Claude Opus 4.7 właśnie się pojawił — i co dalej?

O czym jest ten film

1. Premiera Claude’a Opus 4.7 i szybki przegląd wyników na tle Opusa 4.6, GPT-5.4, Gemini 3.1 Pro i Mythosa preview.
2. Główna teza: Opus 4.7 to „pół kroku” między Opusem 4.6 a Mythosem — według autora prawdopodobnie okrojona, zdystylowana wersja Mythosa działająca na szybszym sprzęcie.
3. Anthropic wstrzymuje pełny dostęp do Mythosa z obaw o bezpieczeństwo — skutkiem są celowo stłumione kompetencje terminalowe i hakerskie w wersji 4.7.
4. Największe skoki: inżynieria oprogramowania (53,4 → 64,3 proc. w SWE-bench Pro) oraz rozumowanie wizualne (69,1 → 82,1 proc.).
5. Ciemna strona karty wyników: w agentowym przeszukiwaniu sieci i odtwarzaniu luk bezpieczeństwa model 4.7 wypada równo lub gorzej niż poprzednik.
6. Śmiała prognoza: większość obecnych benchmarków ulegnie nasyceniu w ciągu jednej generacji modeli.
7. Perspektywa historyczna: autor z 10–15 firm na godzinę (zimne telefony) przeszedł do ponad 5000 kontaktów na godzinę z lepszą personalizacją.
8. Główna myśl materiału: AI nie czyni już rzeczy możliwymi — czyni je tylko bardziej opłacalnymi; prawdziwy przełom przypada na GPT-3 w 2020 roku.
9. Utowarowienie modeli: gonitwa za 3–4 punktami procentowymi w benchmarkach często nie pokrywa kosztu przebudowy infrastruktury.
10. Praktyczna rada na koniec: nie rzucać wszystkiego i nie migrować całego stacku na każdą nowość.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Nowy model to iteracja, nie rewolucja

Na czym polega: Opus 4.7 ląduje mniej więcej w połowie drogi między Opusem 4.6 a Mythosem; wiele wyników to niemal dokładnie połowa dystansu do Mythosa.

Jak stosować: Projektuj narzędzia i procesy tak, żeby przeżyły wymianę modelu na kolejną wersję — traktuj model jak wymienny komponent, nie fundament.

Na co uważać: Sam fakt premiery nie jest powodem do migracji; czekaj, aż konkretny problem lub wskaźnik biznesowy tego wymaga.

2.Przyrost potrafi pochodzić z destylacji, nie z nowego treningu

Na czym polega: Autor przypuszcza, że 4.7 to Mythos po destylacji — nieco „przycięty” intelektualnie, ale rozpędzony lepszym sprzętem.

Jak stosować: Przy ocenie kolejnych wydań pytaj, skąd bierze się wzrost wydajności — kompresja dużego modelu to standardowa droga do szybkich i tanich wersji.

Na co uważać: To intuicja autora, nie potwierdzone dane; podejrzenie „równych połówek” w benchmarkach może, ale nie musi, świadczyć o dostrajaniu pod testy.

3.Nowszy nie znaczy lepszy w każdym zadaniu

Na czym polega: W agentowym przeszukiwaniu sieci Opus 4.7 wypadł gorzej niż 4.6, a kompetencje terminalowe i odtwarzanie luk bezpieczeństwa zostały wyraźnie stłumione.

Jak stosować: Przed podmianą modelu uruchom własne testy regresyjne na realnych zadaniach z twojego warsztatu — nie globalne benchmarki.

Na co uważać: Średnia z benchmarku ukrywa lokalne regresje dokładnie w tym obszarze, na którym ci zależy.

4.Kilka punktów procentowych to szum, nie przewaga

Na czym polega: Różnice rzędu 3–4 punktów mieszczą się w granicach niepewności, a modele różnią się „charakterem” i stylem pracy.

Jak stosować: Wybieraj model pod powtarzalność i jakość rezultatów w twoich zastosowaniach, a nie pod pojedynczy wynik w tabelce.

Na co uważać: Obsesja na punkty prowadzi do utowarowienia rynku i zbędnych, kosztownych migracji.

5.Rozumienie obrazów to największy realny skok tej premiery

Na czym polega: Wynik bez żadnych narzędzi wzrósł z 69,1 do 82,1 proc. — według autora największy przyrost percepcyjny w historii tych modeli.

Jak stosować: Jeśli pracujesz ze zrzutami ekranu, wykresami, dokumentami czy materiałem wizualnym — ten obszar warto od razu przetestować na nowym modelu.

Na co uważać: Jeden benchmark nie odda jakości na twoich danych; zrób próbę na własnych przykładach.

6.AI poprawia rentowność, nie zakres możliwości

Na czym polega: Od czasu GPT-3 (2020) nie było przełomu „od zera do jedynki” — kolejne modele tylko tanisz istniejące procesy.

Jak stosować: Szukaj procesów, które już znasz i które działały, ale były za drogie: masowa personalizacja kontaktu, analiza finansowa, raportowanie. Tam zwrot jest najszybszy.

Na co uważać: Nie buduj biznesplanu na oczekiwaniu na przyszły przełom — buduj na tym, co działa dziś.

7.Mniej rusztowania — ale kontrola jakości zostaje

Na czym polega: Surowy, niedopracowany prompt działa przyzwoicie w około 80 proc. przypadków; dawniej trzeba było otoczki i chirurgicznej precyzji.

Jak stosować: Uprość prompty i zmniejsz otoczkę techniczną, ale zostaw mechanizm weryfikacji — ludzki albo automatyczny.

Na co uważać: Pozostałe 20 proc. przypadków potrafi zjeść całą oszczędność czasu, jeśli nikt ich nie wyłapie.

8.Policz koszt migracji, zanim się przeniesiesz

Na czym polega: Przesiadka w obrębie rodziny Opus jest bezbolesna (te same API i endpointy), ale zmiana rodziny — np. z Opusa na GPT — oznacza przebudowę infrastruktury.

Jak stosować: Porównaj koszt deweloperski migracji z realnym zyskiem operacyjnym z tych kilku punktów procentowych; często wyjdzie na zero lub minus.

Na co uważać: Dostawcy ułatwiają portowanie, ale ułatwienie techniczne nie znosi kosztu utrzymania i przetestowania wszystkiego od nowa.

9.Dźwignia rośnie skokowo — rośnie też odpowiedzialność

Na czym polega: Autor przeszedł od 10–15 rozmów handlowych na godzinę do ponad 5000 kontaktów, i to o wyższej jakości personalizacji.

Jak stosować: Skaluj procesy z AI, ale równolegle buduj nadzór, procedury kontroli i szkolenie ludzi, którzy z nich korzystają.

Na co uważać: Wysoka dźwignia bez przygotowania mnoży nie tylko sukcesy, ale i błędy — w tej samej skali.

10.Nie gonić za błyskotkami

Na czym polega: Kolejne premiery będą się mnożyć, a 4.7 to tylko marginalny krok na drodze do Mythosa; szum medialny nie zmienia tej oceny.

Jak stosować: Ustal sobie pisemne kryteria migracji (konkretny wskaźnik biznesowy plus własne testy) i trzymaj się ich niezależnie od newsów.

Na co uważać: Presja informacyjna i „wszyscy już przenieśli się na nowy model” to najgorsze możliwe powody zmiany.

Redakcyjne tłumaczenie

Premiera na gorąco: co się właśnie stało

Anthropic opublikowało Opusa 4.7 dosłownie kilkanaście minut temu, więc zamiast przedłużać, wezmę na warsztat benchmarki, a potem podzielę się przemyśleniami: co ten model wnosi w zestawieniu z podglądową wersją Mythosa i jak sytuacja wygląda na tle całego rynku. Szczerze mówiąc, spodziewam się, że „Spud” — czyli nowy model GPT — pojawi się na piętach Opusa 4.7, pewnie w ciągu najbliższych dni. (Informacja dodatkowa: „Spud” to robocza nazwa, której autor używa na zapowiadaną premierę OpenAI.)

Ogólnie Opus 4.7 jest po prostu lepszy od Opusa 4.6 w mniej więcej każdym wymiarze — z wyjątkiem jednego czy dwóch obszarów, które wydają mi się co najwyżej dziwne. Wrócę do nich za moment.

Pół kroku do Mythosa

Karta wyników zestawia model 4.6, 4.7, GPT-5.4, Gemini 3.1 Pro, a po prawej stronie Mythosa preview. Jeśli ktoś nie wie, o co chodzi: to ich model o „galaktycznym mózgu”, który półtora tygodnia temu w ramach pokazu w praktyce „zhakował” cały internet. (Informacja dodatkowa: „preview” oznacza wydanie podglądowe — model dostępny w ograniczonym zakresie.)

Opus 4.7 to krok naprzód względem 4.6, ale prawie pół kroku. Jeśli Opus 4.6 jest tutaj, a Mythos preview tam, to nowy model ląduje gdzieś w połowie drogi. I robią to celowo: Anthropic nie zamierza oddawać Mythosa każdemu człowiekowi na Ziemi, bo — jeśli wierzyć ich komunikatom — czułoby się to jak wręczenie dzieciom broni jądrowej. Niezależnie od tego, jak kto ocenia takie stanowisko, rozumiem tę ostrożność, skoro model potrafi hakować przeglądarkę Chrome i różne systemy operacyjne. Choć osobiście wolałbym mieć tę bombę we własnych rękach.

Inżynieria oprogramowania: wyraźny skok, podejrzanie „równa połówka”

Software Engineering Bench Pro — bodaj najważniejszy z testów, obok wersji „verified” — pokazuje wyraźny postęp: z 53,4 do 64,3 proc., czyli około dziesięciu punktów. Warto zauważyć, że to niemal matematycznie dokładnie połowa dystansu między Opusem 4.6 a Mythosem preview. Nie wiem, czy ktoś tu nie dostrajał modelu pod benchmarki, nie znam szczegółów pracy pod maską — ale uderza, jak wiele z tych wyników wychodzi jako niemal dokładnie pięćdziesięcioprocentowe skoki. (Informacja dodatkowa: SWE-bench to zestaw zadań polegających na naprawie prawdziwych błędów w otwartych projektach programistycznych.)

Moje przypuszczenie co do sposobu treningu Opusa 4.7: to najpewniej Mythos preview po destylacji — trochę okrojony intelektualnie, ale rozpędzony na znacznie szybszym i lepszym sprzęcie. Wersja „verified” tego samego benchmarku pokazuje dokładnie ten sam wzorzec.

Terminal i bezpieczeństwo: tu model celowo hamuje

Agentowe kodowanie w terminalu: 65,4 proc. u Opusa 4.6, 69,4 proc. u 4.7 i 82 proc. u Mythosa. Postęp wyraźnie mniejszy niż gdzie indziej — i podejrzewam, że to właśnie stamtąd bierze się większość obaw o bezpieczeństwo. Chodzi o zdolność modelu do posługiwania się skryptami bash, faktycznego kontrolowania terminala, pingowania portów i tym podobnych rzeczy. Część mnie jest przekonana, że tę kompetencję stłumiono nieproporcjonalnie mocno. Nie mam na to żadnych dowodów poza własną intuicją, więc przyjmijcie to z odpowiednią rezerwą.

Humanity’s Last Exam: połowa drogi to dziewięć dziesiątych

Humanity’s Last Exam — jeśli ktoś nie kojarzy — to mocno nagłaśniany benchmark z przesłaniem: oto najtrudniejsze zadania, jakie w ogóle da się postawić przed sztuczną inteligencją; jeśli model sobie z nimi poradzi, to de facto mamy AGI. Opus 4.6 uzyskał około 40 proc., czyli rozwiązywał cztery dziesiątki pytań. Opus 4.7 — 46,9 proc., Mythos — 56,8 proc. Nowy model jest więc niemal w połowie drogi. I od razu zaznaczę: w skali czasu AI „połowa drogi” oznacza w praktyce dziewięć dziesiątych drogi, bo te krzywe zwykle przebiegają tak, że różnica między 50 a 100 proc. bywa marginalna. Moja śmiała prognoza: większość tych benchmarków ulegnie nasyceniu w ciągu jednej generacji modeli.

Agentowe przeszukiwanie sieci na zadaniach BrowseComp to z kolei jedyny przypadek, w którym Opus 4.6 wypadł lepiej niż 4.7. Może oba obszary — terminal i wyszukiwanie — okrojono razem, może właśnie stamtąd pochodziły obawy o bezpieczeństwo komputerowe. Tak czy inaczej, w wyszukiwaniu agentowym nowy model będzie działał słabiej od poprzednika, przynajmniej według tego testu.

Reszta wyników: od narzędzi po wzrok

Dalej: użycie narzędzi na dużą skalę w benchmarku MCP-Atlas — nowym, którego nie przeprowadzono dla Mythosa (a może po prostu go zaniechano) — tu 4.7 wypada odrobinę lepiej niż 4.6. Agentowa obsługa komputera również minimalnie lepiej, tuż pod Mythosem. Agentowa analiza finansowa — o solidne 4,3 punktu procentowego lepiej niż Opus 4.6.

Boże, już mi się od tych benchmarków robi słabo — nie mogę uwierzyć, że dałem się wciągnąć w nagrywanie tego filmu. Jeszcze tylko moment: odtwarzanie luk w cyberbezpieczeństwie wypada odrobinę gorzej niż w 4.6 — i to jest celowy zabieg dla bezpieczeństwa. Rozumowanie na poziomie studiów magisterskich to z kolei wynik miażdżący: ten model jest dziś lepszy niż większość ludzi z magisterką, i to nie tylko jakościowo, ale też ilościowo — pracuje tysiące razy szybciej niż ludzki mózg i można uruchamiać jego kopie równolegle. To nie żarty.

W rozumowaniu wizualnym zobaczyliśmy prawdopodobnie największy skok w historii: z 69,1 do 82,1 proc. bez żadnych narzędzi, na gołej percepcji. To zakrawa na szaleństwo. Wyobraźcie sobie, że wcześniej model patrzył na świat jak ktoś z widzem piętnaście na dwadzieścia, a teraz jak ktoś z dziewiętnaście na dwadzieścia. Jeśli oglądają mnie jacyś okuliści — przepraszam, nie wiem, jak dokładnie działa ta skala, ale tak mniej więcej mapuję sobie sprawę w głowie. Na końcu pytania i odpowiedzi wielojęzyczne, na których Mythosa nie testowano, a GPT-5.4 tak — nowy Opus radzi sobie tu wyraźnie lepiej.

Co z tego wynika — i jak oceniam motywy Anthropic

Podsumowując: duży krok naprzód względem Opusa 4.6 w praktycznie każdym wymiarze, z wyjątkiem paru obszarów, które zapewne wiążą się z bezpieczeństwem. Nie chcę tego nadmiernie komentować, ale moim zdaniem obawy Anthropic były autentyczne. Nie wierzę w scenariusz, w którym ktoś pociera ręce: „muahaha, zbierzmy największe korporacje świata, dajmy im wyłączny dostęp do modelu i uczyńmy z reszty nas na stałe podrzędną klasę”. Z historii wynika co innego: ilekroć wskazujemy palcem — na firmę, organizację czy zbiorowość — i mówimy „robią to, bo są źli i nas nienawidzą”, zwykle się mylimy. Ludzie nie działają z nienawiści, tylko pod wpływem bodźców albo z przekonania, że coś takiego nie powinno wychodzić na świat. Czy to słuszne — nie podejmę się ocenić.

Siedem lat perspektywy: od zimnych telefonów do pięciu tysięcy kontaktów

Pracuję z tą technologią od blisko siedmiu lat i widziałem sporo zmian. Kiedy zaczynałem jeden z moich pierwszych biznesów, obchodziłem domy i dzwoniłem na zimno do firm, sprzedając lokalne usługi marketingowe. W godzinę byłem w stanie dotrzeć do dziesięciu, może piętnastu firm. Dziś, z czymś takim jak Opus 4.6, w tym samym czasie docieram do ponad pięciu tysięcy — i to nie kosztem jakości, bo oferta jest bardziej dopasowana i lepsza niż kiedykolwiek. Pomyślcie o tej dźwigni, a potem o narzędziu, które potrafi ją zwiększyć jeszcze dziesięcio- albo dwudziestokrotnie. Wręczanie tego każdemu człowiekowi na Ziemi bez porządnego treningu i przygotowania byłoby jednak chyba lekko nieodpowiedzialne.

Czy Opus 4.7 coś fundamentalnie zmienia? Nie

Gdzie to wszystko zmierza? Jeśli mam być szczery: niczego to fundamentalnie nie zmienia. Po sieci pojawi się mnóstwo filmów, wpisów blogowych i wątków na X o tym, że „koniec, wszystko się wali”. Tymczasem od trzech–czterech lat mamy do czynienia ze stałym, stopniowym postępem. To, co dało się zrobić z AI trzy lata temu, da się zrobić i dziś — tyle że teraz wyjdzie to nawet z metody „na luźno”.

Przypomnijcie sobie, do czego realnie używacie AI. Fundament tej technologii istnieje od mniej więcej trzech lat. Wcześniej trzeba było zbudować wokół modelu sporo rusztowania, prompty musiały być chirurgicznie precyzyjne, a pytanie zadane dokładnie tak, jak trzeba. Dziś wrzucacie prompt na pałę i w osiemdziesięciu procentach przypadków model odhacza przyzwoitą robotę.

Czy to otwiera nowe zastosowania? Nie specjalnie. Moja główna teza jest taka: AI przestało czynić rzeczy możliwymi — teraz czyni je tylko nieco bardziej opłacalnymi. Są procesy biznesowe, które wcześniej się finansowo nie spinały, a dziś się spinają, bo można je wrzucić do modelu: masowa personalizacja kontaktu z klientami albo szybka i wygodna analiza finansowa. Ale to nie jest tworzenie czegoś z niczego. Żeby znaleźć moment prawdziwego przełomu — od zera do jedynki — trzeba cofnąć się do 2020 roku, gdy OpenAI pokazało GPT-3. To wtedy po raz pierwszy dało się wypowiedzieć prośbę naturalnym językiem, a model zamieniał ją na przykład w komendę bash. Cała reszta to poziome rozszerzanie tej jednej zdolności.

Praktycznie oznacza to, że do osiągnięcia tych samych efektów będziecie potrzebować coraz mniej otoczki technicznej. Albo — odwrotnie — możecie kazać modelowi zbudować lepszą otoczkę dla samego siebie. Ale to wszystko są przesunięcia o kilka punktów procentowych w górę albo w dół.

Utowarowienie modeli i pułapka migracji

Widzimy dziś utowarowienie modeli, napędzane obsesją na punkcie benchmarków: ludzie wybierają model wyłącznie dlatego, że ma o włos wyższy wynik w jednym czy drugim teście. Tymczasem każdy z tych modeli ma nieco inny charakter. Jeśli wybieracie Opusa 4.7 dlatego, że ma 77,3 proc. w jakimś teście użycia narzędzi, a Opus 4.6 „tylko” 75,8 proc. — a przy tym między nimi zaszła wyraźna zmiana osobowości — zdrowszą decyzją może być zostać przy tym, który już dobrze wam służy, i dołożyć mu lepszą otoczkę, zamiast przebudowywać sobie głowę i całą infrastrukturę.

Oczywiście w obrębie jednej rodziny — z Opusa 4.6 na 4.7 — to bezbolesne, bo specyfikacje API i endpointy są identyczne. Gorzej, gdy przesiadka idzie między rodzinami. Przez ostatnie miesiące widziałem mnóstwo osób migrujących z Opusa 4.6 na GPT-5.4 w pogoni za trzema–czterema punktami procentowymi w kodowaniu agentowym, a potem przebudowujących pod to całą infrastrukturę. Dostawcy próbują ułatwiać takie przesiadki, ale to utowarowienie uważam raczej za niefortunne — bardziej przeszkadza, niż cokolwiek naprawia.

Na koniec: nie gonić za błyskotkami

Moje podsumowanie jest więc krótkie: nie gonić za nowinkami. Modele będą dalej się poprawiać, dookoła będzie mnóstwo szumu i newsów, ale to nie znaczy, że macie rzucać wszystko i przenosić całej infrastruktury na Opusa 4.7. Jak widzieliście, to marginalny krok na drodze do Mythosa.

I to tyle. Jeśli kogoś uraziłem, wrzucając film kilka minut po premierze — mam nadzieję, że niezbyt. Nie chcę robić z tego kanału serwisu informacyjnego, ale akurat byłem online, gdy przyszło powiadomienie, i pomyślałem, że pomogę to zinterpretować tym, którzy mają mniej czasu. Miłego dnia — do zobaczenia w następnym materiale.