anthropic

Claude Opus 4.7

Claude Opus 4.7 adalah flagship model dari Anthropic dengan context window 1 juta token, adaptive reasoning, dan resolusi vision 3,3x untuk agen berskala...

Frontier ModelAgentic AIAsisten KodingContext BesarAnthropic
anthropic logoanthropicClaude16 April 2026
Konteks
1Mtoken
Output maks.
128Ktoken
Harga input
$5.00/ 1M
Harga output
$25.00/ 1M
Modalitas:TextImage
Kemampuan:VisiAlatStreamingPenalaran
Benchmarks
GPQA
94.2%
GPQA: Tanya Jawab Sains Tingkat Doktoral. Benchmark ketat dengan 448 pertanyaan pilihan ganda dalam biologi, fisika, dan kimia yang dibuat oleh pakar domain. Para ahli PhD hanya mencapai akurasi 65-74%, sementara non-ahli hanya mendapat 34% bahkan dengan akses web tak terbatas (sehingga disebut 'tahan Google'). Claude Opus 4.7 meraih skor 94.2% pada benchmark ini.
HLE
54.7%
HLE: Penalaran Keahlian Tingkat Tinggi. Menguji kemampuan model untuk mendemonstrasikan penalaran tingkat ahli di domain khusus. Mengevaluasi pemahaman mendalam tentang topik kompleks yang membutuhkan pengetahuan tingkat profesional. Claude Opus 4.7 meraih skor 54.7% pada benchmark ini.
MMLU
89.8%
MMLU: Pemahaman Bahasa Multitugas Masif. Benchmark komprehensif dengan 16.000 pertanyaan pilihan ganda meliputi 57 mata pelajaran akademik termasuk matematika, filsafat, hukum, dan kedokteran. Menguji pengetahuan luas dan kemampuan penalaran. Claude Opus 4.7 meraih skor 89.8% pada benchmark ini.
MMLU Pro
89.9%
MMLU Pro: MMLU Edisi Profesional. Versi MMLU yang ditingkatkan dengan 12.032 pertanyaan menggunakan format 10 pilihan yang lebih sulit. Mencakup Matematika, Fisika, Kimia, Hukum, Teknik, Ekonomi, Kesehatan, Psikologi, Bisnis, Biologi, Filsafat, dan Ilmu Komputer. Claude Opus 4.7 meraih skor 89.9% pada benchmark ini.
SimpleQA
31.6%
SimpleQA: Benchmark Akurasi Faktual. Menguji kemampuan model untuk memberikan respons yang akurat dan faktual terhadap pertanyaan langsung. Mengukur keandalan dan mengurangi halusinasi dalam tugas pengambilan pengetahuan. Claude Opus 4.7 meraih skor 31.6% pada benchmark ini.
IFEval
91.2%
IFEval: Evaluasi Kepatuhan Instruksi. Mengukur seberapa baik model mengikuti instruksi dan batasan tertentu. Menguji kemampuan untuk mematuhi aturan format, batas panjang, dan persyaratan eksplisit lainnya. Claude Opus 4.7 meraih skor 91.2% pada benchmark ini.
AIME 2025
100%
AIME 2025: Ujian Matematika Undangan Amerika. Soal matematika tingkat kompetisi dari ujian AIME bergengsi yang dirancang untuk siswa SMA berbakat. Menguji pemecahan masalah matematika tingkat lanjut yang membutuhkan penalaran abstrak, bukan sekadar pencocokan pola. Claude Opus 4.7 meraih skor 100% pada benchmark ini.
MATH
94.1%
MATH: Pemecahan Masalah Matematika. Benchmark matematika komprehensif yang menguji pemecahan masalah dalam aljabar, geometri, kalkulus, dan domain matematika lainnya. Membutuhkan penalaran multi-langkah dan pengetahuan matematika formal. Claude Opus 4.7 meraih skor 94.1% pada benchmark ini.
GSM8k
98.4%
GSM8k: Matematika SD 8K. 8.500 soal cerita matematika tingkat SD yang membutuhkan penalaran multi-langkah. Menguji aritmatika dasar dan pemikiran logis melalui skenario dunia nyata seperti belanja atau perhitungan waktu. Claude Opus 4.7 meraih skor 98.4% pada benchmark ini.
MGSM
94.1%
MGSM: Matematika SD Multibahasa. Benchmark GSM8k yang diterjemahkan ke 10 bahasa termasuk Spanyol, Prancis, Jerman, Rusia, Cina, dan Jepang. Menguji penalaran matematika dalam berbagai bahasa. Claude Opus 4.7 meraih skor 94.1% pada benchmark ini.
MathVista
78%
MathVista: Penalaran Matematika Visual. Menguji kemampuan untuk menyelesaikan masalah matematika yang melibatkan elemen visual seperti grafik, diagram geometri, dan figur ilmiah. Menggabungkan pemahaman visual dengan penalaran matematika. Claude Opus 4.7 meraih skor 78% pada benchmark ini.
SWE-Bench
87.6%
SWE-Bench: Benchmark Rekayasa Perangkat Lunak. Model AI mencoba menyelesaikan masalah GitHub nyata dalam proyek Python open-source dengan verifikasi manusia. Menguji keterampilan rekayasa perangkat lunak praktis pada codebase produksi. Model terbaik meningkat dari 4,4% di 2023 menjadi lebih dari 70% di 2024. Claude Opus 4.7 meraih skor 87.6% pada benchmark ini.
HumanEval
92.4%
HumanEval: Masalah Pemrograman Python. 164 masalah pemrograman yang ditulis tangan di mana model harus menghasilkan implementasi fungsi Python yang benar. Setiap solusi diverifikasi dengan unit test. Model terbaik sekarang mencapai akurasi lebih dari 90%. Claude Opus 4.7 meraih skor 92.4% pada benchmark ini.
LiveCodeBench
78.5%
LiveCodeBench: Benchmark Koding Langsung. Menguji kemampuan koding pada tantangan pemrograman dunia nyata yang terus diperbarui. Berbeda dengan benchmark statis, menggunakan masalah baru untuk mencegah kontaminasi data dan mengukur keterampilan koding yang sebenarnya. Claude Opus 4.7 meraih skor 78.5% pada benchmark ini.
MMMU
80.7%
MMMU: Pemahaman Multimodal. Benchmark Pemahaman Multimodal Multi-disiplin Masif yang menguji model penglihatan-bahasa pada masalah tingkat universitas di 30 mata pelajaran yang membutuhkan pemahaman gambar dan pengetahuan ahli. Claude Opus 4.7 meraih skor 80.7% pada benchmark ini.
MMMU Pro
85.6%
MMMU Pro: MMMU Edisi Profesional. Versi MMMU yang ditingkatkan dengan pertanyaan lebih sulit dan evaluasi lebih ketat. Menguji penalaran multimodal tingkat lanjut di tingkat profesional dan ahli. Claude Opus 4.7 meraih skor 85.6% pada benchmark ini.
ChartQA
79.5%
ChartQA: Tanya Jawab Grafik. Menguji kemampuan untuk memahami dan bernalar tentang informasi yang disajikan dalam grafik dan diagram. Membutuhkan ekstraksi data, perbandingan nilai, dan melakukan perhitungan dari representasi visual data. Claude Opus 4.7 meraih skor 79.5% pada benchmark ini.
DocVQA
92.5%
DocVQA: Tanya Jawab Visual Dokumen. Benchmark Tanya Jawab Visual Dokumen yang menguji kemampuan untuk mengekstrak dan bernalar tentang informasi dari gambar dokumen termasuk formulir, laporan, dan teks yang dipindai. Claude Opus 4.7 meraih skor 92.5% pada benchmark ini.
Terminal-Bench
59.3%
Terminal-Bench: Tugas Terminal/CLI. Menguji kemampuan untuk melakukan operasi baris perintah, menulis skrip shell, dan menavigasi lingkungan terminal. Mengukur keterampilan administrasi sistem praktis dan alur kerja pengembangan. Claude Opus 4.7 meraih skor 59.3% pada benchmark ini.
ARC-AGI
68.8%
ARC-AGI: Abstraksi dan Penalaran. Abstraction and Reasoning Corpus untuk AGI - menguji kecerdasan fluida melalui teka-teki pengenalan pola baru. Setiap tugas membutuhkan penemuan aturan yang mendasari dari contoh, mengukur kemampuan penalaran umum daripada menghafal. Claude Opus 4.7 meraih skor 68.8% pada benchmark ini.

Tentang Claude Opus 4.7

Pelajari tentang kemampuan, fitur, dan cara menggunakan Claude Opus 4.7.

Ringkasan Model

Claude Opus 4.7 adalah model flagship dalam seri arsitektur Claude 4. Model ini menggunakan kerangka kerja Adaptive Thinking yang memungkinkan model untuk menyesuaikan upaya kognitifnya berdasarkan persepsi tingkat kesulitan suatu tugas. Fitur ini menggantikan anggaran reasoning tetap dengan tingkat logika yang dinamis. Developer sekarang dapat mengontrol kedalaman reasoning internal melalui parameter effort API, yang memungkinkan keseimbangan lebih baik antara latency dan ketelitian logika. Model ini secara khusus disesuaikan untuk alur kerja perusahaan yang berisiko tinggi dan loop agentic otonom.

Kapabilitas Context dan Multimodal

Model ini menyediakan context window 1 juta token tanpa biaya premium long-context. Model ini mencakup batas output 128.000 token, memungkinkan pembuatan dokumen teknis yang masif atau seluruh repositori kode dalam satu respons. Resolusi vision 3,3x lebih tinggi dibandingkan iterasi sebelumnya. Hal ini memungkinkan pemahaman UI tingkat piksel yang sempurna dan pemetaan koordinat 1:1 pada gambar hingga 2576 piksel. Peningkatan ini menjadikannya pilihan yang andal untuk analisis dokumen dan tugas audit visual.

Rekayasa Agentic dan Keamanan

Pembaruan arsitektur menargetkan tugas jangka panjang dan rekayasa perangkat lunak. Model ini mencetak skor 87,6% pada papan peringkat SWE-bench Verified, yang saat ini memimpin dalam kemampuannya menyelesaikan masalah GitHub yang nyata. Model ini memperkenalkan anggaran tugas untuk membantu mengelola konsumsi token di seluruh sesi agent multi-turn. Anthropic telah mengintegrasikan perlindungan keamanan siber real-time ke dalam arsitektur inti untuk mencegah model berpartisipasi dalam eksploitasi berbahaya sambil tetap mempertahankan kegunaan bagi para peneliti keamanan.

Claude Opus 4.7

Kasus Penggunaan untuk Claude Opus 4.7

Temukan berbagai cara menggunakan Claude Opus 4.7 untuk hasil yang luar biasa.

Agentic Software Engineering

Memanfaatkan tingkat effort yang tinggi untuk melakukan refactor repositori secara otonom dan menyelesaikan dependensi antar-file yang kompleks.

Sintesis Repositori Berskala Besar

Memproses 1 juta token kode sumber untuk memetakan alur arsitektur dan membuat dokumentasi teknis.

Analisis Vision Resolusi Tinggi

Menganalisis grafik padat dan tangkapan layar UI tingkat piksel dengan detail 3,3x lebih tinggi daripada frontier model sebelumnya.

Riset Kerentanan Keamanan Siber

Melakukan audit keamanan mendalam dan analisis zero-day dalam batasan keamanan yang terverifikasi.

Ekstraksi Pengetahuan Perusahaan

Mengekstrak data terstruktur dari perpustakaan teknis yang masif dan melakukan redlining dokumen lintas dokumen yang kompleks.

Prototyping 3D Interaktif

Menghasilkan lingkungan 3D fungsional dan logika game dari deskripsi bahasa alami.

Kelebihan

Keterbatasan

Presisi Coding Terdepan di Industri: Mencapai 87,6% pada SWE-bench Verified, mengungguli semua model lain yang tersedia secara umum untuk rekayasa perangkat lunak.
Konsumsi Token Lebih Tinggi: Tokenizer baru menghasilkan penggunaan token sekitar 35% lebih tinggi untuk teks yang sama dibandingkan versi Claude sebelumnya.
Stabilitas Context Masif: Mempertahankan akurasi 100% dalam context window 1 juta token tanpa mengenakan biaya premium long-context.
Parameter Sampling Tetap: Penghapusan kontrol temperature dan top-p membatasi fleksibilitas kreatif untuk use case non-deterministik.
Ketajaman Visual Unggul: Mendukung gambar hingga 2576px, memungkinkan pemetaan piksel 1:1 untuk analisis dokumen dan UI yang presisi.
Latency Tinggi pada Max Effort: Menghasilkan respons dengan tingkat effort 'xhigh' menyebabkan waktu tunggu yang signifikan untuk tugas-tugas kompleks.
Kontrol Reasoning Dinamis: Memungkinkan developer untuk mengubah tingkat effort melalui kerangka kerja adaptive thinking untuk keseimbangan latency-logika yang disesuaikan.
Penolakan Keamanan yang Agresif: Filter keamanan siber real-time dapat menyebabkan penolakan false positive pada riset keamanan yang sah.

Mulai Cepat API

anthropic/claude-opus-4-7

Lihat Dokumentasi
anthropic SDK
import Anthropic from '@anthropic-ai/sdk';

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

const msg = await anthropic.messages.create({
  model: "claude-opus-4-7",
  max_tokens: 4096,
  thinking: { type: "adaptive" },
  messages: [{ role: "user", content: "Analisis arsitektur ini untuk bug konkurensi." }],
});

console.log(msg.content[0].text);

Instal SDK dan mulai melakukan panggilan API dalam hitungan menit.

Apa Kata Orang Tentang Claude Opus 4.7

Lihat apa yang dipikirkan komunitas tentang Claude Opus 4.7

Claude Opus 4.7 memimpin pada SWE-bench dan agentic reasoning, mengalahkan GPT-5.4 dan Gemini 3.1 Pro.
zarfet
twitter
Fakta bahwa model ini bisa menghasilkan game skate 3D prosedural dalam satu kali jalan adalah bukti dari kepadatan logika model ini.
jrandolph
hackernews
Opus 4.7 baru saja dirilis. cursorbench melonjak dari 58% ke 70%. Ketajaman visual XBOW 98,5% vs 54,5% pada opus 4.6.
hirenthakore
twitter
Claude cenderung over-engineer: Anda meminta fungsi sederhana dan mendapatkan arsitektur yang dirancang untuk skala dekade mendatang.
Ok_Today5649
reddit
Umpan balik awal tentang Claude Opus 4.7 menunjukkan penggunaan token yang lebih tinggi dan persyaratan prompting yang lebih ketat.
kimmonismus
twitter
Upaya reasoning X-High adalah jalan tengah yang hilang yang kita butuhkan untuk alur kerja agentic yang kompleks.
Bijan Bowen
youtube

Video Tentang Claude Opus 4.7

Tonton tutorial, ulasan, dan diskusi tentang Claude Opus 4.7

Opus 4.7 adalah peningkatan dari Opus 4.6, tapi rasanya seperti setengah langkah antara 4.6 dan Mythos.

Pada visual reasoning, kita melihat lompatan terbesar hingga saat ini... dari 69,1% naik ke 82,1%.

Pendapat saya tentang bagaimana Opus 4.7 dilatih adalah kemungkinan besar ini adalah pratinjau Mythos yang didistilasi, pada dasarnya sedikit disederhanakan, dan berjalan pada perangkat keras yang jauh lebih cepat dan lebih baik.

Input prompt yang sama persis kini bisa menggunakan token 35% lebih banyak, dan model ini juga berpikir lebih lama, jadi lebih banyak token lagi yang dihabiskan.

Sebagai perbandingan, level effort ekstra tinggi yang baru menggunakan jumlah token yang kurang lebih sama dengan level effort maksimal Opus 4.6, dan level effort tinggi Opus 4.7 sebenarnya mengungguli level effort maksimal Opus 4.6 dengan penggunaan token yang lebih sedikit. Jadi, jika

Semuanya benar-benar responsif. Dan secara keseluruhan, ya, saya rasa ini terlihat cukup bagus. Jika kita bandingkan ini dengan apa yang Opus

Kemampuannya memproses gambar dengan resolusi tiga kali lipat... langsung berhasil dilakukan sementara model sebelumnya mengalami kekacauan.

Mereka mengubah tokenizer di balik layar, yang berarti Anda harus membayar 35% lebih mahal untuk Opus 4.7 dibandingkan 4.6.

Pertama, model ini secara sah lebih baik dalam beberapa hal. Mereka mengklaim kemampuan pengenalan gambarnya sangat luar biasa. Menurut saya, kemampuan desain dan selasanya meningkat.

Lebih dari sekadar prompt

Tingkatkan alur kerja Anda dengan Otomatisasi AI

Automatio menggabungkan kekuatan agen AI, otomatisasi web, dan integrasi cerdas untuk membantu Anda mencapai lebih banyak dalam waktu lebih singkat.

Agen AI
Otomasi Web
Alur Kerja Cerdas

Tips Pro untuk Claude Opus 4.7

Tips ahli untuk memaksimalkan Claude Opus 4.7.

Aktifkan Adaptive Thinking

Aktifkan mode adaptive thinking secara eksplisit dalam panggilan API untuk memastikan Claude memilih kedalaman reasoning yang optimal.

Gunakan X-High untuk Agent

Atur parameter effort ke xhigh untuk loop agentic guna memaksimalkan verifikasi mandiri dan presisi logika.

Hapus Scaffolding

Hapus prompt lama seperti 'periksa kembali pekerjaan Anda' karena model telah dioptimalkan untuk koreksi mandiri internal.

Pantau Konsumsi Token

Gunakan pelacakan tokenizer baru untuk mengelola peningkatan 35% dalam jumlah token untuk input teks yang identik.

Testimoni

Apa Kata Pengguna Kami

Bergabunglah dengan ribuan pengguna puas yang telah mengubah alur kerja mereka

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Terkait AI Models

google

Gemini 3.1 Pro

Google

Gemini 3.1 Pro is Google's elite multimodal model featuring the DeepThink reasoning engine, a 1M+ context window, and industry-leading ARC-AGI logic scores.

1M context
$2.00/$12.00/1M
google

Gemini 3.1 Flash Live Preview

Google

Gemini 3.1 Flash Live Preview is Google's ultra-low-latency, audio-to-audio model featuring a 131K context window, high-fidelity multimodal reasoning, and...

131K context
$0.75/$4.50/1M
anthropic

Claude Fable 5.1

Anthropic

Claude Fable 5.1 is Anthropic's flagship model for agentic coding and science, featuring a 1M context window, adaptive thinking, and 128K output tokens.

1M context
$10.00/$50.00/1M
openai

GPT-5.5

OpenAI

GPT-5.5 is OpenAI's flagship frontier model with a 1M context window and five reasoning effort levels, optimized for autonomous agentic workflows and coding.

1M context
$5.00/$30.00/1M
xai

Grok-3

xAI

Grok-3 is xAI's flagship reasoning model, featuring deep logic deduction, a 128k context window, and real-time integration with X for live research and coding.

1M context
$3.00/$15.00/1M
moonshot

Kimi K3

Moonshot

Kimi K3 is Moonshot AI's 2.8T MoE model with a 1M token context window, native multimodal vision, and frontier-tier coding performance for complex agents.

1M context
$3.00/$15.00/1M
openai

GPT-5.2 Pro

OpenAI

GPT-5.2 Pro is OpenAI's 2025 flagship reasoning model featuring Extended Thinking for SOTA performance in mathematics, coding, and expert knowledge work.

400K context
$21.00/$168.00/1M
alibaba

Qwen 3.7 Max

alibaba

Qwen 3.7 Max is Alibaba’s flagship AI model for deep reasoning and autonomous agent tasks, featuring a 256k context window and top-tier coding performance.

256K context
$1.20/$6.00/1M

Pertanyaan yang Sering Diajukan tentang Claude Opus 4.7

Temukan jawaban untuk pertanyaan umum tentang Claude Opus 4.7