Anthropic lanserar Opus 4.7 efter veckor av användarkritik

Klagomålen som inte gick att ignorera

Det mest välunderbyggda klagomålet kom från en Senior Director på AMDs AI-grupp, som gick igenom tusentals Claude Code-sessioner och drog slutsatsen att modellen inte längre klarade avancerat ingenjörsarbete på ett tillförlitligt sätt. Analysen visade att resoneringsdjupet hade sjunkit med 67 procent sedan februari. Modellen läste också färre filer innan den editerade kod, och antalet avbrutna uppgifter hade ökat markant.

Klagomålen spred sig snabbt på Reddit och X. Begreppet ”AI shrinkflation” dök upp, då användarna upplevde att de betalade samma pris för en produkt som helt plötsligt var sämre. Spekulationerna handlade om att Anthropic medvetet skruvat ned modellen för att spara beräkningskraft, vilket bolaget själva förnekade.

Vad hade faktiskt hänt?

Anthropic förnekade att modellvikterna ändrats, och det stämde förmodligen. Men förklaringen var mer komplex. Under februari och mars hade bolaget justerat standardinställningarna för hur djupt modellen resonerar per uppgift. Det innebar kortare planeringssekvenser och färre filer granskade innan kod ändrades. För enkla frågor märktes det knappt. För sammansatta, långvariga processer var effekten tydlig.

Förändringarna dokumenterades i uppdateringsloggar, men utan tydlig kommunikation om vad de skulle innebära i produktionsmiljöer. Kunderna fick inte möjlighet att förstå och anpassa sig i tid.

Vad är nytt i Opus 4.7?

Opus 4.7 adresserar flera av de problem som användarna lyfte under våren. Modellen är bättre på att hålla fokus i långa, sammansatta uppgifter och ger upp mer sällan. Den kontrollerar också sina egna resultat i högre utsträckning innan den rapporterar tillbaka, vilket minskar behovet av mänsklig granskning i varje steg.

Tre andra förändringar är värda att känna till:

1. 1

   Bildhanteringen är väsentligt förbättrad och klarar nu bilder med betydligt högre upplösning, vilket öppnar för mer avancerad datoranvändning och analys av komplexa diagram.

2. 2

   Modellen har också fått bättre filbaserat minne, vilket innebär att den kan bära med sig viktig information mellan sessioner utan att behöva allt förklarat från grunden varje gång.

3. 3

   Det introduceras en ny ansträngningsnivå som ger mer kontroll över avvägningen mellan resoneringsdjup och svarstid på svåra problem.

En praktisk varning för den som migrerar: Opus 4.7 använder en uppdaterad tokeniserare som kan ge något högre tokenförbrukning för samma input. Det påverkar kostnaden och är värt att mäta på faktisk trafik innan ni byter.

Anthropic erkänner begränsningarna öppet

Anthropic kommunicerade annorlunda än vad som är norm vid en modellrelease. De medgav öppet att Opus 4.7 inte matchar deras mest avancerade system, Claude Mythos Preview.

Mythos är Anthropics kraftfullaste modell, men den är ännu inte tillgänglig för allmänheten på grund av säkerhetsfrågor kring dess avancerade cyberkapacitet. Istället testas den selektivt av ett fåtal utvalda teknik- och säkerhetsbolag.

Anthropic presenterade även prestandajämförelser mot konkurrenter och varnade tydligt för att befintliga upplägg kan behöva justeras efter migreringen. Kunden fick underlag att faktiskt fatta ett välgrundat beslut, och det var ett tydligt skifte från hur Opus 4.6-förändringarna hanterades.

Vad bör du kräva av din LLM-leverantör?

Det här är inte ett problem unikt för Anthropic. Modeller lanseras, optimeras och justeras löpande hos alla stora leverantörer, och de som märker förändringarna först är oftast de som använder verktygen intensivt i komplexa arbetsflöden.

Om ni använder AI i era processer idag är det värt att ställa tre konkreta krav på er leverantör:

1. 1

   Tydlig kommunikation när standardinställningar förändras på ett sätt som påverkar prestanda i produktionsmiljöer.

2. 2

   Tillräcklig förvarning för att ni ska hinna anpassa era upplägg innan förändringen slår igenom.

3. 3

   Egna referenspunkter: spara testfall som representerar era viktigaste användningsfall och kör dem mot nya modellversioner innan ni migrerar, så märker ni förändringar innan de påverkar era resultat.

Så hanterade Anthropic förtroendetappet

Hur Anthropic kommunicerade kring Opus 4.7-lanseringen skilde sig från det som föregick det. I en bransch där lanseringar normalt handlar om att kommunicera styrkor och tiga om begränsningar var öppenheten kring Mythos Preview och migreringsriskerna ovanlig.

Det här agerandet räcker kanske inte för att återvinna det förtroende som gick förlorat under våren, men det visar att ärlighet kan vara en konkurrensfördel. För företag som väljer AI-leverantör idag är det en faktor värd att väga lika tungt som prestanda och pris.