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

Početna » piton » Promjene za programere u Claude Opus 4.7: detaljan pregled novog modela

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

Ono što se zaista ističe jeste da Anthropic nije samo pojačao sirove mogućnosti; oni su također preradili ključna ponašanja, API-ji i zaštitne ograde Dakle, Opus 4.7 se ponaša više kao pouzdan saigrač koji može dugo raditi. Slijeđenje instrukcija je strože, memorija je upotrebljivija u stvarnim projektima, multimodalna podrška prelazi na pravu visoku rezoluciju, a okolna platforma (Claude Code, budžeti zadataka, nivoi napora) je podešena prema stvarnim radnim procesima programera. To znači da ćete morati ponovo pregledati neke upute i infrastrukturu, ali ako se prilagodite, možete se osloboditi više "teških, dosadnih stvari" nego prije.

Šta Claude Opus 4.7 pokušava biti za programere

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 konzistentnijim ponašanjem tokom više ciklusa.

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

Ispod haube, Opus 4.7 zadržava isti kontekstni prozor od 1 milion tokena i do 128 hiljada izlaznih tokena koji su ranije verzije Opusa učinili atraktivnim za velike kodne baze i velike dokumente. Također podržava adaptivno razmišljanje, poznati alat i platformu iz Opusa 4.6, i dostupan je svugdje gdje biste očekivali: putem Claude API-ja, svih Claude proizvoda, Amazon Bedrock-a, Google Cloud Vertex AI-ja i Microsoft Foundry-ja. Cijena ostaje ista: otprilike 5 dolara po milionu ulaznih tokena i 25 dolara po milionu izlaznih tokena.

Pored ograničenja sirovog protoka i tokena, model je namjerno autonomniji u načinu na koji obrađuje petlje „slične agentima“. U kombinaciji s novim konceptima poput budžeta zadataka i poboljšanog parametra napora, Opus 4.7 je namijenjen za ugradnju u sisteme gdje može orkestrirati više koraka - korištenje alata, uređivanje datoteka, provjere, sažetke - bez stalnog preusmjeravanja kontrole na korisnika.

Oštrije praćenje instrukcija i promjene u ponašanju kojima se programeri moraju prilagoditi

Jedna od najvećih svakodnevnih razlika koju će programeri osjetiti je koliko doslovno Opus 4.7 prati 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 mnogo više trudi da se tačno pridržava onoga što ste napisali - i ne mnogo više od toga.

Ovo strože praćenje uputa ima praktičnu posljedicu: upute koje su prije funkcionirale „dovoljno dobro“ sada se mogu početi ponašati na iznenađujuće načine. Ako su se vaši stari sistemi oslanjali na model kako bi zaključili korake koje niste u potpunosti objasnili ili generalizirali obrasce s jedne stavke liste na drugu, sada biste mogli vidjeti izlaz koji djeluje kruto ili nepotpuno. Anthropic izričito preporučuje ponovno pregledavanje i ponovno podešavanje promptova i sistema integracije iz tog razloga.

Dužina odgovora je također drugačije kalibrirana: Opus 4.7 prilagođava detalje percipiranoj složenosti zadatka umjesto da se podešava na stil odgovora fiksne dužine. Za jednostavna pitanja često ćete dobiti konciznije odgovore, dok teži višedijelni ili agentski zadaci prirodno proizvode duže i detaljnije rezultate. Ovo dinamičko dimenzioniranje znači da ćete htjeti biti eksplicitniji u pogledu kratkoće ako vaša aplikacija ima stroga ograničenja rezultata.

Model također koristi manje poziva alata po zadanim postavkama i više se oslanja na vlastito razmišljanje, osim ako ga namjerno ne podstaknete na korištenje alata povećanjem nivoa napora. To su dobre vijesti za latenciju i troškove u mnogim slučajevima, ali ako vaš sistem očekuje arhitekturu s velikim brojem alata (npr. agresivno izvršavanje koda, lintere ili simulatore), trebali biste testirati da li trebate potaknuti veću upotrebu alata putem promptova i podešavanja napora.

Što se tiče tona, Opus 4.7 se udaljava od ekstra toplog, na validaciji pretežito orijentisanog stila Opusa 4.6 ka direktnijem, tvrdoglavom glasu sa manje emojija i manje ukrasa tipa „odlično ti ide“. Za alate za razvojne programere, to je obično pobjeda: dobijate jasnije procjene, direktnije 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 Claude model sa istinskom podrškom za slike visoke rezolucije, povećavajući maksimalnu veličinu slike na 2576 piksela na dužoj ivici, ili oko 3.75 megapiksela. To je više nego trostruko više od prethodnog ograničenja od 1568px / 1.15MP, i fundamentalno mijenja ono što možete sigurno slati modelu kada se radi s gustim vizualnim artefaktima.

Ovaj skok u rezoluciji direktno omogućava bolje performanse pri opterećenjima s velikim vizualnim zahtjevima: agenti sada mogu pouzdano analizirati pretrpane snimke ekrana korisničkog interfejsa, složene dijagrame i skenirane dokumente koji sadrže sitne detalje. Slučajevi upotrebe poput čitanja snimaka ekrana cijele radne površine od strane agenata za korištenje računara, izvlačenja strukturiranih podataka iz složenih grafikona ili poređenja savršenih rasporeda piksela postaju daleko održiviji bez smanjenja veličine svega do te mjere da se izgube informacije.

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

Pored čiste rezolucije, Opus 4.7 poboljšava percepciju i lokalizaciju niskog nivoa: bolji je u pokazivanju, mjerenju, brojanju i sličnim granularnim zadacima, a detekcija okvira prirodne slike je preciznija. Za programere koji grade agente za testiranje korisničkog interfejsa, vizuelne QA kanale ili botove za analizu grafikona, ova mala podešavanja rezultiraju manjim brojem grešaka u matematici koordinata i detekciji objekata.

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

Rad sa znanjem, finansijama i profesionalnim radnim procesima dokumenata

Opus 4.7 nije samo nadogradnja kodiranja; on 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 osnovu interne evaluacije finansijskog agenta kompanije 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 finansijske 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, sveobuhvatne rezultate koji izgledaju i djeluju profesionalno.

Opus 4.7 također postiže najsavremenije rezultate na GDPval-AA, nezavisnom benchmarku usmjerenom na ekonomski vrijedan rad na znanju u finansijskim, pravnim i srodnim oblastima. To sugerira da ovo nisu samo odabrane interne pobjede: model sistematski 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 radnim procesima koji uključuju generiranje, a zatim vizualnu provjeru Office datoteka poput .docx i .pptx. Poboljšan je u kreiranju praćenih promjena u Word datotekama, prilagođavanju rasporeda u PowerPointu, a zatim ponovnom čitanju tih rezultata - putem alata ili vizuelnog prikaza - kako bi se osiguralo da su dizajn slajdova i oznake ispravni. Ako su vaši prijedlozi 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 eksternih alata kao što su Python biblioteke za obradu slika (npr. PIL) za pregled grafikona, izdvajanje podataka na nivou 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 kontrolnim tablama i procesima izvještavanja.

Memorija, agenti za dugoročno praćenje i scratchpadovi datotečnog sistema

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 strukturiranog skladišta. Umjesto da svaki zahtjev tretira kao uglavnom novi početak, model je bolji u odlučivanju koje detalje zabilježiti, kako ih označiti i kada ih ponovo upotrijebiti u budućim krugovima. Dodatno, 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 da iskoristi taj vanjski kontekst. Dosljednije će podsjećati na važne projektne odluke, djelomične rezultate i TODO-ove tokom 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 sistemom, što je posebno korisno kod složenog kodiranja ili istraživačkih agenata. Na primjer, ako imate autonomnog bota za refaktorisanje koji prati otvorene probleme, arhitektonske odluke i testove na čekanju unutar skupa datoteka, Opus 4.7 će obično organizirati i konsultovati te informacije promišljenije od Opusa 4.6.

Ako ne želite kreirati vlastiti memorijski sloj, Anthropic nudi klijentski alat za rad s memorijom koji djeluje kao upravljani scratchpad za Claudea. Ovo vam omogućava da eksperimentišete sa agentima dužeg vijeka trajanja – koji obuhvataju sesije, grane ili čak sedmice rada – bez prethodne izgradnje potpune vektorske baze podataka ili prilagođene usluge bilješki.

Za agentske tragove na duži vremenski period, model također teži da korisniku pruža redovnija ažuriranja napretka. To znači da ako ste prethodno dodali složene upute za izradu skele samo da biste prisilili periodične poruke o "statusu", možete pokušati pojednostaviti i pustiti da Opus 4.7 koristi zadano ponašanje za izvještavanje o napretku, posebno na višim nivoima napora u Claude Codeu.

Sigurnosne, usklađene i zaštitne mjere za kibernetičku sigurnost

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 saradnja sa zloupotrebom. U nekoliko dimenzija, zapravo je malo sigurnije.

Model postiže bolje rezultate u pogledu iskrenosti i otpornosti na zlonamjerne napade prompt-injection-om, 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 instrukcije modela ili da izvuče tajne putem pametnih trikova.

Međutim, postoji nekoliko područja gdje je Opus 4.7 nešto slabiji od Opusa 4.6 - na primjer, njegova tendencija da daje previše detaljne savjete o smanjenju štete u vezi s kontroliranim supstancama. 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 početak implementacije mjera zaštite kibernetičke sigurnosti u stvarnom vremenu u mainstream model, nakon istraživanja i poruka iz njihovog rada na Projektu Glasswing. Opus 4.7 uključuje sisteme koji detektuju i automatski blokiraju zahtjeve vezane za zabranjene ili visokorizične teme sajber sigurnosti, posebno tamo gdje namjera izgleda sumnjivo.

Važno je napomenuti da Anthropic pravi razliku između zloupotrebe i legitimnog sigurnosnog rada: ako ste sigurnosni stručnjak koji se bavi istraživanjem ranjivosti, testiranjem penetracije ili crvenim timskim radom, preporučuje se da se prijavite za njihov Program sajber verifikacije. Taj program ima za cilj da provjerenim praktičarima omogući pristup Opus 4.7 mogućnostima relevantnim za sajber sigurnost, bez otvaranja vrata širokoj zloupotrebi, a lekcije naučene ovdje će voditi konačne odluke o širem objavljivanju modela u klasi Mythos.

Nove kontrole za razvojne programere: nivoi napora, adaptivno razmišljanje i budžeti zadataka

Opus 4.7 uvodi nijansiraniji skup "dugmadi" za programere kako bi mogli napraviti kompromis između mogućnosti, brzine i troškova, s parametrom uloženog truda u središte. Napor kontroliše koliko model razmišlja prije nego što odgovori i koliko agresivno koristi alate, što direktno utiče na latenciju i korištenje tokena.

Glavna promjena je novi ekstra visoki nivo napora, xhigh, koji se nalazi između visokog i maksimalnog i sada je zadani za Claude Code u svim planovima. Za slučajeve kodiranja i agentske upotrebe, Anthropic preporučuje početak s high ili xhigh, a max rezerviranje samo za najbrutalnije probleme. Veći napor znači širu pretragu, dublje razmišljanje i općenito bolju pouzdanost - ali i više izlaznih tokena i duže vrijeme izvršavanja.

Opus 4.7 u potpunosti uklanja stari koncept "proširenog budžeta za razmišljanje". Ako pokušate postaviti razmišljanje: {“type”: “enabled”, “budget_tokens”: N}, sada ćete dobiti grešku 400. Adaptivno razmišljanje je jedini podržani način rada “razmišljanja-na-uključeno”, a interni testovi Anthropica pokazuju da on ionako dosljedno nadmašuje stare proširene budžete.

Adaptivno razmišljanje je podrazumevano isključeno, tako da se zahtevi bez polja za razmišljanje izvršavaju bez eksplicitnog internog 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 budžeti zadataka, koji su trenutno u javnoj beta verziji na Claude platformi. Budžet 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 toku i trebao bi dati prioritet radu i elegantno završiti kako se približava budžetu, umjesto da radi dok ga max_tokens naglo ne prekine.

Budžeti 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, svjestan modela u cijeloj petlji. Koristite task_budget kada želite da model samostalno moderira svoju ambiciju na osnovu dozvoljenog iznosa, a max_tokens zadržite kao sigurnosnu mjeru kako biste spriječili prevelike troškove.

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

Promjene API-ja i tokenizera koje utiču na migraciju sa Opusa 4.6

Iako je Opus 4.7 direktna nadogradnja sa Opusa 4.6, postoji nekoliko promjena na nivou API-ja i razlika u tokenizaciji koje apsolutno morate uzeti u obzir. Ignorisanje ovih podataka može dovesti do zbunjujućih 400 grešaka 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 tačka /v1/messages/count_tokens će stoga prijaviti različite brojeve za Opus 4.7 nego za starije modele.

Efikasnost tokena će varirati u zavisnosti od oblika opterećenja, ali Anthropic-ovi interni testovi kodiranja sugerišu da se neto korištenje tokena zapravo može poboljšati kada se uzme u obzir pametnije razmišljanje i konciznije planiranje. Uz to, oni eksplicitno preporučuju mjerenje na stvarnom produkcijskom prometu i ažuriranje parametara max_tokens kako bi se osigurao dodatni prostor, uključujući i za sve automatizirane okidače sažimanja 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 će izazvati grešku 400. Preporučeni put migracije je jednostavno izbaciti te parametre iz vaših zahtjeva i osloniti se na upite za upravljanje stilom i determinizmom modela. Čak i ako ste prethodno koristili temperaturu = 0 da biste pokušali "zamrznuti" odgovore, imajte na umu da pravi determinizam nikada nije zagarantovan.

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

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

Claude Code sa Opusom 4.7: praktična unapređenja vašeg razvojnog procesa

Claude Code, Anthropicovo okruženje za kodiranje, u velikoj mjeri je prilagođeno Opusu 4.7, a Boris Cherny - jedan od njegovih kreatora - podijelio je praktične savjete stečene tokom višesedmičnih 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 uveliko uklanja stalne iskačuće prozore za dozvole koji su prekidali dugotrajne zadatke. Umjesto da vas traži da potvrdite svako uređivanje datoteke ili komandu, Claude usmjerava te provjere dozvola kroz klasifikator koji automatski odobrava sigurne radnje. Možete pustiti Opus 4.7 da se bavi refaktorisanjem, pokreće testove ili čisti datoteke dok se vi fokusirate na nešto drugo, a zatim se vratite da vidite šta je postignuto.

Automatski način rada trenutno je dostupan korisnicima Max, Teams i Enterprise verzija i može se brzo prebacivati ​​putem Shift+Tab u komandnoj liniji ili putem padajućeg izbornika u desktop aplikaciji i VS Code ekstenziji. Jedna podcijenjena prednost je mogućnost paralelnog pokretanja više agenata, pri čemu svaki obavlja svoj vlastiti dubinski posao, a zatim prelaska s jednog agenta na drugi kako napreduju - bez čuvanja svakog dijaloga za odobrenje.

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

Rekapitulacije su još jedna karakteristika koja se prirodno uklapa s dugoročnim fokusom Opusa 4.7. Kada se vratite na sesiju koja je već neko vrijeme aktivna, Claude pruža kratak pregled onoga što je urađeno i šta je još ostalo. Ovo je posebno korisno kada se odmaknete od tekućeg zadatka refaktorisanja ili istraživanja; umjesto pregledavanja zida logova ili razlika, dobijate brzi sažetak "evo kako stvari stoje".

Za one koji već vjeruju modelu u složenim zadacima, način rada fokusiranja skriva međubrbljanje i prikazuje samo konačne rezultate. Cherny spominje da ga koristi kada ne mora da prati svaki korak koji Opus napravi—želi samo gotov kod, testove ili dokumentaciju. Fokus možete prebacivati ​​pomoću naredbe /focus direktno u CLI-ju, što pomaže u smanjenju kognitivne buke tokom sesija intenzivnog rada.

Kontrola napora je također centralna u Claude Codeu: Opus 4.7 napušta stare fiksne budžete za razmišljanje i u potpunosti se oslanja na adaptivni napor. Napor možete podesiti putem /effort, a svi nivoi osim maksimalnog ostaju prisutni kroz sesije. Chernyjev lični obrazac je da većinu vremena koristi vrlo visok napor, a apsolutni maksimum rezervira za teže probleme gdje je svaki dodatni dio razmišljanja važan.

Vjerovatno najvažniji Chernyjev savjet je da uvijek date Claudeu način da sam provjeri svoj rad. Bez obzira na stek, agentu je potreban mehanizam za pokretanje testova ili end-to-end tokova. Na backend projektima, to može značiti skriptu ili naredbu za pokretanje servera i pokretanje integracijskih testova; na frontend radu, često koristi Chromium ekstenziju kako bi Claude mogao kontrolirati preglednik, dok mogućnost korištenja računara 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 proces "provjeri-pa-isporuči" lako udvostručuje ili utrostručuje vrijednost koju dobijate 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 ostvarivanju vrijednosti iz Opusa 4.7 odražava širu poentu o karijerama i majstorstvu: strast obično prati kompetenciju, a ne prethodi joj. Jensen Huang iz kompanije NVIDIA se slavno protivi klišeu „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 se pojavljuje kada ljudi opisuju kako raditi s modelom poput Opusa 4.7: odaberite traku u kojoj možete postati zaista jaki, a zatim idite duboko dugo vremena. Umjesto da jurite za popularnošću, odaberite domen – backend sisteme, sigurnosnu automatizaciju, inženjering podataka, devtools – gdje postoji stvarna potražnja i gdje ovaj model može proširiti vaše vještine tokom godina, a ne sedmica.

Taj priručnik na površini izgleda neglamurozno: mjerite napredak umjesto vibracija, prihvatate da će biti trenja, dosade i grešaka i nastavljate raditi ponavljanja. Teški dani nisu dokaz da ste odabrali pogrešan put; oni su obično dokaz da radite na nečemu što je važno. U kontekstu Opusa 4.7, to znači da iterativno usavršavate upute, procese i pregledavate tokove 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 da uređujete" svoj život i stack. 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 mnogo u učenje; kasnije vam to ulaganje omogućava da otkupite vrijeme, kontrolu i fleksibilnost.

Praktična poruka za programere koji usvajaju Claude Opus 4.7 je jednostavna: nemojte samo eksperimentirati, već se obavezajte (commit). Tretirajte migraciju, brzo podešavanje, trud i eksperimente s budžetom zadataka kao godine prakse koje stoje iza bilo koje ozbiljne vještine. Vremenom ćete tako dobiti tokove rada i agente koji zaista mijenjaju način na koji gradite softver, umjesto još jednog alata s kojim ste se "igrali vikendom".

Zajedno, Claude Opus 4.7 donosi oštriji, doslovniji i sposobniji mehanizam za kodiranje, rad sa znanjem i zadatke koji zahtijevaju mnogo vizuelnih tehnika, obavijen boljim kontrolama za zaključivanje i troškove - i okružen ekosistemom poput Claude Code-a koji je podešen za stvarni, neuredni inženjerski rad. Programeri koji se oslanjaju na ove promjene, preispituju svoje upute i procese izrade, te daju modelu konkretne načine za provjeru vlastitog rezultata, najvjerovatnije će se osjećati kao da su angažovali neumornog, detaljima opsjednutog saradnika, umjesto da su samo nadogradili na malo pametnije automatsko dovršavanje.