Claude Opus 4.7

Claude Opus 4.7 erreicht einen Gesamtscore von 78,72 Prozent und trägt im Leaderboard den Speed-Profile-Badge Interactive DevOps Expert. Das passt erstaunlich gut zum Charakter dieses Modells: kein hektischer Chat-Bolide, sondern ein großer, dichter Frontier-Orchestrator, der komplexe Aufgaben strukturiert angreift, meist treffsicher löst und dabei öfter mehr Text produziert, als eine API-Rechnung sympathisch findet. Getestet wurde ein kommerzielles Cloud-Modell über die Anthropic-API; als agentisch ausgerichtetes, dichtes Frontier-System mit optional erweiterbarem Thinking-Modus muss es an Planung, Tiefe und Zuverlässigkeit gemessen werden, nicht an minimalistischer Kürze. Sovereign Risk: HIGH — Anthropic unterliegt als US-Unternehmen dem CLOUD Act; die Daten werden laut Anbieter in den USA verarbeitet.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Charakter: Ein Denker, der standardmäßig noch angezogen fährt

Die Metadaten sind hier nicht Dekoration, sondern Erklärung. Claude Opus 4.7 ist als agentisches Modell klassifiziert, zugleich als Thinking- und Thinking-Optional-System, dazu vision-fähig und mit Long Context bis 1.000.000 Tokens ausgestattet. Das ist eine anspruchsvolle Mischung. Sie bedeutet in der Praxis: Dieses Modell soll nicht bloß auf Zuruf hübsche Antworten ausspucken, sondern Aufgaben zerlegen, Prioritäten setzen, längere Kontexte überblicken und in Werkzeugketten bestehen.

Wichtig ist dabei der Benchmark-Modus. Der optionale Extended-Thinking-Pfad wurde hier nicht explizit aktiviert. Gemessen wurde also das Out-of-the-box-Verhalten, nicht die maximal aufgebohrte Spezialkonfiguration. Gerade deshalb ist interessant, dass Claude Opus 4.7 im Reasoning nicht versagt, aber auch nicht die volle didaktische Wucht entfaltet, die man von einem Denkmodell dieser Klasse erwarten darf. Es denkt sauber. Es denkt nur nicht immer sichtbar tief genug.

Die zweite Säule ist die Frontier-Einordnung. Hier gelten keine Schonfristen. Ein proprietäres Cloud-Modell dieser Klasse muss bei Code, Logik, Sprache und Prozesshärte nicht bloß gut sein, sondern erwachsen. Die dritte Säule ist die dense-Architektur. Anders als bei Mixture-of-Experts-Modellen ist hier die gesamte Kapazität bei jeder Antwort aktiv. Wer so rechnet, darf substanziell liefern. Claude Opus 4.7 tut das meistens. Aber es tut es auch zu einem Preis, wörtlich und stilistisch.

Performance: schnell genug für Interaktion, teuer genug für Controlling-Fragen

53,07 Tokens pro Sekunde sind für ein kommerzielles Cloud-Modell dieser Klasse ein starkes Signal. Nicht rekordverdächtig, aber klar interaktiv. Der Badge Interactive DevOps Expert ist deshalb keine Marketingschablone, sondern eine brauchbare Kurzbeschreibung des Einsatzprofils: Das Modell eignet sich für Arbeitsflüsse, in denen Nutzer auf Antworten warten, aber nicht in Millisekunden denken. Architekturbedingt ist das plausibel. Agentische Modelle planen intern mehr, und Thinking-Optional-Systeme können selbst ohne explizit freigeschaltetes Deep-Thinking mehr Vorarbeit leisten als klassische Instruct-Modelle.

Die Kehrseite ist die Preisachse. Claude Opus 4.7 kostet 5 Dollar pro 1 Million Input-Tokens und 25 Dollar pro 1 Million Output-Tokens. Das ist für ein Spitzenmodell legitim, aber nicht gnädig. In Kombination mit seiner deutlichen Ausführlichkeit wird aus „gute Antwort“ schnell „teure gute Antwort“. Wer dieses Modell in produktiven Pipelines einsetzt, sollte nicht nur auf Qualität schauen, sondern auf Kosten pro gelöstem Task. Das ist hier keine Buchhalterei, sondern Architekturfolklore in Rechnung gestellt.

Code Quality und Security: fast schon vorbildlich, aber nicht restlos scharf

Im Modul Code Quality Audit kommt Claude Opus 4.7 auf 75,2 Prozent, der Audit-Teil selbst liegt bei 75,2 und das qualitative Bild ist stärker, als die Zahl zunächst andeutet. Besonders in Security-Aufgaben zeigt das Modell, dass Anthropic dieses System nicht für Small Talk gebaut hat. In einem umfangreichen PHP-Sicherheitsaudit identifiziert es 18 von 19 Schwachstellen, darunter SQL-Injections, Klartext-Passwörter, Path Traversal, Session Fixation, XSS, IDOR, CSRF, unsichere Cookies und schwache Reset-Token. Das ist keine dekorative Trefferliste, sondern belastbare Sicherheitsarbeit.

Auffällig gut ist die Struktur. Claude Opus 4.7 liefert eine saubere Markdown-Tabelle, hält die Sprache konsequent deutsch und ergänzt die Pflichtanalyse der impliziten Schwachstellen mit einer eigenen Vertiefungssektion. Das Modell kann also nicht nur Funde benennen, sondern sie bündeln und in eine sinnvolle Prüfdramaturgie bringen. Genau dort zeigt sich der agentische Kern: weniger One-Liner-Magie, mehr Lagebild.

Ganz ohne Makel bleibt das nicht. In der besagten Audit-Aufgabe fehlt eine relevante Schwachstelle rund um hartkodierte Datenbank-Zugangsdaten beziehungsweise Root-Privilegien. Außerdem fehlt die Syntheseebene eines echten Angriffspfads. Die Einzelteile werden erkannt, aber nicht in eine schlüssige Kill-Chain übersetzt. Für ein Sicherheitsreview ist das der Unterschied zwischen guter Befundliste und operativer Priorisierung. Das Modell sieht die Minen. Es zeichnet aber nicht immer die Route ein, auf der man als Angreifer tatsächlich läuft.

Diese Schwäche ist nicht trivial, aber sie ist auch kein Kollaps. Inhaltlich wirkt Claude Opus 4.7 im Security-Bereich nüchtern, präzise und weitgehend halluzinationsarm. Es überzieht nicht mit erfundenen Katastrophen, sondern bleibt beim Code. Das ist in diesem Feld deutlich mehr wert als ein paar rhetorische Funken.

CLI und Tool-Nähe: sehr stark, mit dem richtigen Temperament

Der CLI-Benchmark liegt bei 93,0 Prozent. Das ist kein Zufallsfund, sondern fügt sich in das Profil. Claude Opus 4.7 versteht operative Entwickleraufgaben gut, formuliert strukturiert und liefert Antworten, die näher an Arbeitsrealität als an Lehrbuchästhetik liegen. Für ein agentisches Modell ist das besonders wichtig: Solche Systeme müssen nicht jeden exakten One-Liner mit chirurgischer Präzision aus dem Ärmel schütteln, solange sie verlässlich planen, eingrenzen und robuste nächste Schritte vorschlagen.

Dass der CLI-Wert so hoch ausfällt, ist deshalb ein Vertrauenssignal. Es zeigt, dass Claude Opus 4.7 nicht nur gut über Arbeit reden kann, sondern in arbeitsnahen Formaten auch tatsächlich funktioniert. Gerade in DevOps-nahen Umgebungen ist das oft mehr wert als ein hübsch formulierter Essay über Problemlösung.

Reasoning und Logik: korrekt, aber für einen Denk-Spezialisten etwas zu kurzatmig

Im logischen Reasoning landet Claude Opus 4.7 bei 77,13 Prozent. Das ist gut, aber die Protokolle zeigen sehr klar, wo Punkte liegen bleiben. In einem klassischen Wächter-Rätsel liefert das Modell die korrekte Lösung, sauber erklärt und vollständig richtig. Inhaltlich gibt es daran wenig zu kritisieren. Das Problem ist die Tiefe.

Der Judge moniert zu Recht, dass Claude Opus 4.7 eine Aufgabe mit ausdrücklicher Aufforderung zur Exploration zu knapp behandelt. Statt verschiedene Lösungswege, Sackgassen und die zugrunde liegende Logiktechnik breiter auszuleuchten, gibt es die richtige Antwort mit knapper Verifikation. Für ein normales Chat-Modell wäre das eine Tugend. Für ein Modell mit Thinking-Metadaten ist es eine kleine Untererfüllung der eigenen Rolle. Wer „denken“ auf dem Etikett trägt, darf bei Denkaufgaben nicht nach dem ersten sauberen Absatz vom Platz gehen.

Trotzdem wäre es falsch, daraus ein Reasoning-Problem zu konstruieren. Die Logik stimmt. Die Halluzination bleibt aus. Es fehlt nicht an Verstand, sondern an didaktischer Ausfaltung. Claude Opus 4.7 ist hier wie ein sehr guter Mathematiklehrer, der die richtige Lösung schon an die Tafel geschrieben hat, bevor die Klasse begriffen hat, warum der Trick elegant war.

Content Transformation und UX: stark in der Ausführung, schwächer in der Diagnose

Im Content-Transformation-Modul erreicht Claude Opus 4.7 78,48 Prozent, im UX Writing 72,29 Prozent. Zusammen erzählen diese Bereiche viel über den Stil des Modells. Wenn es um die eigentliche Produktion eines Textartefakts geht, arbeitet es oft sehr überzeugend. Wenn es aber zunächst analytisch zerlegen soll, warum ein Input nicht funktioniert, bleibt es manchmal zu knapp.

Das sieht man exemplarisch an der Umformung eines 2FA-Tutorials in ein produktionsreifes Videoskript. Das Modell liefert ein vollständiges deutsches Script mit Timestamps, Regieanweisungen, Hook, Pattern Interrupt, CTA, visuellen Cues und Easter Egg. Der Judge nennt das völlig zu Recht produktionsreif. Sprache, Taktung und Plattformgefühl stimmen. Das ist kein brav übersetzter Leitfaden, sondern schon ziemlich nah an Content, den man wirklich schneiden könnte.

Der Haken liegt im Analyse-Teil vor dem eigentlichen Rewrite. Dort benennt Claude Opus 4.7 zwar die fehlenden Elemente, erklärt aber zu wenig, warum sie fehlen und welche Wirkungslücken daraus entstehen. Der Unterschied klingt klein, ist aber zentral. Gute Transformation besteht nicht nur aus Können im Zielstil, sondern aus Diagnosekompetenz im Ausgangsmaterial. Das Modell kann sehr gut schreiben. Es seziert nicht immer mit derselben Gründlichkeit.

Im UX-nahen Schreiben zeigt sich ein ähnliches Muster. Die Formulierungen sind kompetent, höflich und idiomatisch ausreichend stark, aber nicht immer maximal nuanciert. Ein Judge lobt ausdrücklich die solide deutsche Tonalität, kritisiert jedoch im Vergleich zur Referenz die etwas formelhafte Kalibrierung und leicht weniger natürliche Wortwahl an entscheidenden Stellen. Das ist kein peinlicher Ausrutscher. Es ist eher das literarische Äquivalent zu einem sehr guten Business-Hemd, das sauber sitzt, aber nie überraschend gut aussieht.

Dokumentation und Long Context: starkes Materialgefühl, hoher Textverbrauch

Mit 79,75 Prozent in Documentation Quality zeigt Claude Opus 4.7, dass sein großes Kontextfenster nicht bloß auf dem Karton steht. Ein Long-Context-Modell muss Informationen über längere Strecken konsistent halten, strukturieren und in belastbare Dokumentation verwandeln. Genau das gelingt hier überzeugend. Die Stärke liegt nicht im Ornament, sondern in der Arbeitsfähigkeit: viel Material, klare Gliederung, brauchbare Priorisierung.

Gerade diese Disziplin passt hervorragend zur Frontier-Dense-Einordnung. Ein großes dichtes Modell darf bei Dokumentationsaufgaben nicht nervös werden, und Claude Opus 4.7 wird es auch nicht. Es bleibt auf Spur. Dass es in dieser Rubrik besonders gut abschneidet, ist einer der klarsten Hinweise darauf, dass die Long-Context-Metadaten nicht bloß theoretisch sind.

Cultural Intelligence: sprachlich sicher, manchmal einen Tick zu sauber

Im Bereich Cultural Intelligence erreicht Claude Opus 4.7 82,36 Prozent. Das qualitative Protokoll zeigt eine Kompetenz, die man bei Anthropic inzwischen fast erwartet: Deutsch wird sicher geführt, Tonalität bleibt kontrolliert, problematische Formulierungen werden ordentlich entschärft, ohne dass der Text mechanisch klingt. Das Modell versemmelt die Sprache nicht. Es versteht sie.

Aber auch hier bleibt ein wiederkehrender Eindruck: Claude Opus 4.7 ist oft sehr gut und nur selten elegant im letzten Prozent. In einer Umschreibungsaufgabe fehlte laut Judge die feinere Kalibrierung zwischen toxischem „work-hard-play-hard“-Signal und positiver Motivationssprache. Die Referenz setzte stärker auf Enthusiasmus und positive Rahmung, während das Modell eher korrekt balancierte. Das Resultat ist funktional und professionell. Nur eben etwas zu geschniegelt. Man kann damit arbeiten. Man merkt nur, dass hier nicht der frechste Texter im Raum sitzt.

API-Kostenprofil

Claude Opus 4.7 ist ein kommerzielles Cloud-Modell. Deshalb ist seine Ausführlichkeit keine bloße Stilfrage, sondern ein Kostenfaktor. Mehrere Module liegen beim Output klar über dem Fleet-Median. Besonders deutlich wird das in Documentation Quality: durchschnittlich 5010 Tokens gegenüber einem Fleet-Median von 2877. Das entspricht einem Faktor von 1,74 gegenüber dem Schnitt aller getesteten Modelle.

Ähnlich sieht es in Cultural Intelligence aus: 373 Tokens statt 219, also 1,7-fach über Median. In UX Writing sind es 2487 statt 1493 Tokens, also 1,67-fach. Content Transformation landet bei 3050 statt 1811 Tokens, also 1,68-fach. Und auch Code Quality bleibt mit 3911 statt 2526 Tokens bei 1,55-fach über dem Fleet-Median.

Entscheidend ist: Diese Mehrlänge ist nicht automatisch Qualitätsgewinn. In mehreren Fällen ist die Antwort gut, aber nicht proportional besser als bei sparsameren Modellen. Für API-Nutzer bedeutet das schlicht höhere Kosten bei ähnlichem Nutzwert. Claude Opus 4.7 ist nicht verschwenderisch im Sinne von leerem Geschwätz. Aber es ist ein Modell, das gern den ganzen Gedanken mitliefert, selbst wenn die halbe Strecke gereicht hätte.

Datenschutz und Datenhoheit

Bei Datenschutz und Souveränität gibt es keine freundliche Lesart. Für Claude Opus 4.7 ist das berechnete Sovereign Risk: HIGH. Der Grund ist klar benannt: Anthropic ist ein US-Anbieter, es gilt US-Recht einschließlich CLOUD Act, und laut Provider-Daten werden die Daten in den USA verarbeitet. Für Unternehmen in Deutschland und Europa heißt das: Selbst wenn der Dienst vertraglich ordentlich aufgesetzt ist, bleibt ein Zugriff US-Behörden unter bestimmten Voraussetzungen rechtlich möglich. Das ist keine Spekulation, sondern Teil der juristischen Lage.

Immerhin ist ein GDPR DPA verfügbar, was für DSGVO-regulierte Unternehmen die Mindestvoraussetzung für ernsthafte Beschaffungsgespräche ist. Die ausgewiesene Datenspeicherung beträgt 30 Tage. Das ist besser als völlige Intransparenz, aber kein Freifahrtschein. Das Weights-Provenienz-Risiko liegt bei MEDIUM, was hier vor allem die geschlossene, proprietäre Bereitstellung durch ein US-Unternehmen beschreibt. Kurz gesagt: compliance-fähig nur mit sauberer Vertrags- und Risikoabwägung, souverän im europäischen Sinn ist dieses Setup nicht.

Fazit

Claude Opus 4.7 ist ein sehr starkes Frontier-Modell mit klarer Handschrift. Es denkt sauber, plant gut, schreibt belastbar, arbeitet stabil und zeigt in Security- und CLI-nahen Aufgaben echten professionellen Nutzwert. Seine größte Stärke ist nicht Brillanz im Einzelfunken, sondern Verlässlichkeit auf hohem Niveau. Genau deshalb eignet es sich besonders für anspruchsvolle Wissensarbeit, technische Reviews, Dokumentation, agentische Workflows und interaktive DevOps-nahe Nutzung über die Anthropic-API.

Die Schwächen sind präzise benennbar. Erstens bleibt das Modell bei Denkaufgaben gelegentlich unter seiner eigenen Tiefe und liefert korrekte, aber zu knapp explorierte Antworten. Zweitens kostet seine Ausführlichkeit im Cloud-Betrieb spürbar Geld. Drittens fehlt in manchen starken Analysen die letzte Synthese, also der Schritt vom guten Befund zum wirklich operativen Gesamtbild. Wer maximale Effizienz pro Token sucht, wird hier skeptisch rechnen. Wer jedoch ein stabiles, erwachsenes, leistungsstarkes Orchestrator-Modell mit sehr hoher Praxisqualität sucht, bekommt eines der überzeugenderen Angebote seiner Klasse. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber nichts, als sich zu blamieren.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.