурными ограничениями, напрямую влияющими на согласованность и производительность модели для многих пользователей. Это не просто незначительный технический сбой; это представляет собой критическое стратегическое препятствие.

Недавний разоблачительный отчет Wall Street Journal привлек внимание к борьбе Anthropic с частыми сбоями и постоянными проблемами с вычислительной мощностью. Это не единичные инциденты; они отражают системную проблему, присущую масштабированию огромных вычислительных требований передовых больших языковых моделей, таких как Opus 4.7. Быстрый рост компании и сложность ее моделей постоянно опережают доступные аппаратные ресурсы, создавая постоянное состояние дефицита.

Чтобы управлять этими серьезными ограничениями ресурсов и снизить затраты, Anthropic, как сообщается, внедрила систему дозирования вычислительных ресурсов в часы пик. Это означает, что вычислительные ресурсы, выделяемые для отдельных запросов пользователей, динамически колеблются в зависимости от сетевого спроса и нагрузки на сервер. По сути, возможности модели снижаются, когда ее базовая инфраструктура находится под значительной нагрузкой, что предотвращает полный сбой системы, но жертвует производительностью.

Пользователи напрямую ощущают последствия этого нормирования. В периоды высокого спроса они сталкиваются с заметно более медленным временем отклика, увеличенной задержкой и ощутимым снижением качества и глубины вывода Opus 4.7. То, что должно быть передовым, высокопроизводительным инструментом, часто превращается в непредсказуемый и разочаровывающий опыт, что приводит к широко распространенным жалобам на «нерф».

Эта мера по сокращению затрат, хотя, возможно, и является необходимым злом для финансовой жизнеспособности Anthropic, налагает серьезное ограничение на общий пользовательский опыт. Премиальный, высокопроизводительный опыт, продемонстрированный в ранних бенчмарках или внутреннем тестировании, часто исчезает под тяжестью общей, перегруженной инфраструктуры. Последовательность, ключевой фактор для надежных приложений ИИ, становится труднодостижимым идеалом, а не гарантированной функцией.

Критически важно, что это дозирование вычислительных ресурсов непропорционально затрагивает пользователей, не относящихся к премиальным корпоративным уровням. В то время как крупные корпоративные клиенты, вероятно, договариваются и обеспечивают выделенные вычислительные ресурсы и соглашения об уровне обслуживания, обычные разработчики и индивидуальные подписчики сталкиваются с колеблющейся, часто «лоботомированной» версией Opus 4.7. Это резко усиливает модель enterprise-first, распространяя ее последствия на сам доступ к базовому оборудованию. Только самые высокооплачиваемые клиенты постоянно получают максимальную производительность, что демонстрирует четкую приоритизацию Anthropic.

Opus 4.7 опровергает представление об универсально превосходящем ИИ, требуя точной стратегии применения. Его специализированная архитектура делает его мощным инструментом для конкретных задач, но плохим выбором для других. Понимание его сильных и слабых сторон имеет первостепенное значение.

Для корпоративных рабочих процессов Opus 4.7 становится мощным, специально разработанным решением. Используйте его возможности для: - Анализа сложных документов. Opus 4.7 превосходно справляется с анализом сложных PDF-файлов, финансовых отчетов, юридических контрактов и всеобъемлющих отчетов. Его «massive jump» в рассуждении по документам, достигая 80% результата, ставит его в другую лигу. - Многошаговых агентных рабочих процессов, требующих постоянного внимания и долгосрочной согласованности. Модель демонстрирует значительное увеличение производительности на 36% в многоходовых,

Гонка вооружений ИИ кардинально изменилась. Первостепенной целью больше не является достижение все более высоких результатов в абстрактных тестах, таких как MMLU, которые когда-то доминировали в заголовках. Вместо этого, новый рубеж — это экономическая ценность, где модели доказывают свою состоятельность, решая сложные, реальные проблемы для enterprise клиентов, часто с помощью узкоспециализированных функций.

Opus 4.7 от Anthropic является четким планом для этого будущего. Это не универсальный ИИ, стремящийся к всеобщему интеллекту; это высокоспециализированная, вертикально интегрированная модель, разработанная для конкретных отраслевых приложений. Ее исключительные возможности в визуальной навигации, использовании агентных инструментов и «massive jump» в рассуждении по документам – ставящие ее в «different league» для обработки контрактов и отчетов – позиционируют ее как решение, ориентированное в первую очередь на enterprise.

Эта специализация подчеркивает критический поворот в развитии ИИ. Opus 4.7 разработан для автоматизации сложных, многошаговых рабочих процессов, трансформируя то, как предприятия взаимодействуют с огромными наборами данных и выполняют долгосрочные задачи. Anthropic отдает приоритет глубокой полезности в конкретных областях, сигнализируя о будущем, где ИИ глубоко интегрирован в промышленные операции, а не служит широким потребительским чат-ботом.

Для индивидуальных пользователей и разработчиков эта траектория означает навигацию по все более «jagged frontier» возможностей ИИ. Модели будут демонстрировать поразительное мастерство в своей нише, оставаясь при этом удивительно неспособными к задачам вне их основного дизайна. Ожидание единого, всеведущего ИИ уступает место реальности разнообразного портфолио ИИ, каждый из которых развернут для своих отличительных сильных сторон, от кодирования до сложного анализа документов.

Эффективное использование ИИ потребует стратегического подхода, требующего от пользователей выбора и координации различных моделей для различных задач. Этот сдвиг парадигмы фундаментально переопределяет наше взаимодействие с искусственным интеллектом и его оценку. Мы будем оценивать ИИ не только по его врожденному «IQ», но и по его точной полезности, его бесшовной интеграции в рабочие процессы и его измеримому влиянию на производительность и создание ценности, что знаменует собой глубокую эволюцию в отрасли.

Каково самое большое улучшение в Opus 4.7 от Anthropic?

Opus 4.7 демонстрирует значительные улучшения в специализированных «агентных» задачах, особенно в рассуждении по нескольким сложным документам и визуальной навигации, где он может интерпретировать пользовательские интерфейсы и взаимодействовать с ними.

Почему Opus 4.7 кажется некоторым пользователям ухудшением?

Модель была сильно оптимизирована для enterprise и экономических задач (измеряемых GDPVal), что привело к «jagged frontier» возможностей. Это означает, что, хотя она превосходна в некоторых областях, ее производительность в общих творческих, развлекательных или разговорных задачах могла ухудшиться в качестве компромисса.

Что такое «jagged frontier» ИИ?

«Jagged frontier» описывает, как модели ИИ улучшаются неравномерно. Они могут стать сверхчеловеческими в очень сложных задачах, при этом все еще терпя неудачу в вещах, которые кажутся простыми для людей, создавая неровный, непредсказуемый край возможностей.

Является ли Opus 4.7 лучшей моделью для повседневных творческих задач?

Нет, скорее всего, нет. Учитывая его корпоративную направленность, пользователи, ищущие модель для общего творчества, письма или разговора, могут найти предыдущие версии или модели конкурентов более подходящими для своих нужд.