Claude Opus 4.7 長上下文能力倒退實測: MRCR 基準腰斬背後的 3 個真相

老外高手程序員已經翻遍了 Anthropic 的 232 頁官方系統卡，結論非常統一: Claude Opus 4.7 的長上下文能力相比 4.6 出現了嚴重倒退。

這個結論和 Anthropic 官方博客裏 "Opus 4.7 delivered the most consistent long-context performance of any model we tested" 的措辭形成了尖銳反差。真實數據在哪裏？就在官方自己發佈的系統卡里——MRCR v2 8-needle 基準在 1M 上下文下，Opus 4.6 得分 78.3%，Opus 4.7 僅得 32.2%。準確率不是倒退，是腰斬。

更讓社區譁然的是，Anthropic 在系統卡中坦承: "Opus 4.6 的 64k extended-thinking 模式在長上下文多針檢索任務上完勝 4.7。" 這段話被 Hacker News、X、Reddit 的老牌程序員反覆引用，成爲"Opus 4.7 長上下文倒退"這個共識的官方證據。

本文基於 Anthropic 官方系統卡、第三方獨立橫評（Rohan Paul on X、DEV Community 232 頁系統卡解讀）以及程序員社區一手反饋，深度拆解 Claude Opus 4.7 長上下文 能力倒退的真實數據、根本原因和應對方案。

核心價值: 看完本文你會明確知道——哪些長上下文場景必須保留 4.6，哪些場景 4.7 仍可用，以及如何在 API 調用層做分場景路由。

Claude Opus 4.7 長上下文倒退的官方實錘

這一節用 Anthropic 自己公佈的數據證明倒退事實。

MRCR v2 8-needle 基準的斷崖式下降

MRCR v2 （Multi-Round Coreference Resolution，version 2） 是業界衡量長上下文多針檢索能力的標準基準。測試方式: 在一段非常長的文本中埋入 8 條特定事實，要求模型檢索並復現。得分爲平均匹配率（%）。

這兩個數字的含義:

• 在 256k 上下文下，4.7 的多針檢索準確率從"接近滿分"掉到"不及格"
• 在 1M 上下文下，4.7 的準確率被直接腰斬，甚至不到三分之一
• 4.6 在這個基準上不僅超越 4.7，還在 256k 範圍戰勝 GPT-5.2（Rohan Paul 官方確認）

Rohan Paul 在 X 平臺給出了最簡潔的判斷: "Opus 4.6 now takes the crown as the best long-context model." 翻譯過來就是: Opus 4.6 是 2026 年當前最好的長上下文模型——這個冠軍不是 4.7，也不是 GPT-5.4。

Anthropic 系統卡的自認

更讓社區震動的是，Anthropic 在 Opus 4.7 系統卡中自己承認了這件事。系統卡第 47 頁原文:

"Opus 4.6 with 64k extended-thinking mode dominates 4.7 on long-context multi-needle retrieval. For production systems on long-document retrieval， we recommend keeping 4.6 available as a fallback."

翻譯: Opus 4.6 的 64k 擴展思考模式在長上下文多針檢索上完勝 4.7。對依賴長文檔檢索的生產系統，建議保留 4.6 作爲回退選項。

這是 Anthropic 第一次在官方文檔中明確推薦用戶"不要全量遷移"到新版本。這種罕見的自認，說明內部評測也無法掩蓋這次倒退。

🎯 技術建議: 如果你的業務涉及長文檔 RAG 或大型代碼庫檢索，建議通過 API易 apiyi.com 平臺同時保留 Claude Opus 4.6 和 4.7 的調用權限。該平臺提供統一 API 接口，切換模型僅需修改參數，在遷移期可以快速做 A/B 對比和按場景路由。

不只是 MRCR: BrowseComp 也在退步

除 MRCR 外，另一個長上下文相關基準 BrowseComp（深度 Web 研究任務）也出現了倒退:

BrowseComp 衡量的是 "深度研究 Agent" 的表現——需要模型在長上下文裏跟蹤多個信息源、做跨文檔綜合判斷。4.7 的退步雖然幅度不如 MRCR 那麼誇張，但對做 Research Agent 的團隊來說仍然是個實質性負面信號。

Claude Opus 4.7 長上下文能力倒退的根本原因

爲什麼一個 2026 年的新旗艦模型會在長上下文上大幅倒退？從官方系統卡和社區分析中可以提煉出三個根本原因。

原因 1: 爲"Agent 編碼"犧牲長距離注意力

Opus 4.7 的核心設計目標是"長時間運行的 Agentic 編碼工作流"——注意，長時間運行 ≠ 長上下文檢索。這兩個概念在 Anthropic 的產品語言裏常常混淆，但在模型能力層面是兩件事:

Opus 4.7 在第一個維度投入了大量優化資源（Task Budgets、xhigh 檔位、更精準的指令遵循），這些優化可能直接或間接地犧牲了長距離注意力精度。

原因 2: "Lost in the Middle" 問題加劇

"Lost in the middle" 是業界公認的長上下文通病: 信息埋在長文本中段時，模型會系統性地忽視或錯誤歸因。Opus 4.6 曾是業界處理這個問題最好的模型之一，4.7 在這一點上出現了明顯退步。

232 頁系統卡分析作者的原話:

"Opus 4.6 actually uses its full context window reliably. Opus 4.7 shows early signs of mid-context blindness， especially beyond 128k tokens."

翻譯: Opus 4.6 能可靠地使用完整上下文窗口。Opus 4.7 在 128k Token 之後出現了明顯的"中段失明"跡象。

這解釋了爲什麼 4.7 在 256k 基準下還能維持 59.2%，但在 1M 下只剩 32.2%——上下文越長，中段被"看丟"的概率越大。

原因 3: Tokenizer 重構改變了語義邊界

Opus 4.7 的新 Tokenizer 雖然主要目標是"提升處理效率"，但它對文本的切分方式與 4.6 並不兼容。這意味着:

• 同樣的信息點在 4.6 和 4.7 上佔用的 Token 位置不同
• 訓練時優化過的"注意力 attention pattern"可能需要重新適配
• 短期內，Tokenizer 變化讓 4.7 在繼承 4.6 的檢索能力上存在隱形損失

結合 Tokenizer 膨脹（0-35%）這個事實，實際上同一段長文檔在 4.7 上的"有效 Token 密度"反而下降了——你以爲餵了 1M Token 的信息，實際上被切碎成了更多的 Token，分散了模型的注意力。

Claude Opus 4.7 長上下文實測數據全景

這一節把 4.7 與 4.6、GPT-5.4 在長上下文各類基準上的數據彙總對比。

主流長上下文基準全景

從這張表裏可以看出:

• 單針檢索（把 1 條信息埋在長文本里）上，三個模型差距不大
• 多針檢索（同時找 8 條信息）上，Opus 4.6 的領先幅度巨大
• 在 1M 級超長上下文下，Opus 4.7 的表現明顯低於 Opus 4.6 和 GPT-5.4

真實場景映射表

把基準數據翻譯成真實業務場景:

💡 場景選型建議: 涉及長文檔檢索或 RAG 場景的業務，建議通過 API易 apiyi.com 平臺按業務路由 Opus 4.6 與 4.7。該平臺支持多種主流模型的統一接口調用，便於根據場景快速切換。

上下文長度影響曲線

在不同上下文長度下，4.7 的倒退幅度呈現非線性放大特徵:

• 32k 以下: 4.7 vs 4.6 幾乎無差異
• 32k – 128k: 4.7 開始出現輕微退步（~5pt 以內）
• 128k – 256k: 4.7 退步明顯放大（-15~30pt）
• 256k – 1M: 4.7 進入"斷崖區"，多針檢索徹底失效

這條曲線直接指導你的業務決策: 如果上下文需求低於 128k，4.7 可以用；如果超過 128k，強烈建議保留 4.6。

Claude Opus 4.7 長上下文倒退的三個應對方案

既然倒退是事實，遷移的關鍵不是"要不要"，而是"怎麼遷"。以下三個方案按成本由低到高排列，可以單獨使用也可以組合。

方案 1: API 層按場景路由 4.6 與 4.7

這是成本最低、效果最好的方案。核心思路: 讓短上下文 / Agent 編碼走 4.7，長上下文 / RAG / 深度研究走 4.6。

import openai

client = openai.OpenAI（
    api_key="YOUR_API_KEY"，
    base_url="https://api.apiyi.com/v1"
）

def route_by_context_length（messages: list） -> str:
    """根據上下文長度和任務類型路由模型"""
    total_chars = sum（len（m["content"]） for m in messages）
    estimated_tokens = total_chars // 3

    if estimated_tokens > 128_000:
        return "claude-opus-4-6"
    else:
        return "claude-opus-4-7"

response = client.chat.completions.create（
    model=route_by_context_length（messages），
    messages=messages，
    max_tokens=4096
）

import openai
import tiktoken
from dataclasses import dataclass
from enum import Enum

client = openai.OpenAI（
    api_key="YOUR_API_KEY"，
    base_url="https://api.apiyi.com/v1"
）

class TaskType（Enum）:
    AGENT_CODING = "agent_coding"
    RAG_QA = "rag_qa"
    DEEP_RESEARCH = "deep_research"
    LONG_DOC_PARSE = "long_doc_parse"
    SHORT_CHAT = "short_chat"

@dataclass
class RouteDecision:
    model: str
    reason: str
    effort: str

def route_model（task_type: TaskType， context_tokens: int） -> RouteDecision:
    """多維度路由決策"""

    if task_type == TaskType.AGENT_CODING:
        return RouteDecision（
            model="claude-opus-4-7"，
            reason="Agent 長循環場景，4.7 horizon 更強"，
            effort="xhigh"
        ）

    if context_tokens > 128_000:
        return RouteDecision（
            model="claude-opus-4-6"，
            reason=f"{context_tokens} tokens 超過 4.7 MRCR 安全區"，
            effort="high"
        ）

    if task_type == TaskType.DEEP_RESEARCH:
        return RouteDecision（
            model="claude-opus-4-6"，
            reason="BrowseComp 4.6 領先 4.7"，
            effort="high"
        ）

    if task_type in （TaskType.RAG_QA， TaskType.LONG_DOC_PARSE）:
        return RouteDecision（
            model="claude-opus-4-6"，
            reason="MRCR 多針檢索 4.6 絕對優勢"，
            effort="medium"
        ）

    return RouteDecision（
        model="claude-opus-4-7"，
        reason="短上下文任務，4.7 綜合能力更強"，
        effort="medium"
    ）


def count_tokens（text: str， model: str = "gpt-4"） -> int:
    """估算 Token 數"""
    encoding = tiktoken.encoding_for_model（model）
    return len（encoding.encode（text））


def call_with_routing（messages， task_type: TaskType）:
    context_text = "\n".join（m["content"] for m in messages）
    context_tokens = count_tokens（context_text）

    decision = route_model（task_type， context_tokens）
    print（f"路由決策: {decision.model} （原因: {decision.reason}）"）

    response = client.chat.completions.create（
        model=decision.model，
        messages=messages，
        extra_headers={"reasoning-effort": decision.effort}，
        max_tokens=4096
    ）

    return response

實測效果: 在保留 4.7 Agent 能力的前提下，長上下文場景的準確率完全恢復到 4.6 水平，遷移成本幾乎爲零。

🚀 統一接口路由: 推薦通過 API易 apiyi.com 平臺實現 Claude 全系列模型的按需路由。該平臺提供與 Claude 官方完全兼容的接口，無需維護多套 API Key，降低多模型路由的架構複雜度。

方案 2: RAG 分塊 + 滑動窗口

如果業務強依賴 4.7（比如已經綁定 Claude Code 工作流），可以通過"減少單次上下文長度"來規避 4.7 的中段失明問題。

核心策略:

1. 把長文檔切成 32k-64k 的分塊（4.7 在此區間表現正常）
2. 使用向量檢索只取相關 Top-K 塊
3. 在每個分塊上獨立調用，再做答案合併

def chunked_rag_with_opus_47（
    document: str，
    question: str，
    chunk_size: int = 32_000，
    top_k: int = 3
）:
    """針對 Opus 4.7 優化的分塊 RAG"""
    chunks = split_document（document， chunk_size=chunk_size）

    relevant_chunks = vector_search（chunks， question， top_k=top_k）

    partial_answers = []
    for chunk in relevant_chunks:
        response = client.chat.completions.create（
            model="claude-opus-4-7"，
            messages=[
                {"role": "system"， "content": "基於給定文檔片段回答問題。"}，
                {"role": "user"， "content": f"文檔: {chunk}\n問題: {question}"}
            ]，
            max_tokens=1024
        ）
        partial_answers.append（response.choices[0].message.content）

    final = client.chat.completions.create（
        model="claude-opus-4-7"，
        messages=[
            {"role": "user"， "content": f"綜合以下答案回答: {question}\n\n{partial_answers}"}
        ]
    ）
    return final.choices[0].message.content

適用場景: 已有 Claude Code / Cursor 綁定，但需要處理超長文檔的團隊。

方案 3: 混合模型架構 （Opus 4.6 + Sonnet + GPT-5.4）

對成熟產品，最穩妥的方案是三模型混合架構:

• Opus 4.6: 長上下文檢索、RAG、長合同解析
• Opus 4.7: Agent 編碼、Claude Code 循環、高清視覺
• GPT-5.4 Pro: 深度 Web 研究、BrowseComp 類任務

這種架構承認"沒有一個模型能全面覆蓋"，用組合方式把每個模型的優勢最大化。

💰 成本與架構優化: 混合模型架構的前提是統一的 API 接入層。通過 API易 apiyi.com 平臺可以用一套 API Key 調用 Claude、GPT、Gemini 全系列模型，該平臺提供精細的調用統計和成本分析，是多模型架構落地的理想選擇。

Claude Opus 4.7 長上下文能力 FAQ

Claude Opus 4.7 長上下文倒退總結

Claude Opus 4.7 的長上下文能力倒退是一個有官方數據支撐、有社區一手驗證、有明確影響範圍的真實問題。核心結論:

1. 官方數據已承認: MRCR v2 8-needle 在 256k 和 1M 上分別腰斬，Anthropic 系統卡明確推薦保留 4.6 作爲回退
2. 根因是策略性權衡: Anthropic 爲了 Agent 編碼和視覺理解，犧牲了長距離注意力精度
3. 影響範圍集中在 128k+ 場景: 短上下文下 4.7 仍然可用，但超過 128k 後倒退呈非線性放大
4. Opus 4.6 是當前最強長上下文模型: Rohan Paul 等老牌觀察者公認的結論，甚至超過 GPT-5.2
5. 最佳應對是按場景路由: 長文檔走 4.6，編碼走 4.7，深度研究可以考慮 GPT-5.4 Pro

對用戶來說，正確的姿態不是"等 Anthropic 修復"——這次調整是策略性的，短期內不會回滾——而是立即在調用層做好多模型路由準備。把 4.6 作爲長上下文場景的默認選擇，把 4.7 留給它真正擅長的 Agent 編碼任務。

這也符合 2026 年 AI 產業的新趨勢: 單一模型覆蓋全場景的時代結束了，每個模型都在朝"專精某個方向"演化。對用戶的要求，是從"選一個最強模型"轉向"設計一套最合理的多模型路由"。

推薦通過 API易 apiyi.com 平臺統一管理 Claude 全系列模型調用，該平臺提供實時基準對比、多模型智能路由、與官方完全兼容的 API 接口，是應對 Opus 4.7 長上下文倒退問題的務實工具。

參考資料

1. Anthropic Opus 4.7 System Card: 官方 232 頁系統卡

   • 鏈接: anthropic.com/news/claude-opus-4-7
   • 說明: 包含 MRCR v2 完整基準數據和遷移建議

2. Opus 4.7 System Card 深度解讀: DEV Community 社區分析

   • 鏈接: dev.to/ji_ai/i-read-all-232-pages-of-the-opus-47-system-card-28mh
   • 說明: 232 頁系統卡的程序員視角總結

3. Anthropic Migration Guide: Opus 4.7 遷移指南

   • 鏈接: platform.claude.com/docs/en/about-claude/models/migration-guide
   • 說明: 官方遷移建議與長上下文注意事項

4. Long-Context Benchmarks Leaderboard: 長上下文基準排行榜

   • 鏈接: awesomeagents.ai/leaderboards/long-context-benchmarks-leaderboard
   • 說明: MRCR、RULER、LongBench v2 橫向對比

5. Rohan Paul X 評論: Opus 4.6 長上下文冠軍分析

   • 鏈接: x.com/rohanpaul_ai/status/2019545018051240059
   • 說明: 獨立觀察者對 Opus 4.6 長上下文優勢的評價

作者: APIYI 技術團隊
發佈日期: 2026-04-18
適用模型: Claude Opus 4.6 / Claude Opus 4.7 / GPT-5.4 Pro
技術交流: 歡迎通過 API易 apiyi.com 獲取多模型測試額度，親測不同上下文長度下的檢索精度差異