Anthropic vydal 16. dubna 2026 nový model. Opus 4.7. Na první pohled inkrementální update – stejná cena, stejné kontextové okno, pouze vyšší číslo. Jenže pod kapotou se toho změnilo víc, než napovídá název. A minimálně tři věci z toho budou mít reálný dopad na to, jak s AI pracujete. Pojďme si to rozebrat.

Čísla: co říká Anthropic a co říkají partneři

Opus 4.7 přichází se dvěma vrstvami výkonnostních údajů, které je důležité rozlišovat.

Oficiální benchmarky Anthropic (s publikovanou metodikou): SWE-bench Verified (500 lidmi ověřených oprav reálných bugů v open-source projektech) vzrostl z 80.8 % na 87.6 %. Důležitý caveat: Anthropic u těchto výsledků uvádí screening na memorization – jde o kurátorovanou sadu úloh, ne o záruku, že model opraví libovolný bug v libovolném codebase. SWE-bench Pro (těžší varianta) se posunul z 53.4 % na 64.3 %.

Partner testimonialy a zákaznické evaly (bez zveřejněné metodiky): CursorBench – uváděný skok z 58 % na 70 %. Visual Acuity – z 54.5 % na 98.5 %. Tvrzení, že Opus 4.7 řeší 3x více produkčních úloh v agentních workflow. Tato čísla pocházejí od partnerů a zákazníků nad jejich vlastními evaluacemi. Nejsou to uniformní benchmarky se zveřejněnou metodikou – jsou to datapoints, ne verdikty.

Věc první: Oči, které konečně vidí

Opus 4.6 uměl zpracovat obrázky. Opus 4.7 je umí číst. Rozdíl je v rozlišení. Předchozí model pracoval se standardním rozlišením. Nový model podporuje obrázky do 3.75 megapixelů – 2 576 pixelů na delší straně. To je trojnásobek oproti 4.6. Toto je oficiálně potvrzená specifikace.

V praxi to znamená: pošlete modelu screenshot dashboardu, a on přečte i malé popisky os v grafu. Pošlete mu fotografii tabule se zápisky z meetingu, a on rozluští i to, co kolega napsal fixou úhlednou jako lékař. Pošlete mu scan smlouvy, a on zvládne i poznámky psané drobným písmem na okraji. Pro kohokoli, kdo pracuje s dokumenty, screenshoty nebo vizuálními daty, je tohle pravděpodobně nejdůležitější změna celého updatu.

Věc druhá: Nový tokenizer – pozor na efektivní náklady

Cena za token zůstává stejná: 5 dolarů za milion vstupních tokenů, 25 dolarů za milion výstupních. Anthropic to komunikuje jasně a na první pohled to vypadá jako dobrá zpráva. Jenže Opus 4.7 používá nový tokenizer. A nový tokenizer může stejný text rozsekat na víc tokenů.

Podle migrační příručky Anthropic jde o rozsah 1.0x až 1.35x v závislosti na typu obsahu – tedy od nulového navýšení po 35% nárůst počtu tokenů. Anthropic zároveň uvádí, že v jejich interním coding evalu bylo celkové token usage příznivé. Dopad závisí na konkrétním workloadu. Anthropic sám doporučuje „re-benchmarkovat end-to-end náklady a latenci na reálném provozu.“

Pokud provozujete API s vysokým objemem, tohle je první věc, kterou byste si měli otestovat. Ne proto, že by vás Anthropic chtěl napálit – tokenizer je lepší a přesnější. Ale efektivní náklady se mohou změnit a je dobré vědět jakým směrem.

Věc třetí: Lepší práce s pamětí v agentních workflow

Opus 4.7 vylepšuje schopnost pracovat s file-system-based memory. V praxi to znamená, že pokud agent používá scratchpad, notes soubor nebo strukturované úložiště (jako CLAUDE.md v Claude Code), Opus 4.7 je výrazně lepší v tom, jak do nich zapisuje a jak z nich čte v dalších relacích.

Důležité upřesnění: nejde o vestavěnou univerzální persistentní paměť. Je to schopnost modelu efektivněji využívat paměťovou infrastrukturu, kterou mu vaše prostředí nabídne. Anthropic k tomu nabízí client-side memory tool, kde ukládání řídí vaše strana. Model si tedy „nepamatuje sám od sebe“ – ale pokud mu dáte nástroje k zapamatování, pracuje s nimi výrazně lépe než předchůdce.

Souvisí s tím i nová funkce Task Budgets (veřejná beta). Jde o advisory token budget přes celý agentní běh – model vidí odpočítávání zbývajících tokenů a podle něj prioritizuje práci. Když se blíží limitu, elegantně úlohu ukončí místo toho, aby se zastavil uprostřed.

Opus 4.7 je také lepší v ověřování vlastních výstupů. Oficiální materiály mluví o tom, že model „devises ways to verify its own outputs“ – například u knowledge-work úloh lépe kontroluje tracked changes a layouty. Nejde o samostatně pojmenovanou funkci, ale o pozorovatelnou změnu v chování modelu, která u dlouhých úloh reálně pomáhá.

Effort level xhigh

Drobná, ale praktická novinka. Dosud jste měli čtyři úrovně úsilí: low, medium, high, max. Opus 4.7 přidává xhigh – mezistupeň mezi high a max. Proč na tom záleží? Protože max je drahý a pomalý. High je někdy málo. Nový stupeň dává jemnější kontrolu nad tím, kolik času a tokenů model stráví přemýšlením.

Instruction following – model bere instrukce doslovně

Opus 4.7 je výrazně přísnější v tom, jak interpretuje instrukce. Předchozí verze si občas domyslela, co jste asi chtěli. Nová verze dělá přesně to, co řeknete. To je dvousečné. Pokud máte dobře napsané prompty, dostanete přesnější výsledky. Pokud jste se spoléhali na to, že model „přečte mezi řádky“ vaše vágní zadání, budete muset prompty přepsat.

Anthropic to komunikuje jako zlepšení. A pro profesionální nasazení to zlepšení je. Ale počítejte s tím, že migrace z 4.6 na 4.7 může vyžadovat revizi promptů.

Tlustá ryba v pozadí: Project Glasswing a Claude Mythos

Anthropic v dubnu 2026 odhalil existenci modelu jménem Claude Mythos Preview. Model, který umí autonomně hledat zero-day zranitelnosti v operačních systémech a prohlížečích. Umí je najít a umí napsat exploit. Anthropic se rozhodl, že tenhle model veřejnosti nedá.

Místo toho spustil Project Glasswing – defenzivní koalici s AWS, Apple, Google, Microsoft, NVIDIA, CrowdStrike, JPMorgan Chase a dalšími čtyřiceti organizacemi. Cíl: použít Mythos k hledání a záplatování zranitelností dřív, než je najde někdo jiný. Anthropic do toho vložil 100 milionů dolarů v kreditech a 4 miliony na open-source bezpečnost.

A tady přichází propojení s Opus 4.7: je to první veřejný model s automatickými kybernetickými safeguards, které vznikly jako důsledek práce na Mythosu. Automatická detekce a blokování vysoce rizikových požadavků. Nový Cyber Verification Program pro legitimní penetrační testery. Opus 4.7 je tedy nejen lepší model – je to první model, na kterém Anthropic testuje bezpečnostní mechanismy odvozené z modelu, který považuje za příliš nebezpečný pro veřejné nasazení.

Komu se vyplatí přejít

Vývojáři používající Claude Code: Ano, okamžitě. Lepší kódování, vylepšená práce s file-system memory, preciznější instruction following – to jsou změny, které ušetří reálný čas.

Týmy pracující s dokumenty a obrázky: Ano. Skok ve vision je dramatický a praktický.

API uživatelé s vysokým objemem: Ano, ale opatrně. Otestujte dopad nového tokenizeru na náklady, než přepnete produkci.

Uživatelé Claude.ai na plánech Pro, Max, Team a Enterprise: Rozdíl pocítíte hlavně u složitějších úloh. Na jednoduchý chat je Opus 4.6 a 4.7 v praxi těžko rozlišitelné. Pozor: Opus 4.7 není dostupný na free tieru.

Shrnutí

Opus 4.7 není revoluce. Je to update, který na třech místech mění pravidla hry: vision, práce s pamětí v agentních workflow a bezpečnostní architektura. Zbytek jsou inkrementální zlepšení, která v součtu dávají výrazně schopnější model.

A pak je tu Mythos v pozadí. Model, o kterém Anthropic říká, že je příliš nebezpečný na to, aby ho vydal. Ale dost dobrý na to, aby z něj odvodil bezpečnostní mechanismy pro model, který vydal. To je možná ta nejdůležitější zpráva z celého updatu. Ne lepší benchmarky. Ale fakt, že Anthropic poprvé veřejně přiznal, že vytvořil model, který se rozhodl nezveřejnit – a vysvětlil proč.