发布背景
Anthropic 2026 年 4 月发布 Claude Sonnet 4.7，定位是“Sonnet 系列里第一个原生支持百万上下文的版本”。 同期 Opus 4.5（2026-03）保留旗舰位，Haiku 4.7（2026-05）继续走轻量速度路线。
本文基于 4.7 发布后 3 周的真实工程任务对比（同 prompt、同环境分别跑 4.5 和 4.7）写成。 测试任务覆盖：编程、长文档分析、Agent 工作流，三个最常用的开发者场景。
一、编程能力（最大变化）
Benchmark 数据
- SWE-bench Verified（真实 GitHub issue 修复）：4.7 约 71%（4.5 为 62%）
- SWE-bench Multimodal（含截图的前端问题）：4.7 约 64%（4.5 为 51%）
- LiveCodeBench：4.7 约 73%（4.5 约 65%）
- HumanEval+：4.7 约 96%（4.5 约 93%）
真实工程任务对比
我跑了 5 个真实任务对比 4.5 vs 4.7，每个任务都是同一份 prompt，跑 3 遍取多数：
| 任务 | 4.5 一次通过率 | 4.7 一次通过率 |
|---|---|---|
| 5 文件跨模块 refactor | 2/3 | 3/3 |
| Next 16 升级到 17（破坏性 API） | 1/3 | 3/3 |
| 复杂 SQL 查询优化（含 EXPLAIN ANALYZE） | 2/3 | 3/3 |
| React 渲染性能 bug 定位 | 2/3 | 2/3 |
| Rust 内存安全 review | 1/3 | 2/3 |
实际感受
三个最明显的体感变化：
- 新版框架知识更新。4.5 对 2025 年底之后发布的 Next 16、React 19.1、Bun 1.2 还要靠 search 工具补；4.7 默认就知道，包括 breaking changes。
- 更敢说“不知道”。问 4.7 一个冷门库的最新 API，它会直接说“ 我不确定 X 库 2026 年 4 月之后的 API，建议查官方文档”。4.5 更倾向于“猜一个”。
- 多文件一致性大幅改善。让它改一个跨 8 个文件的 refactor，4.5 偶尔漏一两个； 4.7 基本能全改到，且测试也跟着改。
二、上下文 1M 实战
4.7 的上下文窗口从 4.5 的 200K 跳到 1,000,000 tokens。这是个 5 倍提升， 但定价也按比例上涨（按 token 计费的 API 用户尤其要注意）。
1M tokens 大概多少代码？
- 纯 TypeScript 代码（每 token ~3 字符）：约 300 万字符，相当于 3 万行代码
- 普通 React 项目（src + 配置 + 部分依赖类型）：完整一个中型项目（30K LoC 级别）
- 中文文档：约 35-40 万汉字
实测：把整个项目塞进去做 review
我把这个站本身（claudemax.shop 的 src/）压成 zip 让 4.7 读。 统计：1 个根目录 + 47 个组件 + 22 个 API route + 15 篇博客 = 约 380K tokens。
问 4.7：“找出所有可能的 SQL 注入风险”。它的回应包含：
- 定位到 3 处可疑代码（其中 2 处确实是 false positive，1 处是真问题）
- 每处都给了“改成 prepared statement”的完整 patch
- 同时提醒：“别忘了 better-sqlite3 默认就支持参数化查询，你的大多数代码已经做了”
4.5 因为 200K 限制，必须分 2 次塞代码进去，每次只看一半。结果是漏报了一个跨模块的问题（攻击向量横跨两个文件）。1M context 的核心价值不是“能塞更多”，是“跨模块推理”。
用量代价
- API：4.7 输入 token 价是 4.5 的 1.2 倍，输出价持平。但 1M context 单次请求开销显著放大
- Pro 订阅用户：4.7 的 1M context 每天有限制 5 次，超过自动降级到 200K
- Max 5x：每天约 30 次 1M context 请求
- Max 20x：每天约 120 次
所以如果你的工作流频繁需要 1M context，Max 5x 是性价比拐点。 Pro 用一两次就够当天用完。
三、Agent 长任务稳定性
Anthropic 4.7 发布稿里强调“Agent capability 提升”，但没给具体数字。 我自己测了一组 20-50 步的 Agent 任务（用 Claude Code 跑），结果：
| Agent 任务类型 | 4.5 完成率 | 4.7 完成率 |
|---|---|---|
| 从 GitHub issue 拉代码 → 修 bug → 提 PR（20 步） | 55% | 78% |
| 爬取 5 个网站 → 提炼数据 → 写报告（35 步） | 40% | 62% |
| 从零搭建 Next.js 项目 + 部署 Vercel（50 步） | 28% | 54% |
最关键的提升是“中途不迷路”。4.5 在 30 步后经常“忘记最初目标”开始重复工作； 4.7 能保持目标一致性到 50+ 步。这是 Anthropic 在长 horizon planning 上的训练成果。
四、Sonnet 4.7 不擅长什么
1. 复杂数学推理
GPQA Diamond（研究生级科学题）4.7 约 62%，相比 4.5 的 59% 只是小幅提升。 Opus 4.5 在这项上是 73%。所以需要硬数学推理的场景，仍然要用 Opus。
2. 速度比 4.5 慢
首 token 延迟实测从 4.5 的 ~0.8s 升到 4.7 的 ~1.3s。 生成速度（tokens/s）也下降约 15%。如果是聊天场景对响应速度敏感，可能感觉“慢半拍”。 Haiku 4.7 仍然是聊天首选。
3. 1M context 实际利用率仍非满分
Anthropic 官方 needle-in-haystack 测试：
- 0-200K：~99% 准确
- 200K-500K：~95%
- 500K-1M：~88%
所以塞 800K 进去，最末尾的细节 4.7 偶尔会“漏读”。 关键信息建议放在 prompt 前半段或末尾，避开“Lost in the middle”现象。
五、4.5 还是 4.7？怎么选
| 你的工作 | 推荐 | 理由 |
|---|---|---|
| 日常聊天 / 写邮件 | Sonnet 4.5（或 Haiku 4.7） | 4.7 慢一点，日常用没必要 |
| Claude Code 工程 | Sonnet 4.7 | 多文件一致性 + 新框架知识，编程提升明显 |
| 长代码库 review | Sonnet 4.7 | 1M context 是质变 |
| Agent 开发 | Sonnet 4.7 | 长任务完成率显著提升 |
| 数学推理 / 学术研究 | Opus 4.5 | Sonnet 系列在硬推理上仍不如 Opus |
六、国内怎么用上 Sonnet 4.7
Sonnet 4.7 在 Anthropic 官方所有付费档位都可用（Pro / Max 5x / Max 20x / Team / Enterprise）。 Free 用户能用 4.7 但有更严格限流（一小时 5 次左右）。
国内用户订阅 Claude Pro / Max 的最稳方式是通过独立 Team 席位代付平台（如 ClaudeMax）。 微信支付 ¥210 / 月（Pro）或 ¥980 / 月（Max 5x），5 分钟收到 Anthropic 官方邀请邮件， 4.7 自动可用，和海外信用卡订阅完全一样。
重要：避免选“Cookie 转发”或“共享号”的代付方案 —— Sonnet 4.7 的 1M context、Memory、Skills 这些账号级新功能在共享号上要么不可用，要么会暴露给同号其他人。
七、常见问题 FAQ
Q: 4.7 比 GPT-5.5 / Gemini 3 强吗？
编程：4.7 仍是当下最强（SWE-bench 70+%），略胜 GPT-5.5（约 67%）。 多模态：Gemini 3 略领先。 中文：4.7 比 4.5 流畅度提升明显，与 GPT-5.5 持平。
Q: 4.7 还能用 Memory 和 Skills 吗？
都能。Memory 和 Skills 是账号级、跨模型生效。4.7 默认支持，行为和 4.5 一致。
Q: API 升级 4.7 要改代码吗？
只要改 model 参数（从 claude-sonnet-4-5 改成 claude-sonnet-4-7）。 其他参数兼容。1M context 需要在请求头加 anthropic-beta: extended-context-2026-04， 否则默认仍是 200K。
Q: Sonnet 4.7 会涨价吗？
API：输入 token 价上涨约 20%（$3 → $3.6 / 1M tokens），输出价持平。 订阅：Pro/Max 价格不变（¥210 / ¥980 月）。