Opus 4.7在SimpleBench基准测试得分低于4.5、4.6版本，网友就基准合理性、模型表现差异展开讨论，有人认为其自适应思考遇陷阱题易出错，也有用户反馈它在代理编码场景表现好坏不一，Anthropic侧重优化代码能力或致其他领域波动。