📰 概要

2026年4月18日，Anthropic 发布 Claude Opus 4.7，SWE-bench Verified 得分达到 80.2%——这是编程 AI 首次突破 80% 这个被行业视为"可信"的门槛。给 AI 一个真实的 GitHub issue，它能修好的概率从上一代的 72.1% 跳到 80.2%，涨了 8 个百分点，是从"10 个 bug 修对 7 个"变成"修对 8 个"的距离。同时上下文窗口从 128K 扩展到 200K（约 3 万行变成 5 万行代码），输出价格从 $75 涨至 $90/1M tokens（涨幅 20%），Agent SDK 1.0 正式版同步发布。

---

🔍 解读

80% 这个门槛，行业里一直有个默契的说法：过了这个线，AI 编程才算是"可信"。因为 SWE-bench 用的是真实的 GitHub issue，不是造出来的测试用例。80% 意味着 5 个真实 bug，AI 能修好 4 个——这个水平，已经接近一个熟悉项目的中级开发者了。

但这个分数有两个前提你得知道。第一，SWE-bench 只测 Python + Django 项目，你写 Java、Go、Rust 的，参考价值有限。第二，80.2% 是 Anthropic 自己测的，还没人验证。GPT-5 之前说自己 76.8%，第三方复现只有 73% 左右。所以这个数字等别人验完更稳。

---

💎 深挖

从时间线上看，Anthropic 这一年的编程能力走得有点快：

版本	时间	SWE-bench	变化
Opus 4.0	2025.06	58.3%	—
Opus 4.5	2025.12	65.3%	+7.0%
Opus 4.6	2026.02	72.1%	+6.8%
Opus 4.7	2026.04	80.2%	+8.1%

从 72% 到 80% 这一步，跳幅比之前任何一次都大。横向对比更有意思：能力上 Opus 4.7 现在是最强，但价格也最贵——输出 $90 是 GPT-5（$60）的 1.5 倍，是 DeepSeek（$1.1）的 82 倍。速度上 GPT-5 以 68 tok/s 领先，Opus 的 52 tok/s 在实时结对编程场景还是不够流畅。编程 AI 的三强态势短期不会变：Claude 占编程、GPT 占通用、Gemini 占多模态。

对每天写代码的人来说，这件事可能是近期影响最直接的一个。你明天上班打开 IDE，看到报错堆栈，可能就会想：这个 bug 让 AI 先看看？试几次发现它真的能一次定位根因，你开始习惯遇事不决问 Claude。但有个风险：AI 编程的可信度在上升，团队的代码审查能力可能没跟上——AI 帮你写了 100 行代码，你审查要花多久？如果审查比自己写还累，效率提升就被抵消了。更危险的是，AI 生成的代码看起来总是"像那么回事"，隐藏的 bug 可能要到生产环境才暴露。

今天下班前，找一个你项目里的真实 bug + 报错堆栈，扔给 Claude 试试。看它能不能一次定位根因。能？可以认真考虑日常用了。不能？至少知道它现在的边界在哪。但如果你的团队没有代码审查习惯，或者项目主要是 Java/Go，暂时不建议追。