Claude Opus 4.7: Funktionen, Benchmarks, Preis & Alles Was Du Wissen Musst

Kurz gesagt

Claude Opus 4.7 ist Anthropic’s leistungsfähigstes, allgemein verfügbares Modell, das am 16. April 2026 veröffentlicht wurde. Es führt hochauflösendes Sehen (bis zu 3,75 Megapixel), eine neue Anstrengungsstufe xhigh, Aufgabenbudgets für agentische Schleifen und einen neuen Tokenizer ein. Es behält das 1M-Token-Kontextfenster und die Preise von 5 $ / 25 $ pro Million Tokens von Opus 4.6 bei, liefert aber mehrere Breaking API-Änderungen, einschließlich der Entfernung von erweiterten Denkbudgets und Sampling-Parametern.

Einleitung

Anthropic hat Claude Opus 4.7 am 16. April 2026 veröffentlicht. Es ersetzt Opus 4.6 als Top-Modell in der Claude-Reihe und richtet sich an Entwickler, die autonome Agenten, Wissensarbeitsassistenten und bildlastige Anwendungen erstellen.

Die Veröffentlichung ist aus drei Gründen wichtig. Erstens ist es das erste Claude-Modell mit Unterstützung für hochauflösende Bilder, das das Pixelbudget von 1,15 MP auf 3,75 MP mehr als verdreifacht. Zweitens führt es Aufgabenbudgets ein, eine Möglichkeit, dem Modell eine Token-Zuweisung für eine gesamte agentische Schleife statt nur für eine einzelne Runde zu geben. Drittens liefert es Breaking Changes, die Code-Updates erfordern, wenn Sie von Opus 4.6 migrieren.

Kernspezifikationen

Opus 4.7 verwendet einen neuen Tokenizer, der bis zu 35 % mehr Tokens für denselben Text im Vergleich zu Opus 4.6 produzieren kann. Der Preis pro Token bleibt unverändert, aber Ihre effektiven Kosten pro Anfrage können je nach Inhalt steigen.

Was ist neu in Claude Opus 4.7

Unterstützung für hochauflösende Bilder

Dies ist die wichtigste Neuerung. Frühere Claude-Modelle begrenzten die Bildeingabe auf 1.568 Pixel an der langen Kante (etwa 1,15 Megapixel). Opus 4.7 erhöht dies auf 2.576 Pixel an der langen Kante (etwa 3,75 Megapixel).

Die praktischen Auswirkungen: Screenshots, Design-Mockups, Dokumente und Fotos werden mit wesentlich höherer Genauigkeit übertragen. Die Koordinatenzuordnung ist jetzt 1:1 mit den tatsächlichen Pixeln, wodurch die Skalierungsfaktor-Berechnungen entfallen, die zuvor für Workflows mit Computernutzung erforderlich waren.

Opus 4.7 verbessert auch spezifische Vision-Unteraufgaben:

• Niedrigstufige Wahrnehmung: Zeige-, Mess- und Zählaufgaben sind präziser
• Bildlokalisierung: Bounding-Box-Erkennung und natürliche Bildlokalisierung zeigen deutliche Verbesserungen

Höhere Auflösung bedeutet mehr Tokens pro Bild. Wenn Ihr Anwendungsfall die zusätzliche Genauigkeit nicht benötigt, verkleinern Sie Bilder, bevor Sie sie senden, um Kosten zu sparen.

Neue Anstrengungsstufe xhigh

Der Anstrengungsparameter steuert, wie viel Überlegung Claude in eine Antwort investiert. Opus 4.7 fügt xhigh oberhalb der bestehenden Stufen high, medium und low hinzu.

Verwenden Sie xhigh für Codierungs- und Agentenaufgaben, bei denen Qualität wichtiger ist als Latenz. Auf dieser Stufe investiert das Modell deutlich mehr Tokens in die interne Argumentation, was zu besseren Ergebnissen bei komplexen Problemen führt. Verwenden Sie high als Minimum für intelligenzsensitive Arbeiten. Niedrigere Stufen tauschen Genauigkeit gegen Geschwindigkeit und Kosteneinsparungen.

Aufgabenbudgets (Beta)

Aufgabenbudgets lösen ein Problem, das jeder Agentenbauer kennt: Wie verhindert man, dass eine mehrstufige agentische Schleife eine unbegrenzte Anzahl von Tokens verbraucht?

Mit Aufgabenbudgets geben Sie Claude ein ungefähres Token-Ziel für die gesamte Schleife vor, einschließlich Denken, Tool-Aufrufen, Tool-Ergebnissen und endgültiger Ausgabe. Das Modell sieht einen laufenden Countdown und nutzt ihn, um die Arbeit zu priorisieren, Schritte mit geringem Wert zu überspringen und elegant zu beenden, wenn das Budget aufgebraucht ist.

Wichtige Details:

• Das minimale Aufgabenbudget beträgt 20.000 Tokens
• Es ist beratend, keine harte Obergrenze. Claude versucht, innerhalb dieses Rahmens zu bleiben, kann ihn aber überschreiten
• Es unterscheidet sich von max_tokens, das eine harte Obergrenze pro Anfrage ist, die das Modell nicht sieht
• Erfordert den Beta-Header task-budgets-2026-03-13

Für offene agentische Aufgaben, bei denen Qualität am wichtigsten ist, überspringen Sie das Aufgabenbudget und lassen Sie das Modell laufen. Reservieren Sie Aufgabenbudgets für Workloads, bei denen Sie die Gesamtausgaben kontrollieren müssen.

Adaptives Denken als einziger Denkmodus

Erweitertes Denken (bei dem Sie ein festes budget_tokens festlegen) wurde entfernt. Der Versuch, thinking: {"type": "enabled", "budget_tokens": N} festzulegen, führt zu einem 400-Fehler.

Adaptives Denken ist der einzige aktive Denkmodus. In internen Bewertungen von Anthropic übertraf es den Ansatz mit festem Budget konstant, da das Modell Argumentationstokens dynamisch basierend auf der Aufgabenschwierigkeit zuweist.

Wichtig: Adaptives Denken ist standardmäßig deaktiviert. Sie müssen explizit thinking: {"type": "adaptive"} setzen, um es zu aktivieren.

Standardmäßig wird Denkinhalt auch aus Antworten weggelassen. Wenn Sie die Argumentation des Modells sehen müssen (z.B. um den Fortschritt für Benutzer zu streamen), setzen Sie display: "summarized" in der Denk-Konfiguration.

Verbesserter Speicher

Opus 4.7 kann besser in dateisystembasierten Speicher schreiben und daraus lesen. Wenn Ihr Agent ein Notizbuch, eine Notizendatei oder einen strukturierten Speicher über mehrere Runden hinweg verwaltet, wird er diese Notizen besser aktualisieren und referenzieren.

Dies ist wichtig für langlaufende Codierungsagenten, Forschungsassistenten und jeden Workflow, bei dem Kontext über Sitzungen hinweg übertragen wird.

Verbesserungen bei Wissensarbeit

Spezifische Verbesserungen bei realen Wissensaufgaben:

• Dokumenten-Redlining: Besser beim Erstellen und Selbstprüfen von nachverfolgten Änderungen in .docx-Dateien
• Folienbearbeitung: Verbesserte Genauigkeit beim Generieren und Validieren von .pptx-Layouts
• Diagrammanalyse: Besser beim Verwenden von Bildverarbeitungsbibliotheken (wie PIL) zur Analyse von Diagrammen auf Pixelebene und zur Transkription von Daten aus Abbildungen

Was sich gegenüber Opus 4.6 geändert hat

Breaking API-Änderungen

Diese gelten für die Messages API. Wenn Sie Claude Managed Agents verwenden, gibt es keine Breaking Changes.

Verhaltensänderungen

Diese sind keine API-Breaking Changes, können aber Ihre Prompts beeinflussen:

• Stärkere wörtliche Befolgung von Anweisungen. Das Modell wird Anweisungen nicht stillschweigend von einem Element auf ein anderes verallgemeinern
• Antwortlänge skaliert mit der Aufgabenkomplexität anstatt standardmäßig eine feste Ausführlichkeit zu verwenden
• Weniger Tool-Aufrufe standardmäßig, bevorzugt Argumentation vor Aktion. Erhöhen Sie den Aufwand, um die Tool-Nutzung zu steigern
• Direkterer, meinungsfreudigerer Ton mit weniger Emojis und weniger validierungsfreundlichen Formulierungen
• Weniger Subagenten werden standardmäßig erzeugt in agentischen Workflows

Wenn Sie Prompt-Gerüste erstellt haben, um Claude zu spezifischen Verhaltensweisen zu zwingen (wie „prüfe das Folienlayout noch einmal“ oder „gib Status-Updates“), versuchen Sie, diese zu entfernen. Opus 4.7 verarbeitet viele dieser Muster nativ.

Preisübersicht

Opus 4.7 behält die gleiche Preisgestaltung pro Token wie Opus 4.6 und 4.5 bei:

Der neue Tokenizer ist die Kostenvariable, die es zu beobachten gilt. Da er bis zu 35 % mehr Tokens für denselben Eingabetext produzieren kann, könnten Ihre effektiven Kosten pro Anfrage steigen, obwohl sich der Preis pro Token nicht geändert hat. Testen Sie mit dem Endpunkt /v1/messages/count_tokens, um die Auswirkungen auf Ihre spezifischen Prompts zu messen.

Das 1M-Kontextfenster hat keinen Aufpreis für langen Kontext. Eine 900K-Token-Anfrage kostet den gleichen Preis pro Token wie eine 9K-Token-Anfrage.

Wo Opus 4.7 eingesetzt werden sollte

Starke Anwendungsfälle

• Autonome Codierungsagenten: Die Anstrengungsstufe xhigh + Aufgabenbudgets geben Ihnen eine präzise Kontrolle über das Agentenverhalten und die Kosten
• Computernutzung: 1:1 Pixelkoordinaten-Mapping und 3,75 MP Vision machen die Bildschirminteraktion deutlich zuverlässiger
• Dokumentenverarbeitung: Verbesserte .docx-, .pptx- und Diagrammanalyse für die Automatisierung von Wissensarbeit
• Long-Context-Retrieval: 1M-Token-Fenster zum Standardpreis für große Codebasen, juristische Dokumente oder Forschungsarbeiten
• Multi-Session-Agenten: Besserer dateibasierter Speicher für Workflows, die viele Konversationen umfassen

Wann Opus 4.7 überdimensioniert sein könnte

• Einfache Q&A- oder Klassifizierungsaufgaben: Haiku 4.5 (1 $ / 5 $ pro MTok) oder Sonnet 4.6 (3 $ / 15 $ pro MTok) liefern starke Ergebnisse zu einem Bruchteil der Kosten
• Chatbot-Flows mit geringer Latenz: Der Overhead von adaptivem Denken und hohen Anstrengungsstufen erhöht die Latenz
• Batch-Analysen von strukturierten Daten: Die Batch API mit Sonnet ist in der Regel kostengünstiger

So testen Sie Ihre Claude Opus 4.7 Integration mit Apidog

Die Umstellung Ihrer Modell-ID von claude-opus-4-6 auf claude-opus-4-7 ist der einfache Teil. Der schwierigere Teil ist die Validierung, dass Ihre bestehenden Prompts, Tool-Definitionen und Fehlerbehandlung nach den Breaking Changes immer noch korrekt funktionieren.

Apidog macht dies unkompliziert:

• Importieren Sie Ihr API-Schema. Fügen Sie Ihre OpenAPI-Spezifikation ein oder definieren Sie Ihre Claude API-Endpunkte manuell. Apidog generiert automatisch Anfragevorlagen für die Messages API.
• Erstellen Sie Testszenarien. Richten Sie Multi-Turn-Konversationen ein, die Ihre spezifischen Tool-Use-Muster testen. Mit Apidog können Sie Anfragen verketten, Kontext zwischen Runden übergeben und Antwortschemata validieren.
• Vergleichen Sie Modellversionen. Führen Sie dieselben Testszenarien parallel mit claude-opus-4-6 und claude-opus-4-7 aus. Suchen Sie nach Unterschieden in Token-Anzahlen, Antwortstruktur und Ausgabequalität.
• Validieren Sie Breaking Changes. Bestätigen Sie, dass Ihre aktualisierte thinking-Konfiguration funktioniert, dass entfernte Sampling-Parameter nicht wieder eingeschleust werden und dass der neue Tokenizer Ihre max_tokens-Limits nicht überschreitet.
• Debuggen Sie Tool-Use-Payloads. Überprüfen Sie die vollständigen Anforderungs- und Antwort-Bodies für Multi-Turn-Tool-Use-Konversationen. Die visuelle Oberfläche von Apidog macht es einfach, fehlerhafte Tool-Ergebnisse oder fehlende tool_use_id-Referenzen zu erkennen.

Migrations-Checkliste

Wenn Sie von Opus 4.6 aktualisieren:

• [ ] Aktualisieren Sie Ihre Modell-ID auf claude-opus-4-7
• [ ] Ersetzen Sie thinking: {"type": "enabled", "budget_tokens": N} durch thinking: {"type": "adaptive"}
• [ ] Entfernen Sie die Parameter temperature, top_p und top_k (oder setzen Sie sie auf Standardwerte)
• [ ] Wenn Sie Denkinhalte an Benutzer streamen, fügen Sie display: "summarized" zu Ihrer Denk-Konfiguration hinzu
• [ ] Erhöhen Sie den max_tokens-Spielraum, um dem neuen Tokenizer Rechnung zu tragen (bis zu 35 % mehr Tokens)
• [ ] Testen Sie das Prompt-Caching – die Token-Anzahlen werden sich unterscheiden
• [ ] Entfernen Sie Prompt-Gerüste für Verhaltensweisen, die Opus 4.7 nativ handhabt (Status-Updates, Selbstprüfung)
• [ ] Führen Sie Ihre Testsuite mit Apidog aus, um das End-to-End-Verhalten zu validieren

Fazit

Claude Opus 4.7 ist Anthropic’s stärkstes, allgemein verfügbares Modell. Die hochauflösende Vision, Aufgabenbudgets und die Anstrengungsstufe xhigh drängen es weiter in das Territorium autonomer Agenten. Die Breaking Changes (keine erweiterten Denkbudgets mehr, keine Sampling-Parameter) erfordern Code-Updates, aber der Migrationspfad ist klar.

Der neue Tokenizer ist die wichtigste Kostenüberlegung. Die Preise pro Token sind konstant, aber derselbe Prompt kann aufgrund höherer Token-Anzahlen mehr kosten. Testen Sie Ihre Workloads, bevor Sie den Produktionsverkehr umstellen.

Für Entwickler, die API-Integrationen erstellen, bietet Apidog die Test- und Debugging-Umgebung, die Sie benötigen, um Ihre Migration zu validieren und die Modellleistung über verschiedene Versionen hinweg zu vergleichen.