
Claude Opus 4.7: Anthropic ersetzt Sampling-Parameter durch semantische Steuerung
Claude Opus 4.7 wurde Ende April 2026 von Anthropic veröffentlicht und markiert einen Paradigmenwechsel in der API-Gestaltung. Die Benchmark-Ergebnisse fallen erwartbar für ein inkrementelles Release aus: SWE-bench Verified 87,6 %, SWE-bench Pro 64,3 %, MCP-Atlas mit einem Plus von 14,6 Prozentpunkten sowie State-of-the-Art auf GDPval-AA für wirtschaftlich wertvolle Wissensarbeit. Besonders auffällig ist die XBOW-Visual-Acuity-Verbesserung von 54,5 % auf 98,5 %, während BrowseComp und Long-Context-Multi-Needle-Retrieval schlechter abschneiden als beim Vorgänger. Der eigentlich disruptive Aspekt liegt jedoch im veränderten API-Vertrag: Anthropic hat Sampling-Parameter wie temperature, top_p, top_k und thinking.budget_tokens ersatzlos gestrichen — kein Deprecation-Warning, sondern sofortiger 400-Fehler. An deren Stelle tritt ein effort-Enum mit fünf Stufen (low, medium, high, xhigh, max) sowie task_budget, eine Token-Obergrenze, die das Modell selbst einsehen kann. Der Wechsel bedeutet konzeptuell, dass Entwickler nicht mehr in die Decoding-Schleife eingreifen, sondern dem Modell mitteilen, wie intensiv es denken soll. Laut TheSequence ist Self-Verification dabei ein trainiertes Verhalten und kein Prompt-Trick mehr — ebenso wie Literal Instruction Following, 1:1-Pixel-Mapping und dateibasiertes Gedächtnis als nachgelagerte Eigenschaften dieses neuen Interface-Designs betrachtet werden.
- SWE-bench Verified: 87,6 %; SWE-bench Pro: 64,3 % — typische Zahlen für ein zweimonatiges inkrementelles Release.
- XBOW Visual-Acuity steigt von 54,5 % auf 98,5 % — einer der größten Einzelsprünge im Benchmark-Set.
- MCP-Atlas verbessert sich um +14,6 Prozentpunkte; GDPval-AA zeigt State-of-the-Art bei wirtschaftlich relevanter Wissensarbeit.
- BrowseComp und Long-Context-Multi-Needle-Retrieval verschlechtern sich gegenüber 4.6 — explizit im Artikel als Rückschritt benannt.
- Der einzig unterstützte Thinking-Modus in 4.7 ist 'adaptive' — alle anderen Modi wurden ohne Übergangszeit entfernt.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge

Claude Opus 4.7: Anthropic ersetzt Sampling-Parameter durch semantische Steuerung
Claude Opus 4.7 wurde Ende April 2026 von Anthropic veröffentlicht und markiert einen Paradigmenwechsel in der API-Gestaltung. Die Benchmark-Ergebnisse fallen erwartbar für ein inkrementelles Release aus: SWE-bench Verified 87,6 %, SWE-bench Pro 64,3 %, MCP-Atlas mit einem Plus von 14,6 Prozentpunkten sowie State-of-the-Art auf GDPval-AA für wirtschaftlich wertvolle Wissensarbeit. Besonders auffällig ist die XBOW-Visual-Acuity-Verbesserung von 54,5 % auf 98,5 %, während BrowseComp und Long-Context-Multi-Needle-Retrieval schlechter abschneiden als beim Vorgänger. Der eigentlich disruptive Aspekt liegt jedoch im veränderten API-Vertrag: Anthropic hat Sampling-Parameter wie temperature, top_p, top_k und thinking.budget_tokens ersatzlos gestrichen — kein Deprecation-Warning, sondern sofortiger 400-Fehler. An deren Stelle tritt ein effort-Enum mit fünf Stufen (low, medium, high, xhigh, max) sowie task_budget, eine Token-Obergrenze, die das Modell selbst einsehen kann. Der Wechsel bedeutet konzeptuell, dass Entwickler nicht mehr in die Decoding-Schleife eingreifen, sondern dem Modell mitteilen, wie intensiv es denken soll. Laut TheSequence ist Self-Verification dabei ein trainiertes Verhalten und kein Prompt-Trick mehr — ebenso wie Literal Instruction Following, 1:1-Pixel-Mapping und dateibasiertes Gedächtnis als nachgelagerte Eigenschaften dieses neuen Interface-Designs betrachtet werden.
- SWE-bench Verified: 87,6 %; SWE-bench Pro: 64,3 % — typische Zahlen für ein zweimonatiges inkrementelles Release.
- XBOW Visual-Acuity steigt von 54,5 % auf 98,5 % — einer der größten Einzelsprünge im Benchmark-Set.
- MCP-Atlas verbessert sich um +14,6 Prozentpunkte; GDPval-AA zeigt State-of-the-Art bei wirtschaftlich relevanter Wissensarbeit.
- BrowseComp und Long-Context-Multi-Needle-Retrieval verschlechtern sich gegenüber 4.6 — explizit im Artikel als Rückschritt benannt.
- Der einzig unterstützte Thinking-Modus in 4.7 ist 'adaptive' — alle anderen Modi wurden ohne Übergangszeit entfernt.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.