Promjene za programere u Claude Opusu 4.7: detaljan pregled novog modela

Početna » Piton » Promjene za programere u Claude Opusu 4.7: detaljan pregled novog modela

Claude Opus 4.7 se predstavlja kao Anthropicov novi vodeći model opće dostupnosti, a za developere se čini mnogo manje kao manji napredak, a mnogo više kao nova generacija alata. Fokus ovog izdanja je jasan: teži zadaci softverskog inženjerstva, dulji autonomni tijekovi rada, dublje multimodalno razumijevanje i stroža kontrola nad time koliko model „razmišlja“ i troši. Ako ste prethodne verzije Opusa gurali do njihovih granica složenim agentima za kodiranje, radom s velikim količinama podataka ili automatizacijom temeljenom na vidu, ovo ažuriranje mijenja pravila igre na nekoliko praktičnih načina.

Ono što se zaista ističe jest da Anthropic nije samo pojačao sirove mogućnosti; također su preradili ključna ponašanja, API-ji i zaštitne ograde pa se Opus 4.7 ponaša više kao pouzdan suigrač koji se može ostaviti da radi na dugim zadacima. Slijeđenje instrukcija je strože, memorija je iskoristivija u stvarnim projektima, multimodalna podrška prelazi na pravu visoku rezoluciju, a okolna platforma (Claude Code, proračuni zadataka, razine napora) prilagođena je stvarnim tijekovima rada programera. To znači da ćete morati ponovno pregledati neke upute i infrastrukturu, ali ako se prilagodite, možete se osloboditi više „teških, dosadnih stvari“ nego prije.

Što Claude Opus 4.7 pokušava biti za developere

Anthropic pozicionira Claude Opus 4.7 kao svoj najsposobniji općenito dostupan model, posebno podešen za dugoročni "agentski" rad i napredne zadatke znanja. Jednostavno rečeno, napravljen je za pokretanje višekoračnih softverskih i podatkovnih tokova rada s manje zadržavanja, boljim samoprovjerama i dosljednijim ponašanjem tijekom više koraka.

U usporedbi s Opusom 4.6, novi model pokazuje značajne napretke u naprednom softverskom inženjerstvu, posebno na najizazovnijim zadacima koji su prije zahtijevali strog ljudski nadzor. Rani korisnici izvještavaju da sada mogu s puno više samopouzdanja prepustiti svoje najteže probleme s kodiranjem - uključujući duboko ugniježđene refaktore, promjene više servisa i složeno otklanjanje pogrešaka - Opusu 4.7. Model ne samo da generira kod; on puno rigoroznije planira, izvršava i ponovno provjerava vlastiti rad.

Ispod haube, Opus 4.7 zadržava isti kontekstni prozor od 1 milijuna tokena i do 128 tisuća izlaznih tokena koji su ranije verzije Opusa učinili atraktivnima za velike kodne baze i velike dokumente. Također podržava adaptivno razmišljanje, poznati skup alata i platforme iz Opusa 4.6, i dostupan je svugdje gdje biste očekivali: putem Claude API-ja, svih Claude proizvoda, Amazon Bedrocka, Google Cloud Vertex AI-ja i Microsoft Foundryja. Cijena ostaje ista: otprilike 5 USD po milijunu ulaznih tokena i 25 USD po milijunu izlaznih tokena.

Osim ograničenja sirove propusnosti i tokena, model je namjerno autonomniji u načinu na koji obrađuje petlje „nalik agentima“. U kombinaciji s novim konceptima poput proračuna zadataka i poboljšanog parametra napora, Opus 4.7 namijenjen je ugradnji u sustave gdje može orkestrirati više koraka - korištenje alata, uređivanje datoteka, provjere, sažetke - bez stalnog preusmjeravanja kontrole natrag korisniku.

Razvojni programeri se moraju prilagoditi oštrijem praćenju uputa i promjenama u ponašanju.

Jedna od najvećih svakodnevnih razlika koju će programeri osjetiti jest koliko doslovno Opus 4.7 slijedi upute u usporedbi sa starijim Claude modelima. Dok su Opus 4.6 i kolege ponekad preskakali detalje, generalizirali s jednog primjera na drugi ili tiho preskakali manje jasne dijelove zadatka, Opus 4.7 se puno više trudi točno se pridržavati onoga što ste napisali - i ne puno više od toga.

Ovo strože slijeđenje uputa ima praktičnu posljedicu: upute koje su prije funkcionirale „dovoljno dobro“ sada se mogu početi ponašati na iznenađujuće načine. Ako su se vaši stari sustavi oslanjali na model kako bi zaključili korake koje niste u potpunosti opisali ili kako bi generalizirali obrasce s jedne stavke popisa na drugu, sada biste mogli vidjeti izlaz koji se čini krutim ili nepotpunim. Anthropic izričito preporučuje ponovno pregledavanje i ponovno podešavanje upita i integracijskih sustava iz tog razloga.

Duljina odgovora je također drugačije kalibrirana: Opus 4.7 prilagođava verbozitetu percipiranoj složenosti zadatka umjesto da se prema zadanim postavkama koristi stil odgovora fiksne duljine. Za jednostavna pitanja često ćete dobiti sažetije odgovore, dok teži višedijelni ili agentski zadaci prirodno proizvode dulje i detaljnije rezultate. Ovo dinamičko dimenzioniranje znači da ćete htjeti biti eksplicitniji u pogledu kratkoće ako vaša aplikacija ima stroga ograničenja rezultata.

Model također prema zadanim postavkama koristi manje poziva alata i više se oslanja na vlastito razmišljanje, osim ako ga namjerno ne potaknete na korištenje alata povećanjem razine napora. To je dobra vijest za latenciju i troškove u mnogim slučajevima, ali ako vaš sustav očekuje arhitekturu s puno alata (npr. agresivno izvršavanje koda, lintere ili simulatore), trebali biste testirati trebate li potaknuti veću upotrebu alata putem promptova i podešavanja napora.

Što se tiče tona, Opus 4.7 udaljava se od ekstra toplog, naglašenog stila Opusa 4.6 prema izravnijem, tvrdoglavom glasu s manje emojija i manje ukrasa tipa „odlično ti ide“. Za alate za razvojne programere to je obično pobjeda: dobivate jasnije prosudbe, izravnije kritike i manje uljepšavanja. Za aplikacije za krajnje korisnike koje se oslanjaju na ekstra prijateljsko fraziranje, možda biste trebali eksplicitno usmjeravati ton u svojim upitima.

Vizija visoke rezolucije i multimodalni dobici koji su važni u stvarnim projektima

Opus 4.7 je prvi Claudeov model s pravom podrškom za slike visoke rezolucije, povećavajući maksimalnu veličinu slike na 2576 piksela na dugoj strani, odnosno oko 3.75 megapiksela. To je više nego trostruko više od prethodnog ograničenja od 1568px / 1.15MP, i temeljno mijenja ono što možete sigurno slati modelu kada se radi s gustim vizualnim artefaktima.

Ovaj skok u rezoluciji izravno otključava bolje performanse kod opterećenja s velikim vizualnim zahtjevima: agenti sada mogu pouzdano analizirati prepune snimke zaslona korisničkog sučelja, složene dijagrame i skenirane dokumente koji sadrže sitne detalje. Slučajevi upotrebe poput računalnih agenata koji čitaju snimke zaslona cijele radne površine, izvlače strukturirane podatke iz zamršenih grafikona ili uspoređuju savršene rasporede piksela postaju daleko održiviji bez smanjenja skale do točke gubitka informacija.

Anthropic je također pojednostavio rukovanje koordinatama tako da se unutarnje koordinate modela poravnavaju 1:1 sa stvarnim pikselima na slici. To znači da kada mapirate okvire za ograničavanje, ciljeve klika ili napomene prekrivanja, ne morate žonglirati vlastitim faktorima skaliranja. Mnogo je lakše reći „kliknite na (x, y)“ na temelju izlaza modela i vjerovati da točno odgovara slici koju ste poslali.

Osim čiste rezolucije, Opus 4.7 poboljšava percepciju i lokalizaciju niske razine: bolji je u pokazivanju, mjerenju, brojanju i sličnim granularnim zadacima, a detekcija okvira prirodne slike je preciznija. Za razvojne programere koji izrađuju agente za testiranje korisničkog sučelja, vizualne QA cjevovode ili botove za analizu grafikona, ove male prilagodbe rezultiraju manjim brojem pogrešaka u matematici koordinata i detekciji objekata.

Naravno, postoji kompromis: slike veće rezolucije troše više tokena. Ako vam zapravo nije potrebna dodatna vjernost, Anthropic predlaže smanjenje uzorkovanja slika prije slanja u model kako bi se kontrola nad korištenjem tokena održala. Ali kada vam je potreban svaki piksel - na primjer, prilikom prepisivanja podataka grafikona na razini piksela ili provjere rasporeda slajdova do pojedinačnih oznaka - nova ograničenja su jasna pobjeda.

Rad sa znanjem, financijama i profesionalnim tijekovima rada s dokumentima

Opus 4.7 nije samo nadogradnja koda; također postiže bolje rezultate na testovima znanja i rada, posebno u područjima poput financija i prava gdje su preciznost i međudokumentno zaključivanje zaista važni. Na temelju interne evaluacije financijskog agenta tvrtke Anthropic, Opus 4.7 postiže vrhunske performanse i djeluje više kao sposoban mlađi analitičar nego kao jednostavan generator teksta.

U internom testiranju, model je proizveo rigoroznije financijske modele i analize od Opusa 4.6, s bolje strukturiranim narativima i jasnijim pretpostavkama. Također je bolje spojio više podzadataka - prikupljanje podataka, numeričko modeliranje, izradu prezentacija - u kohezivne cjelovite rezultate koji izgledaju i djeluju profesionalno.

Opus 4.7 također postiže najsuvremenije rezultate na GDPval-AA, neovisnom benchmarku usmjerenom na ekonomski vrijedan rad na znanju u financijama, pravu i srodnim područjima. To sugerira da ovo nisu samo odabrane interne pobjede: model sustavno nadmašuje svog prethodnika na složenim, primijenjenim problemima zaključivanja gdje su u pitanju pravi novac ili rizik.

Što se tiče dokumenata, Opus 4.7 je znatno bolji u tijekovima rada koji uključuju generiranje, a zatim vizualnu provjeru uredskih datoteka poput .docx i .pptx. Poboljšan je u stvaranju praćenih promjena u Word datotekama, prilagođavanju rasporeda u PowerPointu, a zatim ponovnom čitanju tih rezultata - putem alata ili vizualnog vida - kako bi se osiguralo da su dizajni slajdova i oznake ispravni. Ako su vaši prije upiti morali previše objašnjavati "dvostruko provjerite raspored slajda prije nego što ga vratite", možda ćete moći ukloniti dio te skele.

Grafikoni i analiza slika također imaju koristi od novih multimodalnih prednosti. Opus 4.7 je bolji u pozivanju vanjskih alata kao što su Python biblioteke za obradu slika (npr. PIL) za pregled grafikona, izdvajanje podataka na razini piksela i prevođenje tih vizuala u strukturirane skupove podataka ili objašnjenja. Ta kombinacija - pozivanje alata plus oštriji vid - čini ga mnogo upotrebljivijim kao partnera u analitičkim nadzornim pločama i izvještajnim kanalima.

Memorija, agenti za dugoročno razdoblje i scratchpadovi datotečnog sustava

Još jedno područje gdje se Opus 4.7 tiho, ali materijalno poboljšava je memorija, posebno u postavkama gdje agent može pisati u i čitati iz trajne datoteke bilješki ili strukturirane pohrane. Umjesto da svaki zahtjev tretira kao uglavnom novi početak, model je bolji u odlučivanju koje detalje zabilježiti, kako ih označiti i kada ih ponovno upotrijebiti u budućim potezima. Osim toga, bolje od tolerancia a fallos en búsqueda distribuida en flujos largos que dependen de contexto persistente.

Ako vaš agent održava bilježnicu, dokument s bilješkama ili laganu bazu podataka između poteza, Opus 4.7 bi trebao pokazati jasno poboljšanje u svojoj sposobnosti iskorištavanja tog vanjskog konteksta. Dosljednije će podsjećati na važne odluke projekta, djelomične rezultate i TODO-e tijekom rada u više sesija, smanjujući količinu ponavljanja u svakom upitu.

Anthropic eksplicitno ističe da je Claude sada bolji u pisanju i korištenju memorije podržane datotečnim sustavom, što je posebno korisno u složenom kodiranju ili istraživačkim agentima. Na primjer, ako imate autonomnog bota za refaktoriranje koji prati otvorene probleme, arhitektonske odluke i testove na čekanju unutar skupa datoteka, Opus 4.7 će obično organizirati i konzultirati te informacije promišljenije od Opusa 4.6.

Ako ne želite sami kreirati memorijski sloj, Anthropic nudi klijentski alat za upravljanje memorijom koji djeluje kao upravljana bilježnica za Claudea. To vam omogućuje eksperimentiranje s agentima duljeg vijeka trajanja – koji obuhvaćaju sesije, grane ili čak tjedne rada – bez prethodne izgradnje potpune vektorske baze podataka ili prilagođene usluge bilješki.

Za dugoročne agentske tragove, model također teži pružanju redovitijih ažuriranja napretka korisniku. To znači da ako ste prethodno dodali složene upute za izradu skele samo kako biste prisilili periodične poruke o "statusu", možete pokušati pojednostaviti i dopustiti zadanom ponašanju Opusa 4.7 da obrađuje izvještavanje o napretku, posebno na višim razinama napora u Claude Codeu.

Sigurnosne, usklađene i kibernetičko-sigurnosne mjere

Što se tiče sigurnosti i usklađenosti, Anthropicove evaluacije pokazuju da Opus 4.7 ima uglavnom sličan profil rizika kao Opus 4.6, s niskim stopama ponašanja koje bi zabrinulo većinu programera: obmana, ulizivanje i suradnja sa zlouporabom. U nekoliko dimenzija, zapravo je malo sigurnije.

Model postiže bolje rezultate na temelju iskrenosti i otpornosti na zlonamjerne napade prompt-injection, što je posebno relevantno ako gradite agente koji unose nepouzdan sadržaj s weba, e-pošte ili dokumenata koje generiraju korisnici. Jači otpor ubrizgavanju otežava neprijateljskim ulazima da preuzmu upute modela ili izvlače tajne putem pametnih trikova s ​​promptom.

Međutim, postoji nekoliko područja gdje je Opus 4.7 nešto slabiji od Opusa 4.6 - na primjer, njegova tendencija davanja previše detaljnih savjeta o smanjenju štete vezane uz kontrolirane tvari. Anthropic ipak zaključuje da je model „uglavnom dobro usklađen i pouzdan, iako ne u potpunosti idealan“ te napominje da eksperimentalniji Claude Mythos Preview ostaje njihov najbolje usklađeni model prema internim mjerama.

Ovo izdanje je također mjesto gdje Anthropic počinje primjenjivati ​​zaštitne mjere kibernetičke sigurnosti u stvarnom vremenu u mainstream model, slijedeći istraživanja i poruke iz svog rada na Projektu Glasswing. Opus 4.7 uključuje sustave koji otkrivaju i automatski blokiraju zahtjeve vezane uz zabranjene ili visokorizične teme kibernetičke sigurnosti, posebno tamo gdje namjera izgleda sumnjivo.

Važno je napomenuti da Anthropic razlikuje zlouporabu od legitimnog sigurnosnog rada: ako ste sigurnosni stručnjak koji se bavi istraživanjem ranjivosti, testiranjem penetracije ili red teamingom, potičemo vas da se prijavite za njihov Program kibernetičke verifikacije. Taj je program namijenjen pružanju provjerenim praktičarima pristupa Opus 4.7 mogućnostima relevantnim za kibernetičku sigurnost bez otvaranja vrata širokoj zlouporabi, a lekcije naučene ovdje vodit će konačne odluke o širem objavljivanju modela u klasi Mythos.

Nove kontrole za razvojne programere: razine napora, adaptivno razmišljanje i proračuni zadataka

Opus 4.7 uvodi nijansiraniji skup "dugmadi" za razvojne programere kako bi mogli kompromisno birati između mogućnosti, brzine i troškova, s parametrom uloženog truda u središte. Napor kontrolira koliko model razmišlja prije odgovora i koliko agresivno koristi alate, što izravno utječe na latenciju i korištenje tokena.

Glavna promjena je nova razina ekstra visokog napora, xhigh, koja se nalazi između visoke i maksimalne i sada je zadana za Claude Code u svim planovima. Za kodiranje i agentske slučajeve upotrebe, Anthropic preporučuje početak s high ili xhigh, rezervirajući max samo za najbrutalnije probleme. Veći napor znači širu pretragu, dublje zaključivanje i općenito bolju pouzdanost - ali i više izlaznih tokena i dulje vrijeme izvođenja.

Opus 4.7 u potpunosti uklanja stari koncept „proširenog proračuna razmišljanja“. Ako pokušate postaviti razmišljanje: {“type”: “enabled”, “budget_tokens”: N}, sada ćete dobiti grešku 400. Adaptivno razmišljanje je jedini podržani način rada “razmišljanja”, a Anthropicovi interni kriteriji pokazuju da ionako dosljedno nadmašuje stare proširene proračune.

Adaptivno razmišljanje je prema zadanim postavkama isključeno, pa se zahtjevi bez polja za razmišljanje izvršavaju bez eksplicitnog unutarnjeg kanala za rasuđivanje. Ako vaša aplikacija ima koristi od bogatijih tokova razmišljanja - na primjer, složeno planiranje ili višekoračni zadaci kodiranja - trebali biste eksplicitno postaviti razmišljanje: {type: “adaptive”} da biste ga uključili.

Još jedan važan dodatak su proračuni zadataka, koji su trenutno u javnoj beta verziji na Claude platformi. Proračun zadatka daje modelu okvirnu ciljnu vrijednost za broj tokena koji treba koristiti u cijeloj agentskoj petlji: njeno interno razmišljanje, pozivi alata, rezultati alata i konačni odgovor. Model vidi odbrojavanje u tijeku i trebao bi dati prioritet radu i elegantno završiti kako se približava proračunu, umjesto da se izvršava dok ga max_tokens naglo ne prekine.

Proračuni zadataka su savjetodavni, a ne fiksni, i konceptualno su odvojeni od max_tokens. max_tokens je strogo ograničenje broja generiranih tokena po zahtjevu i nevidljivo je modelu, dok je task_budget meko ograničenje u cijeloj petlji koje je svjesno modela. Koristite task_budget kada želite da model samostalno moderira svoju ambiciju na temelju dopuštenog iznosa, a max_tokens zadržite kao sigurnosnu mjeru kako biste spriječili prevelike troškove.

Morat ćete eksperimentirati s proračunima zadataka po opterećenju: postavite ih prenisko i model bi mogao prerano otkazati ili dati plitke rezultate; postavite ih visoko i platit ćete više u tokenima. Anthropic predlaže da se proračuni zadataka ne koriste za agentske zadatke otvorenog tipa gdje je kvaliteta najvažnija; umjesto toga, rezervirajte ih za poslove gdje su vam zaista potrebne determinističke gornje granice potrošnje resursa.

Promjene API-ja i tokenizatora koje utječu na migraciju s Opusa 4.6

Iako je Opus 4.7 izravna nadogradnja s Opusa 4.6, postoji nekoliko promjena na razini API-ja i razlika u tokenizaciji koje apsolutno morate uzeti u obzir. Ignoriranje ovih podataka može dovesti do zbunjujućih 400 pogrešaka ili neočekivanih porasta troškova.

Prvo, Opus 4.7 koristi novi tokenizer koji doprinosi poboljšanim performansama u svim zadacima, ali također mijenja koliko tokena vaši ulazi i izlazi troše. U praksi, isti tekst može koristiti otprilike 1.0-1.35× više tokena nego na Opusu 4.6 - do oko 35% više, ovisno o vrsti sadržaja. Krajnja točka /v1/messages/count_tokens stoga će prijaviti različite brojeve za Opus 4.7 nego za starije modele.

Učinkovitost tokena varirat će ovisno o obliku radnog opterećenja, ali Anthropicovi vlastiti interni kriteriji kodiranja sugeriraju da se korištenje tokena zapravo može poboljšati kada se uzme u obzir pametnije razmišljanje i konciznije planiranje. Uz to, izričito preporučuju mjerenje prometa u stvarnoj produkciji i ažuriranje parametara max_tokens kako bi se osigurao dodatni prostor, uključujući i za sve automatizirane okidače zbijanja koje ste možda postavili.

Drugo, Anthropic je pooštrio kontrolu nad parametrima uzorkovanja: počevši od Opusa 4.7, postavljanje temperature, top_p ili top_k na bilo koje vrijednosti koje nisu zadane izazvat će grešku 400. Preporučeni put migracije je jednostavno izbaciti te parametre iz vaših zahtjeva i osloniti se na prompte za upravljanje stilom i determinizmom modela. Čak i ako ste prethodno koristili temperaturu = 0 kako biste pokušali "zamrznuti" odgovore, imajte na umu da pravi determinizam nikada nije zajamčen.

Treće, sadržaj obrazloženja je prema zadanim postavkama izostavljen iz odgovora u Opusu 4.7. I dalje ćete primati blokove razmišljanja u odgovorima streaminga, ali njihovo polje za razmišljanje bit će prazno osim ako se izričito ne odlučite za to. Ova tiha promjena neznatno poboljšava latenciju i smanjuje propusnost. Ako vašoj aplikaciji trebaju čitljivi sažeci internog zaključivanja modela, možete se ponovno uključiti postavljanjem prikaza na "sažeto" za izlaz razmišljanja pomoću jednolinijske konfiguracijske postavke.

Konačno, neke prilagodbe ponašanja koje nisu teški prekidi API-ja i dalje mogu zahtijevati brza ažuriranja. To uključuje doslovnije praćenje instrukcija (posebno na nižim razinama napora), manje automatskih podakata, manje poziva zadanih alata i promjenu ažuriranja napretka tijekom dugih agentskih tragova. Anthropic pruža... vodič za migraciju pa čak i automatizirani pomoćnik za migraciju putem vještine Claude API-ja za kodne baze koje koriste Claude Code ili Agent SDK.

Claude Code s Opusom 4.7: praktična poboljšanja vašeg razvojnog tijeka rada

Claude Code, Anthropicovo okruženje za kodiranje, uvelike je prilagođeno Opusu 4.7, a Boris Cherny, jedan od njegovih kreatora, podijelio je praktične savjete iz višetjednih korištenja na stvarnim projektima. Ukratko: ako ste spremni prilagoditi način na koji radite s njim, možete postići opipljiv napredak u produktivnosti kod ozbiljnih inženjerskih zadataka.

Prvo, novi automatski način rada uvelike uklanja stalne skočne prozore s dopuštenjima koji su prekidali dugotrajne zadatke. Umjesto da vas traži da potvrdite svako uređivanje datoteke ili naredbu, Claude usmjerava te provjere dopuštenja kroz klasifikator koji automatski odobrava sigurne radnje. Možete pustiti Opus 4.7 da se bavi refaktoriranjem, pokreće testove ili čisti datoteke dok se vi usredotočujete na nešto drugo, a zatim se vratite da vidite što je postigao.

Automatski način rada trenutno je dostupan korisnicima Max, Teams i Enterprise verzija i može se brzo prebacivati ​​putem Shift+Tab u naredbenom retku ili putem padajućeg izbornika u aplikaciji za stolna računala i VS Code proširenju. Jedna podcijenjena prednost je mogućnost paralelnog pokretanja više agenata, pri čemu svaki obavlja svoj vlastiti dubinski posao, a zatim preskakanje između njih kako napreduju - bez čuvanja svakog dijaloga za odobrenje.

Ako vam nije ugodno preći na potpunu automatizaciju, Claude Code nudi vještinu /fewer-permission-prompts koja analizira povijest vaše sesije kako bi pronašla ponavljajuće, sigurne naredbe koje i dalje pokreću zahtjeve za dopuštenjima. Nakon analize, predlaže naredbe koje možete sigurno staviti na bijelu listu, uklanjajući mnoge prekide male vrijednosti, a istovremeno ostavljajući radnje visokog rizika iza odobrenja.

Sažeci su još jedna značajka koja se prirodno slaže s dugoročnim fokusom Opusa 4.7. Kada se vratite na sesiju koja je već neko vrijeme u tijeku, Claude pruža kratki sažetak onoga što je učinjeno i što je još preostalo. To je posebno korisno kada se odmaknete od tekućeg zadatka refaktoriranja ili istraživanja; umjesto pregledavanja zida logova ili razlika, dobivate brzi sažetak "evo kako stvari stoje".

Za one koji već vjeruju modelu na složenim zadacima, način rada fokusiranja skriva međubrbljanje i prikazuje samo konačne rezultate. Cherny spominje da ga koristi kada ne treba gledati svaki Opusov korak - želi samo gotov kod, testove ili dokumentaciju. Fokus možete prebacivati ​​naredbom /focus izravno u CLI-ju, što pomaže u smanjenju kognitivne buke tijekom sesija intenzivnog rada.

Kontrola napora je središnja i u Claude Codeu: Opus 4.7 napušta stare fiksne proračune zaključivanja i u potpunosti se oslanja na adaptivni napor. Napor možete prilagoditi putem /effort, a sve razine osim maksimalne ostaju u svim sesijama. Chernyjev osobni obrazac je koristiti vrlo visok napor većinu vremena, rezervirajući apsolutni maksimum za teže probleme gdje je svaki dodatni dio razmišljanja važan.

Vjerojatno najvažniji Chernyjev savjet je da uvijek date Claudeu način da sam provjeri svoj rad. Bez obzira na stog, agentu je potreban mehanizam za pokretanje testova ili end-to-end tokova. Na backend projektima to može značiti skriptu ili naredbu za pokretanje poslužitelja i pokretanje integracijskih testova; na frontend radu često koristi Chromium ekstenziju kako bi Claude mogao kontrolirati preglednik, dok mogućnost korištenja računala pokriva desktop aplikacije.

Chernyjev vlastiti tijek rada objedinjuje ovu filozofiju u prilagođenu vještinu /go koja tjera Claudea da pokreće testove, pojednostavljuje kod pomoću /simplify, a zatim otvara zahtjev za povlačenjem. Po njegovom iskustvu, ovakav cjevovod "provjeri-pa-isporuči" lako udvostručuje ili utrostručuje vrijednost koju dobivate od Opusa 4.7. To se savršeno uklapa s poboljšanom sposobnošću modela da validira vlastite izlaze prije izvještavanja.

Zašto se "prvo naporan rad, a onda strast" i dalje primjenjuje prilikom usvajanja novih alata

Zanimljivo je da način na koji antropolozi i moćni korisnici govore o dobivanju vrijednosti iz Opusa 4.7 odražava širu poantu o karijerama i majstorstvu: strast obično slijedi kompetenciju, a ne prethodi joj. Jensen Huang iz NVIDIA-e slavno se protivi klišeju „samo slijedi svoju strast“, tvrdeći da ljudi koji daju taj savjet obično već žive udobno, dugo nakon što su prošli kroz teške rane godine.

Isti način razmišljanja pojavljuje se kada ljudi opisuju kako raditi s modelom poput Opusa 4.7: odaberite traku u kojoj možete postati istinski jaki, a zatim idite duboko dugo vremena. Umjesto da jurite za popularnošću, odaberite domenu - backend sustave, sigurnosnu automatizaciju, podatkovno inženjerstvo, razvojne alate - gdje postoji stvarna potražnja i gdje ovaj model može proširiti vaše vještine tijekom godina, a ne tjedana.

Taj priručnik naizgled izgleda neglamurozno: mjerite napredak umjesto vibracija, prihvaćate da će biti trenja, dosade i grešaka te nastavljate raditi ponavljanja. Teški dani nisu dokaz da ste odabrali krivi put; oni su obično dokaz da radite na nečemu što je važno. U kontekstu Opusa 4.7, to znači da iterativno usavršavate upute, cjevovode i pregledavate tijekove dok ne izdrže u produkciji, umjesto da model bacate na nasumične sporedne projekte i očekujete magiju.

Kako gradite majstorstvo - i svog zanata i alata poput Opusa 4.7 koji ga podržavaju - polako "zarađujete pravo uređivanja" svog života i stacka. Možete birati zanimljivije probleme, bolje timove i zdravije granice jer su vaše vještine sada rijetke i pouzdane. U početku biste mogli žrtvovati ravnotežu kako biste uložili u učenje; kasnije vam to ulaganje omogućuje da otkupite vrijeme, kontrolu i fleksibilnost.

Praktična poruka za razvojne programere koji usvajaju Claude Opus 4.7 je jednostavna: nemojte samo petljati, već se obvezajte. Tretirajte migraciju, brzo podešavanje, trud i eksperimente s proračunom zadataka kao godine prakse koje stoje iza bilo koje ozbiljne vještine. S vremenom ćete tako dobiti tijekove rada i agente koji istinski mijenjaju način na koji gradite softver, umjesto još jednog alata s kojim ste se "igrali vikend".

Zajedno, Claude Opus 4.7 donosi oštriji, doslovniji i sposobniji mehanizam za kodiranje, rad sa znanjem i zadatke koji zahtijevaju puno vizualnog iskustva, obavijen boljim kontrolama za zaključivanje i troškove - i okružen ekosustavom poput Claude Codea koji je prilagođen stvarnom, neurednom inženjerskom radu. Razvojni programeri koji se oslanjaju na ove promjene, preispituju svoje upute i procese te modelu daju konkretne načine za provjeru vlastitog rezultata najvjerojatnije će se osjećati kao da su zaposlili neumornog, detaljima opsjednutog suradnika, a ne samo nadogradili na malo pametnije automatsko dovršavanje.