⚡️ Anthropic выкатили Opus 4.7 Что поменялось: - лучше держит длинные задачи - точнее следует инструкциям - валидирует ответы перед выдачей То есть меньше «галлюцинаций на уверенном лице» и меньше необходимости перепроверять руками По бенчмаркам относительно 4.6: - SWE Bench Pro +11% - SWE Bench Verified +7% - Terminal Bench 2.0 +4% Без сюрпризов, но стабильный рост. Модель явно двигают в сторону автономной работы где её можно дольше держать в цикле без постоянного контроля Цифры ниже, чем у Mythos но это ожидаемо, там другая история с метриками и позиционированием https://x.com/claudeai/status/2044785261393977612 @machinelearning
⚡️ Anthropic выкатили Opus 4.7
Что поменялось:
- лучше держит длинные задачи
- точнее следует инструкциям
- валидирует ответы перед выдачей
То есть меньше «галлюцинаций на уверенном лице»
и меньше необходимости перепроверять руками
По бенчмаркам относительно 4.6:
- SWE Bench Pro +11%
- SWE Bench Verified +7%
- Terminal Bench 2.0 +4%
Без сюрпризов, но стабильный рост.
Модель явно двигают в сторону автономной работы
где её можно дольше держать в цикле без постоянного контроля
Цифры ниже, чем у Mythos
но это ожидаемо, там другая история с метриками и позиционированием
https://x.com/claudeai/status/2044785261393977612
