Claude Opus 4.7 (AU)

Claude Opus 4.7 (AU) 属于 claude-opus 家族，通过 Amazon Bedrock 在澳洲区域对外提供，权重不开源，本站仅收录到这一个平台条目。它要解决的核心问题是：当材料规模超出常规上下文窗口、又需要在同一次请求里完成理解与产出时，可以尽量不切块、不拼接检索结果。上下文窗口为 100 万 tokens，单次最大输出 12.8 万 tokens，支持 text、image、pdf 三种输入模态，输出仅 text，知识截止到 2026-01-31。能力项包括推理、工具调用、结构化输出与附件输入，因此既可当作长文档分析引擎，也可作为多步骤智能体的决策节点。与同系列 4.6 的区域版本相比，定价持平，差异主要体现在版本迭代而非价格档位。对于已经在 AWS 上运行业务、又不想自建推理基础设施的团队，这类托管接入方式省去了部署环节，代价是放弃对模型权重和运行环境的控制。

选型建议需要在单次请求内消化超长材料并产出结构化结果、且业务已落在 AWS 上时选它；只做短文本高并发调用或要求自托管权重时不选。

• 一次性读入数百页合同或研报，抽取条款与关键指标并输出结构化表格
• 在 AWS 上搭建多步骤智能体，串联工具调用、中间推理与结果回填
• 处理含图表、扫描件的 PDF 附件，完成图文混合的问答与摘要
• 以缓存复用长系统提示与固定文档，支撑稳定吞吐的批量文档分类
• 对超长技术文档做跨章节比对，定位前后矛盾的表述与定义

延续 Claude Opus 系列的自回归 Transformer 主干，支持文本、图像、PDF 混合输入，官方未公布参数规模与训练细节，公开资料较少。

• 结构属于 claude-opus 家族成员，处理文本、图像、PDF 混合输入，统一以文本输出，具体层数、参数量未公开。
• 能力推理、工具调用、结构化输出、附件输入四项同时具备，可在一次会话内读取长文档、调用外部函数并回填结构化结果。
• 长上下文100 万 tokens 输入窗口配合 12.8 万 tokens 单次输出，一次放入整本书级别的材料，免去切片与多轮拼接。
• 披露闭源权重，不可自托管；可确认的知识截止时间为 2026-01-31，其余架构细节公开资料较少。

开源权重

否

模型家族

claude-opus

本站未收录该模型的公开跑分，以下仅基于能力清单、上下文规格与同系列定价做定性判断，不代表实测结论。

• 强项上下文窗口与单次输出上限都高，配合工具调用和结构化输出，适合多步骤任务与大批量文档处理。
• 强项原生支持 PDF 与图像输入，扫描件、图表页不必先转文本，减少预处理链路带来的信息损失。
• 短板输出仅限文本，不产生音频、视频或图像；超长上下文不等于每个位置的信息都等效可用，尾部召回需要实测。
• 适合需要一次性读入大量材料并产出结构化结果的企业任务，而非低延迟、高并发的短文本问答。

官方价为输入 5.5 美元/百万 tokens、输出 27.5 美元/百万 tokens，缓存读 0.55 美元/百万 tokens，输出单价约为输入的 5 倍。

• 定位处于 Opus 旗舰档位，单价高于轻量模型，适合对推理质量敏感、调用量可预估的任务，不适合无差别全量调用。
• 横向对比与 4.6 的 AU、EU、US 版本及 4.7 (EU) 输入价持平，仅 Global 版本低约 9.1%，跨区选择对单价影响有限。
• 平台差价本站仅收录 models.dev 及其 amazon-bedrock 条目，两者输入、输出、缓存读报价完全一致，暂无可比价的第二渠道。
• 省钱缓存读约为输入价的十分之一，长系统提示与重复文档走缓存收益明显；输出单价高，压缩生成长度比优化输入更省钱。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $5.5/M / $27.5/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径无第三方跑分可供参考，能力判断只能依据能力清单与实际试用，不要用同系列其他版本的评测结论替代。
• 边界闭源不可自托管，输出仅文本，且本站仅收录一个平台条目，多区域部署与容灾方案需按实际接入情况另行评估。
• 区域属于澳洲区域版本，数据驻留、跨境调用与合规要求需结合自身部署地确认，不能默认与其他区域版本完全等价。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。