Opus 4.7 发布了，实测确实强。 但我发现——4.6 两个月前发布的时候，官方 benchmark 表里它吊打 GPT-5.4，"当前最强没有之一"。 今天 4.7 的对比表里，同一个 4.6 突然就落后 GPT-5.4 了。 模型没变，评测集没变，变的只是比较的角度。 讲白了每次新模型发布，上一代就会被悄悄"重新校准"，这样才能凸显新版本的提升。不只是 Anthropic，OpenAI、Google 每次发布会都这么玩。 看模型发布，看 benchmark 不如看第三方长期评测和真实用户反馈。官方的表格永远是新模型胜出(xiyu)