Ringkasan Singkat
Claude Opus 4.7 adalah model Anthropic yang paling mumpuni dan tersedia secara umum, dirilis pada 16 April 2026. Model ini memperkenalkan visi resolusi tinggi (hingga 3,75 megapiksel), tingkat upaya `xhigh` yang baru, anggaran tugas untuk loop agen, dan tokenizer baru. Model ini mempertahankan jendela konteks 1 juta token dan harga $5/$25 per juta token dari Opus 4.6, tetapi menghadirkan beberapa perubahan API yang mengganggu, termasuk penghapusan anggaran pemikiran yang diperluas dan parameter pengambilan sampel.
Pendahuluan
Anthropic merilis Claude Opus 4.7 pada 16 April 2026. Model ini menggantikan Opus 4.6 sebagai model tingkat atas dalam jajaran Claude dan menargetkan pengembang yang membangun agen otonom, asisten pekerjaan berbasis pengetahuan, dan aplikasi yang berorientasi visi.
Rilis ini penting karena tiga alasan. Pertama, ini adalah model Claude pertama dengan dukungan gambar resolusi tinggi, yang lebih dari melipatgandakan anggaran piksel dari 1,15 MP menjadi 3,75 MP. Kedua, model ini memperkenalkan anggaran tugas, cara untuk memberikan model token alokasi untuk seluruh loop agen daripada satu giliran. Ketiga, model ini menghadirkan perubahan yang mengganggu yang memerlukan pembaruan kode jika Anda bermigrasi dari Opus 4.6.
Spesifikasi Inti
| Spesifikasi | Nilai |
|---|---|
| ID Model API | claude-opus-4-7 |
| Jendela konteks | 1.000.000 token |
| Token output maks | 128.000 token |
| Harga input | $5 per juta token |
| Harga output | $25 per juta token |
| Harga input batch | $2.50 per juta token |
| Harga output batch | $12.50 per juta token |
| Harga baca cache | $0.50 per juta token |
| Tulis cache 5 menit | $6.25 per juta token |
| Tulis cache 1 jam | $10 per juta token |
| Tanggal rilis | 16 April 2026 |
| Ketersediaan | Claude API, Amazon Bedrock, Google Vertex AI, Microsoft Foundry |
Opus 4.7 menggunakan tokenizer baru yang dapat menghasilkan hingga 35% lebih banyak token untuk teks yang sama dibandingkan dengan Opus 4.6. Harga per token tidak berubah, tetapi biaya efektif per permintaan Anda dapat meningkat tergantung pada konten.
Apa yang Baru di Claude Opus 4.7
Dukungan Gambar Resolusi Tinggi
Ini adalah tambahan utama. Model Claude sebelumnya membatasi input gambar pada 1.568 piksel pada sisi panjang (sekitar 1,15 megapiksel). Opus 4.7 meningkatkan batas itu menjadi 2.576 piksel pada sisi panjang (sekitar 3,75 megapiksel).
Dampak praktisnya: tangkapan layar, maket desain, dokumen, dan foto ditampilkan dengan fidelitas yang jauh lebih tinggi. Pemetaan koordinat sekarang 1:1 dengan piksel aktual, menghilangkan matematika faktor skala yang sebelumnya diperlukan alur kerja penggunaan komputer.
Opus 4.7 juga meningkatkan sub-tugas visi tertentu:
- Persepsi tingkat rendah: tugas menunjuk, mengukur, dan menghitung menjadi lebih akurat
- Lokalisasi gambar: deteksi kotak pembatas dan lokalisasi gambar alami menunjukkan peningkatan yang jelas
Resolusi yang lebih tinggi berarti lebih banyak token per gambar. Jika kasus penggunaan Anda tidak memerlukan fidelitas ekstra, turunkan resolusi gambar sebelum mengirimkannya untuk menghemat biaya.
Tingkat Upaya `xhigh` Baru
Parameter upaya mengontrol seberapa banyak penalaran yang diinvestasikan Claude dalam sebuah respons. Opus 4.7 menambahkan `xhigh` di atas tingkat `high`, `medium`, dan `low` yang sudah ada.
Gunakan `xhigh` untuk tugas pengkodean dan agen di mana kualitas lebih penting daripada latensi. Pada tingkat ini, model menghabiskan lebih banyak token untuk penalaran internal, menghasilkan keluaran yang lebih baik untuk masalah kompleks. Gunakan `high` sebagai minimum untuk pekerjaan yang sensitif terhadap kecerdasan. Tingkat yang lebih rendah menukarkan akurasi dengan kecepatan dan penghematan biaya.
Anggaran Tugas (Beta)
Anggaran tugas menyelesaikan masalah yang dihadapi siapa pun yang membangun agen: bagaimana mencegah loop agen multi-giliran mengonsumsi token dalam jumlah tak terbatas?
Dengan anggaran tugas, Anda memberikan Claude perkiraan target token untuk seluruh loop, termasuk pemikiran, panggilan alat, hasil alat, dan keluaran akhir. Model melihat hitungan mundur yang berjalan dan menggunakannya untuk memprioritaskan pekerjaan, melewati langkah-langkah bernilai rendah, dan menyelesaikan dengan anggun saat anggaran habis.
Detail penting:
- Anggaran tugas minimum adalah 20.000 token
- Ini bersifat saran, bukan batas keras. Claude mencoba untuk tetap di dalamnya tetapi mungkin melebihinya
- Ini berbeda dari `max_tokens`, yang merupakan batas keras per permintaan yang tidak dilihat model
- Membutuhkan header beta `task-budgets-2026-03-13`
Untuk tugas agen yang terbuka di mana kualitas paling penting, lewati anggaran tugas dan biarkan model berjalan. Cadangkan anggaran tugas untuk beban kerja di mana Anda perlu mengontrol total pengeluaran.
Pemikiran Adaptif sebagai Satu-satunya Mode Pemikiran
Pemikiran yang diperluas (di mana Anda menetapkan `budget_tokens` tetap) dihapus. Mencoba menetapkan `thinking: {"type": "enabled", "budget_tokens": N}` mengembalikan kesalahan 400.
Pemikiran adaptif adalah satu-satunya mode berpikir. Dalam evaluasi internal Anthropic, ini secara konsisten mengungguli pendekatan anggaran tetap karena model mengalokasikan token penalaran secara dinamis berdasarkan kesulitan tugas.
Penting: pemikiran adaptif nonaktif secara default. Anda harus secara eksplisit menetapkan `thinking: {"type": "adaptive"}` untuk mengaktifkannya.
Secara default, konten pemikiran juga dihilangkan dari respons. Jika Anda perlu melihat penalaran model (misalnya, untuk kemajuan streaming ke pengguna), tetapkan `display: "summarized"` dalam konfigurasi pemikiran.
Memori yang Ditingkatkan
Opus 4.7 lebih baik dalam menulis dan membaca dari memori berbasis sistem file. Jika agen Anda menyimpan scratchpad, file catatan, atau penyimpanan memori terstruktur di seluruh giliran, agen tersebut akan melakukan pekerjaan yang lebih baik dalam memperbarui dan mereferensikan catatan tersebut.
Ini penting untuk agen pengkodean yang berjalan lama, asisten penelitian, dan alur kerja apa pun di mana konteks dibawa di seluruh sesi.
Peningkatan Pekerjaan Berbasis Pengetahuan
Peningkatan spesifik pada tugas pengetahuan dunia nyata:
- Revisi dokumen: lebih baik dalam menghasilkan dan memeriksa sendiri perubahan yang dilacak dalam file .docx
- Penyuntingan slide: akurasi yang ditingkatkan saat menghasilkan dan memvalidasi tata letak .pptx
- Analisis bagan: lebih baik dalam menggunakan pustaka pemrosesan gambar (seperti PIL) untuk menganalisis bagan pada tingkat piksel dan menyalin data dari gambar
Apa yang Berubah dari Opus 4.6
Perubahan API yang Mengganggu
Ini berlaku untuk API Pesan. Jika Anda menggunakan Claude Managed Agents, tidak ada perubahan yang mengganggu.
| Perubahan | Sebelumnya (Opus 4.6) | Sesudahnya (Opus 4.7) |
|---|---|---|
| Pemikiran yang diperluas | thinking: {"type": "enabled", "budget_tokens": 32000} |
Harus menggunakan thinking: {"type": "adaptive"} |
| Parameter pengambilan sampel | temperature, top_p, top_k diterima |
Nilai non-default mengembalikan kesalahan 400 |
| Tampilan pemikiran | Konten pemikiran disertakan secara default | Dihilangkan secara default; pilih dengan display: "summarized" |
| Tokenizator | Tokenizator standar | Tokenizator baru (hingga 35% lebih banyak token untuk teks yang sama) |
Perubahan Perilaku
Ini bukan perubahan yang mengganggu API tetapi dapat memengaruhi prompt Anda:
- Kepatuhan instruksi yang lebih literal. Model tidak akan secara diam-diam menggeneralisasi instruksi dari satu item ke item lainnya
- Panjang respons disesuaikan dengan kompleksitas tugas daripada secara default memiliki verbositas tetap
- Lebih sedikit panggilan alat secara default, lebih memilih penalaran daripada tindakan. Tingkatkan upaya untuk meningkatkan penggunaan alat
- Nada yang lebih lugas, berpendapat dengan lebih sedikit emoji dan frasa yang kurang berorientasi validasi
- Lebih sedikit sub-agen yang dihasilkan secara default dalam alur kerja agen
Jika Anda telah membangun perancah prompt untuk memaksa Claude ke perilaku tertentu (seperti "periksa ulang tata letak slide" atau "berikan pembaruan status"), coba hapus. Opus 4.7 menangani banyak pola ini secara native.
Rincian Harga
Opus 4.7 mempertahankan harga per token yang sama dengan Opus 4.6 dan 4.5:
| Jenis Penggunaan | Biaya |
|---|---|
| Input standar | $5 / MTok |
| Output standar | $25 / MTok |
| Input batch | $2.50 / MTok |
| Output batch | $12.50 / MTok |
| Baca cache | $0.50 / MTok |
| Tulis cache 5 menit | $6.25 / MTok |
| Tulis cache 1 jam | $10 / MTok |
| Input mode cepat (khusus Opus 4.6) | $30 / MTok |
| Residensi data AS | Pengali 1.1x |
Tokenizer baru adalah variabel biaya yang perlu diperhatikan. Karena dapat menghasilkan hingga 35% lebih banyak token untuk teks input yang sama, biaya efektif per permintaan Anda dapat meningkat meskipun harga per token tidak berubah. Uji dengan endpoint `/v1/messages/count_tokens` untuk mengukur dampaknya pada prompt spesifik Anda.
Jendela konteks 1 juta tidak memiliki premium konteks panjang. Permintaan 900 ribu token dikenakan tarif per token yang sama dengan permintaan 9 ribu token.
Di Mana Menggunakan Opus 4.7
Kasus Penggunaan Kuat
- Agen pengkodean otonom: tingkat upaya `xhigh` + anggaran tugas memberi Anda kontrol yang tepat atas perilaku agen dan biaya
- Penggunaan komputer: pemetaan koordinat piksel 1:1 dan visi 3,75 MP membuat interaksi layar jauh lebih andal
- Pemrosesan dokumen: peningkatan analisis .docx, .pptx, dan bagan untuk otomatisasi pekerjaan berbasis pengetahuan
- Pengambilan konteks panjang: jendela 1 juta token dengan harga standar untuk basis kode besar, dokumen hukum, atau makalah penelitian
- Agen multi-sesi: memori berbasis file yang lebih baik untuk alur kerja yang mencakup banyak percakapan
Kapan Opus 4.7 Mungkin Berlebihan
- Tugas tanya jawab atau klasifikasi sederhana: Haiku 4.5 ($1/$5 per MTok) atau Sonnet 4.6 ($3/$15 per MTok) memberikan hasil yang kuat dengan biaya yang jauh lebih rendah
- Alur chatbot latensi rendah: overhead pemikiran adaptif dan tingkat upaya tinggi menambah latensi
- Analisis batch pada data terstruktur: API Batch dengan Sonnet biasanya lebih hemat biaya
Bagaimana Menguji Integrasi Claude Opus 4.7 Anda dengan Apidog
Mengubah ID model Anda dari `claude-opus-4-6` menjadi `claude-opus-4-7` adalah bagian yang mudah. Bagian yang lebih sulit adalah memvalidasi bahwa prompt, definisi alat, dan penanganan kesalahan yang ada masih berfungsi dengan benar setelah perubahan yang mengganggu.
Apidog membuatnya mudah:
Impor skema API Anda. Masukkan spesifikasi OpenAPI Anda atau definisikan secara manual endpoint Claude API Anda. Apidog secara otomatis menghasilkan template permintaan untuk Messages API.
Buat skenario pengujian. Siapkan percakapan multi-giliran yang menguji pola penggunaan alat spesifik Anda. Apidog memungkinkan Anda merantai permintaan, meneruskan konteks antar giliran, dan memvalidasi skema respons.
Bandingkan versi model. Jalankan skenario pengujian yang sama terhadap `claude-opus-4-6` dan `claude-opus-4-7` secara berdampingan. Periksa perbedaan dalam jumlah token, struktur respons, dan kualitas keluaran.
Validasi perubahan yang mengganggu. Konfirmasikan bahwa konfigurasi `thinking` Anda yang diperbarui berfungsi, bahwa parameter pengambilan sampel yang dihapus tidak muncul kembali, dan bahwa tokenizer baru tidak melewati batas `max_tokens` Anda.
Debug muatan penggunaan alat. Periksa seluruh isi permintaan dan respons untuk percakapan penggunaan alat multi-giliran. Antarmuka visual Apidog memudahkan untuk menemukan hasil alat yang salah bentuk atau referensi `tool_use_id` yang hilang.
Daftar Periksa Migrasi
Jika Anda melakukan pemutakhiran dari Opus 4.6:
- [ ] Perbarui ID model Anda ke `claude-opus-4-7`
- [ ] Ganti `thinking: {"type": "enabled", "budget_tokens": N}` dengan `thinking: {"type": "adaptive"}`
- [ ] Hapus parameter `temperature`, `top_p`, dan `top_k` (atau atur ke default)
- [ ] Jika melakukan streaming pemikiran ke pengguna, tambahkan `display: "summarized"` ke konfigurasi pemikiran Anda
- [ ] Tingkatkan batas `max_tokens` untuk mengakomodasi tokenizer baru (hingga 35% lebih banyak token)
- [ ] Uji caching prompt — jumlah token akan berbeda
- [ ] Hapus perancah prompt untuk perilaku yang ditangani Opus 4.7 secara native (pembaruan status, pemeriksaan mandiri)
- [ ] Jalankan rangkaian pengujian Anda dengan Apidog untuk memvalidasi perilaku ujung-ke-ujung
Kesimpulan
Claude Opus 4.7 adalah model Anthropic yang paling kuat dan tersedia secara umum. Visi resolusi tinggi, anggaran tugas, dan tingkat upaya `xhigh` mendorongnya lebih jauh ke wilayah agen otonom. Perubahan yang mengganggu (tidak ada lagi anggaran pemikiran yang diperluas, tidak ada parameter pengambilan sampel) memerlukan pembaruan kode, tetapi jalur migrasinya jelas.
Tokenizer baru adalah pertimbangan biaya utama. Harga per token tetap datar, tetapi prompt yang sama mungkin berharga lebih mahal karena jumlah token yang lebih tinggi. Uji beban kerja Anda sebelum mengalihkan lalu lintas produksi.
Untuk pengembang yang membangun integrasi API, Apidog menyediakan lingkungan pengujian dan debugging yang Anda butuhkan untuk memvalidasi migrasi Anda dan membandingkan kinerja model di seluruh versi.