--- title: "Claude Opus 4.7: 3× więcej zadań i nowy poziom xhigh" description: "Anthropic wypuściło Claude Opus 4.7 — 13% poprawy w kodowaniu, 3× więcej rozwiązanych zadań produkcyjnych, nowy poziom xhigh, budżety zadań i ulepszona wizja." date: 2026-04-17 category: AI tags: ["AI", "Anthropic", "Claude", "LLM", "Programowanie"] url: https://uper.pl/blog/claude-opus-4-7/ --- # Claude Opus 4.7 — agentyczna rewolucja Anthropic i nowa era długich zadań inżynieryjnych 16 kwietnia 2026 roku Anthropic udostępniło **Claude Opus 4.7** — kolejną iterację flagowego modelu, która koncentruje się na zadaniach wymagających długiego kontekstu, autonomicznego wnioskowania i dyscyplinowanego prowadzenia projektów programistycznych. Premiera przypada w momencie, gdy cała branża przesuwa ciężar z pojedynczych zapytań na **agentyczne przepływy pracy** — sesje, w których model przez wiele godzin planuje, pisze kod, poprawia błędy i raportuje postęp bez nadzoru człowieka. Opus 4.7 to wersja przystosowana właśnie do takich zastosowań: wolniejsza eskalacja błędów, lepsze korzystanie z pamięci między sesjami i wyraźnie silniejsze wyniki na benchmarkach inżynieryjnych. ![Claude Opus 4.7 — wyniki w benchmarkach kodowania i agentycznych](../../assets/images/blog/claude-opus-4-7-benchmarks.webp) ## Co nowego w Claude Opus 4.7 Nowy model utrzymuje ten sam poziom cenowy co poprzednik (5 USD za milion tokenów wejściowych i 25 USD za milion wyjściowych), ale wnosi kilka istotnych ulepszeń w warstwie architektury i sterowania rozumowaniem. To nie jest wyłącznie kosmetyczna aktualizacja — Anthropic deklaruje „znaczące lepsze podążanie za instrukcjami" i sugeruje, że część zespołów będzie musiała **ponownie dostroić swoje prompty**, aby w pełni wykorzystać potencjał modelu. Najważniejsze zmiany względem Opus 4.6: - **Poziom wysiłku `xhigh`** — nowa, pośrednia warstwa wnioskowania pomiędzy `high` a `max`, dająca większą kontrolę nad relacją kosztu do jakości odpowiedzi. - **Budżety zadań (task budgets)** — parametr pozwalający ograniczyć zużycie tokenów w długich, agentycznych sesjach bez konieczności ręcznego przerywania. - **Ulepszona wizja** — obsługa obrazów do 2576 px na dłuższej krawędzi, czyli ok. 3,75 megapiksela — ponad trzykrotnie więcej niż w poprzedniej wersji. - **Komenda `/ultrareview`** — dedykowany tryb przeglądu kodu dla użytkowników Claude Pro i Max. - **Auto mode** — autonomiczne podejmowanie decyzji rozszerzone na plan Max. - **Zaktualizowany tokenizer** — lepsza obsługa tekstu, ale ten sam prompt może generować **1,0–1,35× więcej tokenów** niż dotychczas, co warto uwzględnić w budżetach API. ## Benchmarki: realne liczby, nie marketing Anthropic uzupełnia komunikat konkretnymi wynikami pomiarów prowadzonych wspólnie z partnerami produkcyjnymi. To ważna zmiana tonu — zamiast zamkniętych ewaluacji akademickich firma chwali się liczbami z prawdziwych środowisk inżynieryjnych. | Benchmark / partner | Opus 4.7 | Opus 4.6 | | :--- | :--- | :--- | | **Replit** (93-zadaniowy test kodowania) | +13% | poziom bazowy | | **Rakuten** (zadania produkcyjne) | **3× więcej rozwiązań** | poziom bazowy | | **CursorBench** | 70% sukcesu | 58% sukcesu | | **GDPval-AA** (finanse/prawo) | state-of-the-art | niżej | | **XBOW** (pentesting) | 98,5% skuteczności wizualnej | — | Warto zwrócić uwagę na wynik Rakuten — trzykrotny wzrost liczby rozwiązanych zadań produkcyjnych oznacza nie tylko lepszą jakość kodu, ale także większą odporność modelu na „zawieszanie się" w długich przepływach. To bezpośrednio przekłada się na koszty operacyjne: mniej iteracji, mniej zmarnowanych tokenów, mniej poprawek ze strony człowieka. ## Agentyczność i pamięć międzysesyjna Najważniejszy kierunek rozwoju Opusa 4.7 to **operowanie w długim horyzoncie czasowym**. Model został przystrojony do scenariuszy, w których agent pracuje przez godziny lub dni — pisze kod, uruchamia testy, wraca do zadania po przerwaniu i zachowuje spójność decyzji. Najważniejsze usprawnienia w tym obszarze: - **Lepsze wykorzystanie pamięci między sesjami** — model efektywniej korzysta z wcześniejszych notatek, logów i artefaktów projektu. - **Koordynacja narzędzi** — sprawniejsze łączenie wywołań funkcji (tool use) w wielokrokowych planach. - **Stabilność w długim kontekście** — mniej „halucynacji zmęczenia" przy pracy z dużymi repozytoriami. Dla zespołów, które budują własne integracje z modelami klasy Claude — czy to przez API, czy przez Claude Code — oznacza to, że można agresywniej przesuwać logikę do samego modelu, zmniejszając liczbę warstw orkiestracji potrzebnych do utrzymania kontroli. ## Zmiany w tokenizatorze: co to oznacza dla rachunków API Zaktualizowany tokenizer poprawia obsługę tekstu, ale ma praktyczną konsekwencję: **te same prompty mogą kosztować więcej**. Anthropic podaje współczynnik 1,0–1,35× w zależności od treści, a przy poziomie wysiłku `xhigh` i `max` model generuje także więcej tokenów wyjściowych — celowo, w imię większej niezawodności. Co to oznacza w praktyce dla zespołów produkcyjnych: 1. **Przegląd budżetów miesięcznych** — zwłaszcza tam, gdzie używacie dużych kontekstów lub wielu równoległych agentów. 2. **Audyt długich promptów** — szczególnie wrażliwe są teksty w innych alfabetach i kod z dużą liczbą znaków specjalnych. 3. **Testy A/B cen jednostkowych** — mimo tych samych stawek za milion tokenów, efektywny koszt żądania może być wyższy o 10–35%. ## Bezpieczeństwo i podatność na prompt injection Zewnętrzna ocena bezpieczeństwa modelu jest ostrożnie pozytywna. Opus 4.7 jest oceniany jako **„w dużej mierze dobrze zestrojony i godny zaufania"**, z wyraźnymi usprawnieniami w obszarze uczciwości oraz odporności na prompt injection — jeden z kluczowych wektorów ataku na systemy agentyczne. Minusem jest nieco słabsza wydajność modelu w zakresie udzielania porad redukujących szkody (harm-reduction advice), co Anthropic otwarcie komunikuje w dokumentacji. Dla zespołów budujących produkty w obszarach regulowanych — zdrowie, finanse, prawo — oznacza to konieczność utrzymania dodatkowych warstw filtrów i walidacji, podobnie jak w przypadku [wcześniejszych modeli tej klasy](/blog/claude-mythos-klasa-capybara/). ## Dostępność i integracje Claude Opus 4.7 jest dostępny od pierwszego dnia na wszystkich głównych platformach: - **Claude.ai** — dla użytkowników Free, Pro, Max oraz Teams/Enterprise. - **API Anthropic** — pod identyfikatorem `claude-opus-4-7`. - **Amazon Bedrock** — w regionach obsługujących linię Claude. - **Google Cloud Vertex AI** — pełna integracja z pipeline'ami GCP. - **Microsoft Foundry** — nowy kanał dystrybucji w ekosystemie Microsoftu. Dla użytkowników planów Pro i Max dostępna jest także komenda `/ultrareview`, uruchamiająca dedykowaną sesję przeglądu kodu, w której model poświęca większy budżet obliczeniowy na weryfikację zmian, wychwytywanie regresji i proponowanie uzasadnionych refaktoryzacji. ## Podsumowanie Claude Opus 4.7 to model **ewolucyjny, ale w miejscach, które naprawdę mają znaczenie** dla zespołów produkcyjnych: długie sesje agentyczne, precyzyjne podążanie za instrukcjami, dyscyplina w wielogodzinnych projektach programistycznych oraz większa kontrola nad relacją kosztu do jakości dzięki nowemu poziomowi `xhigh`. Trzykrotny wzrost liczby rozwiązanych zadań produkcyjnych u partnerów takich jak Rakuten pokazuje, że poprawa wykracza poza benchmarki i przekłada się na realne oszczędności operacyjne. Dla firm, które budują procesy oparte o [SEO wspierane przez AI](/blog/seo-w-erze-ai/) lub własne agentyczne narzędzia, Opus 4.7 jest jasnym sygnałem: warstwa modelu zyskuje kolejną porcję autonomii, a praca nad orkiestracją powinna coraz mocniej skupiać się na granicach i obserwowalności, a nie na ręcznym prowadzeniu modelu krok po kroku. Ostateczny test to oczywiście rachunek API po kilku tygodniach użycia — zwłaszcza biorąc pod uwagę zmiany w tokenizatorze. ## Źródła 1. **Introducing Claude Opus 4.7 — Anthropic** [https://www.anthropic.com/news/claude-opus-4-7](https://www.anthropic.com/news/claude-opus-4-7) 2. **Claude Opus 4.7 System Card — Anthropic** [https://www.anthropic.com/claude-opus-4-7-system-card](https://www.anthropic.com/claude-opus-4-7-system-card) 3. **Claude API Documentation — Anthropic** [https://docs.anthropic.com/claude/docs](https://docs.anthropic.com/claude/docs) 4. **Amazon Bedrock — Claude Models** [https://aws.amazon.com/bedrock/claude/](https://aws.amazon.com/bedrock/claude/) 5. **Vertex AI — Claude on Google Cloud** [https://cloud.google.com/vertex-ai/generative-ai/docs/partner-models/claude](https://cloud.google.com/vertex-ai/generative-ai/docs/partner-models/claude)