Der Fortschritt zeigt sich besonders bei visuellen Aufgaben. Opus 4.7 verarbeitet Bilder mit mehr als dreifacher Auflösung und erkennt Details, die zuvor oft verloren gingen. Interfaces, Präsentationen und Dokumente wirken dadurch sauberer ausgearbeitet, weil das Modell feiner auf Layout und Struktur reagiert.

Mit der neuen xhigh-Effort-Stufe ergänzt Anthropic die bisherigen Optionen high und max und schafft eine Zwischenstufe für den Rechenaufwand. Aufgaben lassen sich damit gezielter zwischen Geschwindigkeit und Gründlichkeit austarieren. Ergänzend führen Task Budgets in der Beta einen klaren Rahmen für längere Prozesse ein und helfen, Ressourcen besser zu planen. Der neue /ultrareview-Befehl prüft Änderungen Schritt für Schritt und markiert Schwachstellen ähnlich wie ein Review im Team. Gleichzeitig läuft der erweiterte Automatikmodus länger durch, ohne ständig nach Bestätigung zu fragen. Gerade bei komplexeren Tasks sorgt das für deutlich weniger Unterbrechungen. Zudem wurde der Automatikmodus auf Max User ausgeweitet.

Teurer im Einsatz, strenger im Zugriff

Die Preise bleiben unverändert bei fünf US-Dollar pro Million Input-Token und 25 US-Dollar pro Million Output-Token. Gleichzeitig steigt der Bedarf an Tokens pro Aufgabe, weil Opus 4.7 Inhalte detaillierter verarbeitet. Durch den neuen Tokenizer und intensiveres Reasoning können laut Anthropic je nach Use Case bis zu 1,35-mal mehr Tokens anfallen. Einzelne Tasks werden damit potenziell teurer, obwohl sich am Preismodell nichts geändert hat. Umso wichtiger wird es, Prompts und Workflows effizient aufzusetzen.

Mit dem Glasswing-Projekt testet Anthropic, wie sich neue KI-Modelle schrittweise und kontrolliert veröffentlichen lassen. Opus 4.7 dient dabei als erstes Testmodell, an dem neue Sicherheitsmechanismen erprobt werden. Bestimmte Cyber-Fähigkeiten wurden bewusst eingeschränkt, gleichzeitig erkennt das System riskante oder missbräuchliche Anfragen und blockiert sie automatisch. In den Sicherheitsbewertungen, die auf Anthropics eigenen Evaluierungen basieren, gilt das Modell als „weitgehend gut abgestimmt und vertrauenswürdig“, zeigt aber weiterhin Schwächen in sensiblen Bereichen. Positiv fällt die verbesserte Widerstandsfähigkeit gegen Prompt-Injection-Angriffe auf, also Versuche, das Modell absichtlich durch eingeschleuste Vorgaben zu manipulieren, die Sicherheitsregeln umgehen sollen. Für erlaubte Sicherheitsanwendungen wie das Testen eigener Systeme oder das Finden von Schwachstellen setzt Anthropic auf ein Verifizierungsprogramm statt offenen Zugriff.