Claude Opus 4.7上线才两天，口碑就崩了。跑分确实冲到了第一，但实际推理能力反而大幅缩水。

有用户在Reddit上留言说，4.6本来就不太能用，4.7的消耗速度简直像核反应堆一样快。这不是在玩梗，说的是真心话。一篇标题为“Opus 4.7是严重倒退，不是升级”的帖子很快就攒了三千多赞。还有人晒截图，说4.7连strawberry里有几个字母都数不对。更别提那些网上传开的槽点了，比如擅自改简历、编学历和姓氏，回复用户说“我懒得做交叉验证”，还有问三句话就撞限额。Pragmatic Engineer的作者试用后觉得这模型攻击性有点强，最后还是换回了4.6。

不过骂声还没散，另一边却有完全相反的数据。Artificial Analysis给Opus 4.7打了57分，和GPT-5.4、Gemini 3.1 Pro并列第一。有创业者说这是第一个真正懂他工作到底在做什么的模型，Y Combinator的CEO也拿它来做项目。甚至有人说4.7已经实现通用人工智能了。同一个模型，有人看到了AGI的影子，有人觉得自己的工作流彻底崩了。上线才两天，就把AI社区硬生生撕成了两半。

那用户为什么这么火大呢？仔细看，主要集中在三点。第一是代码能力断崖式下滑。很多开发者反映，从4.6升到4.7以后，以前能稳定完成的编程任务开始频繁出错，而且都是日常工作流里的核心操作，比如代码补全变迟钝、上下文理解退化、复杂逻辑推理变弱。代码能力本来是Opus系列的强项，这块出问题，反弹自然最猛。有用户说他拿一个知道答案的长重构任务做回归测试，结果模型自信地改挂了三个原本能通过的测试，最后只能回滚。

第二是推理质量的倒退。不是单纯变慢了，而是思考深度明显变浅了。以前一步到位就能解决的复杂问题，现在得多轮追问、手动引导才行。这个情况AI行业其实不陌生，去年GPT-4 Turbo的降智风波也是类似，跑分上去了，体验反而下来了。

第三是花更多钱却体验更差。Opus本来就是Anthropic最贵的模型，重度用户每月的API账单不是小数目。花了钱升了级，结果体验还不如以前，愤怒自然就不只是技术层面的了。

面对这些反弹，Anthropic的反应还算快。他们在官方迁移指南里承认，4.7相比4.6有一些行为上的变化，但也强调4.7仍然是目前综合能力最强的通用模型，在长周期智能体任务、知识型工作、视觉任务和记忆任务方面表现尤其好。Artificial Analysis的多维评测也显示，4.7在数学推理、多语言理解、长上下文处理等多个维度都创了新高。Anthropic的逻辑其实不难理解，大模型迭代肯定会有能力再分配，有的维度提升，有的维度退步，这是工程上的取舍。但用户不关心这个，他们只关心自己手里的活到底能不能干好。

价格方面，Anthropic没有涨价，每百万token的单价和之前一样。但官方迁移指南里提到，新分词器在处理相同文本时，token用量可能是原来的1到1.35倍。也就是说，你昨天用4.6跑一段花10美元，今天用4.7跑同样的内容可能要花11到13.5美元。单价没变，但同样的活吃掉更多token。Claude Code的创建者随后在X上表示，4.7消耗了更多思考token，所以他们已经给所有订阅用户提高了速率限制来补偿，但具体提高了多少并没有公布。

如果你是重度开发者，4.7上线那天可能遇到这样的情况：代码里写了控制思考预算的参数，在4.6上跑得好好的，换成4.7直接返回400错误，没有弃用过渡期，也没有兼容模式。官方迁移指南虽然给出了替代方案，但大多数开发者不会在发布当天就去看指南，他们做的第一件事就是把模型名从4.6换成4.7，然后发现一切都不工作了。更隐蔽的变化是，思考内容现在默认隐藏了。4.6时代会默认展示摘要版的思考过程，到了4.7变成省略，响应里的思考区块看起来是空的，但你仍然要为这些看不到的思考token全额付费。Anthropic的官方说法是，省略只会降低延迟，不会降低成本。这就好比你点了份套餐，服务员说为了上菜快一点，不给你看菜了，但钱你得照付。

很多用户吐槽4.7变得有攻击性，会拒绝执行它认为有问题的指令，语气也比4.6硬了很多。关于这个问题，官方迁移指南里有一句关键的话：Claude Opus 4.7会更字面、更明确地理解提示词。也就是说，4.6会猜你的意思，4.7会照你说的做。如果你的提示词本来就含糊，4.6能帮你脑补，但4.7不会。对一部分用户来说这叫不听话，对另一部分用户来说这叫终于不乱猜了。比如Cursor的设计师就用4.7做产品规划，他觉得这种精确执行正是他需要的。所以顶嘴这个标签背后，其实是Anthropic正在把Claude从一个顺从的助手改造成一个更有主见的同事。

根据Artificial Analysis的公开评测，4.7在某个真实知识工作任务测试里拿到1753 Elo，领先第二名79分，在这个维度上碾压了所有对手，包括自己的前代。同时，4.7的幻觉率比4.6下降了25个百分点，降到了36%。据分析，这主要是靠更频繁地选择不回答，宁可说不知道也不瞎编。这说明Anthropic的意图不是优化聊天体验，而是优化工作能力。但对于用户来说，在一些场景下可能完全感受不到提升，反而先感受到了token变贵、接口报错和语气变硬。

如果上面这些问题都能归结为迁移成本和使用习惯错位，那还有一组数字没法这么解释。在一个用纽约时报谜题来评估逻辑推理和抗干扰能力的测试里，Opus 4.6得分94.7%，而Opus 4.7只有41.0%，直接从年级第一跌到不及格。另一份Anthropic自己提供的长上下文测试也显示，4.6得分78.3%，4.7只有32.2%，跌了46个百分点。这两组数据方向一致，说明在某些逻辑推理和长上下文检索任务上，4.7确实出现了明显退步。但也得说清楚，这些都是特定类型的测试，不能证明4.7全面变蠢，就像前面那个测试的领先不能证明4.7全面变强一样。

Opus 4.7的争议其实不是个例。OpenAI经历过GPT-4 Turbo的降智风波，之前撤掉GPT-4o时也遇到过类似的用户反弹。现在Reddit上甚至出现了哀悼Claude 4.5的帖子，底下满是自称心碎的粉丝。每次模型升级，都有一批用户失去已经用惯了的工具。新分词器让旧的成本预算失效，新的默认行为让旧的提示词不好用了，新的接口规范让旧代码直接报错。每一项单独看都有技术上的合理性，但叠在一起，就是把全部的迁移成本一次性推给了用户。

为什么模型越来越聪明，用户却越来越焦虑？因为每一次更好，都意味着推翻上一次的刚好。Anthropic的员工在发布第二天写道，很多人刚开始体验时可能遇到的bug现在都已经修复了，感谢大家的包容和耐心。bug可以修，但信任这种东西，消耗起来容易，重建起来很慢。这轮AI军备竞赛的下一个瓶颈，也许不只是算力和数据，还要看谁能在快速迭代的同时，不把自己的用户甩下车。这次Anthropic发布了迁移指南，但用户更想要的其实是一个承诺：升级不能把原有的工作流推倒重来。当AI从玩具变成生产力工具，快速迭代就不再是无条件的优点了。Opus 4.8会怎么来，Anthropic还没说，但用户的耐心已经开始倒计时了。