Claude Opus 4.7

LLM Model Review

· General · Vision-Capable · Agentic · Long-Context

Mit einem Gesamtscore von 75.29% und dem Speed-Profile-Badge Real-Time Tool Expert zeigt Claude Opus 4.7 sehr klar, was es sein will: kein gehetzter Befehlsempfänger, sondern ein kommerzielles Cloud-Frontier-Modell für Planung, Struktur und anspruchsvolle Agenten-Workflows. Die redaktionelle Einordnung passt: als Generalist mit agentischem Orchestrierungsfokus, Frontier-Klasse und dichter Dense-Architektur ist hier hohe Breite Pflicht und strategische Stärke Kür. Extended Thinking wäre per API grundsätzlich verfügbar, lief im Benchmark aber bewusst nicht aktiviert; schon im Standardmodus wirkt das Modell wie ein Autor, der erst denkt und dann schreibt. Sovereign Risk: MEDIUM — Anthropic unterliegt als US-Unternehmen dem CLOUD Act; Daten werden ausschließlich in den USA verarbeitet.

Kopfnoten: Stabilität und Zuverlässigkeit

Diese Kopfnoten sind für ein Cloud-Modell wichtiger als jede hübsche Demo. Claude Opus 4.7 hat sich hier keine Blöße gegeben: keine Timeouts, also keine API-Aussetzer, keine stillen Wegbrecher, kein Retry-Roulette. Die Kehrseite ist der Tail. In fünf Prozent aller Anfragen wartete der Nutzer gut 46 Sekunden oder länger. Das ist noch nicht dramatisch, aber weit entfernt von jener Sofortigkeit, die man von kleineren Chat-Modellen kennt. Für einen Agentic-Orchestrator ist das allerdings kein Ausrutscher, sondern Teil des Charakters: Solche Modelle planen intern oft mehr, als ihre sichtbare Tokenzahl vermuten lässt.

Architektur-Fit: Warum die Kategorisierung hier erstaunlich gut sitzt

Die Metadaten General, Agentic-Orchestrator, Thinking-Optional sind bei Claude Opus 4.7 keine akademische Etikette, sondern erklären einen großen Teil des Verhaltens. Als Generalist wird es über die volle Aufgabenbreite gemessen. Als Agentic-Orchestrator darf man von ihm keine robotische Perfektion bei jedem Mikroformat erwarten, wohl aber starke Planung, Zerlegung komplexer Aufgaben und kluge Priorisierung. Und als Thinking-Optional gilt: Der Benchmark misst den Standardmodus, nicht die maximale Denktiefe. Wer also auf ein Reasoning-Monster im Dauerfeuer hofft, bekommt hier bewusst die Serienversion ohne zugeschalteten Turbolader.

Genau so benimmt sich das Modell. Es ist stark, wenn es analysieren, strukturieren, gewichten und längere Ergebnisse mit innerem Faden schreiben soll. Es ist etwas weniger glänzend, wenn psychologische Feinabstimmung, absolute Kürze oder scharf exekutierte Nebenbedingungen gefragt sind. Das ist kein Widerspruch, sondern die Signatur eines Modells, das eher Regisseur als Stenograf sein will.

Performance und Preis-Leistung

Das Leaderboard attestiert 57.29 Tokens pro Sekunde. Das ist für ein proprietäres Frontier-Cloud-Modell ordentlich und in der Praxis schnell genug für interaktive Nutzung. Der Badge Real-Time Tool Expert ist passend: Gemeint ist kein reines Schreibmodell, sondern ein Modell, das im typischen API-Einsatz Werkzeuge, Teilschritte und strukturierte Arbeitsabläufe in brauchbarer Echtzeit begleiten kann.

Weniger charmant ist die Rechnung am Ende des Monats. Claude Opus 4.7 kostet 5 Dollar pro 1 Million Eingabe-Token und 25 Dollar pro 1 Million Ausgabe-Token. Bei einem Benchmark-Kostenwert von 2.2885 Dollar für den Gesamtlauf ist das Modell nicht absurd teuer, aber klar kein Sparfuchs. In Relation zu seiner Geschwindigkeit wirkt das Preisniveau vertretbar, in Relation zu seiner Ausgabefreude wird es heikel. Dieses Modell schreibt nicht knapp. Es schreibt gründlich. Im Cloud-Betrieb heißt das schlicht: Man bezahlt für diese Gründlichkeit.

API-Kostenprofil

Gerade weil Claude Opus 4.7 ein kommerzielles Cloud-Modell ist, muss man seine Token-Ökonomie nüchtern betrachten. In mehreren Modulen liegt der Output deutlich über dem Fleet-Median. Im CLI-Benchmark erzeugt es durchschnittlich 620 Tokens bei einem Fleet-Median von 202. Das entspricht dem 3.07-Fachen des Schnitts aller getesteten Modelle. Im Documentation-Quality-Bereich sind es 4482 Tokens gegenüber 2271, also 1.97-mal so viel. Bei Content Transformation liegen 3025 Tokens gegen 1524 an, also 1.98-mal der Flottenmitte. Selbst im UX Writing bleibt es mit 2436 statt 1266 Tokens bei 1.92-mal dem Median.

Wichtig ist dabei: Das ist kein Qualitätslob an sich. Der Benchmark zieht dafür keine Punkte ab, solange die Antworten gut sind. Für den API-Alltag bedeutet es trotzdem etwas sehr Konkretes: Claude Opus 4.7 produziert in mehreren Disziplinen fast doppelt so viel Text wie viele Konkurrenten, im CLI-Bereich sogar gut dreimal so viel. Wer nach Wort bezahlt, sollte das nicht mit Charakter verniedlichen. Es ist ein Kostenfaktor.

Reasoning und Logik: stark, aber nicht maximal ausgeschöpft

Der reine Reasoning-Wert von 72.41% ist gut und steht im Einklang mit dem qualitativen Eindruck: Claude Opus 4.7 denkt sauber, verliert selten die logische Spur und liefert verständliche Herleitungen. Im Metakognitions-Protokoll zur Zwei-Wächter-Aufgabe lag die Kernlösung exakt richtig. Die berühmte Frage nach dem, was der andere Wächter sagen würde, wurde korrekt hergeleitet, die beiden Fälle sauber auseinandergezogen, die Schlussfolgerung stimmte.

Aber: Das Modell blieb dort merklich unter seinem eigenen intellektuellen Potenzial. Der Judge kritisierte nicht die Logik, sondern die Schmalspurigkeit der Ausführung. Gefordert war das Erkunden mehrerer Ansätze, geliefert wurde im Kern ein korrekter Hauptweg mit knapper Erläuterung. Keine vergleichende Visualisierung, keine robustere Diskussion alternativer Formulierungen, wenig argumentative Tiefe. Das ist typisch für ein Modell, das inhaltlich weiß, was es tut, aber im Standardmodus nicht immer den letzten Schritt zur didaktischen Vollständigkeit geht.

Für Leser außerhalb des Benchmarks heißt das: Claude Opus 4.7 ist kein Blender. Wenn es logisch antwortet, ist das meist belastbar. Es ist aber nicht automatisch jenes Modell, das jede knifflige Aufgabe mit maximaler Ausfaltung und methodischer Eleganz zelebriert. Wer diese Tiefe will, dürfte vom optionalen Thinking-Modus profitieren. Im getesteten Standardmodus bleibt ein Teil der Maschine im Leerlauf.

Code Quality und Security: erwachsen, präzise, produktionsnah

Im Modul Code Quality erreicht Claude Opus 4.7 84.24%. Das ist einer seiner überzeugendsten Bereiche, und das passt zur Agentic-Orchestrator-Rolle: nicht unbedingt der schnellste Tippknecht für Einzeiler, aber sehr stark in Analyse, Priorisierung und sicherheitsrelevanter Begründung.

Das Security-Protokoll ist aufschlussreich. In einer umfangreichen PHP-Audit-Aufgabe identifizierte das Modell alle 19 Schwachstellen der Referenzlösung, inklusive der fünf impliziten Lücken, die gerne unter dem Radar bleiben. SQL Injection, Klartext-Passwörter, IDOR, Path Traversal, Type Juggling, Session-Probleme, Header Injection, schwache Reset-Tokens, Enumeration: alles da, alles mit brauchbaren Fixes. Besonders stark war, dass Claude Opus 4.7 nicht nur Symptome markierte, sondern handwerklich vernünftige Gegenmaßnahmen nannte, etwa password_hash() und password_verify(), vorbereitete Statements, realpath() plus Whitelist, hash_equals() und kryptografisch saubere Token-Erzeugung via random_bytes(32).

Die Schwäche liegt hier nicht im Erkennen, sondern im Nachdruck. Der Judge vermisste eine explizite Angriffskette, also die Darstellung, wie sich einzelne Lücken real zu einem kompromittierenden Gesamtpfad verbinden. Außerdem wich die Einstufung einzelner Schweregrade von der Referenz ab. Das ist kein Denkfehler, eher eine andere Risikophilosophie. Wer Mail-Header-Injection oder schwache Reset-Tokens härter bewertet als der Goldstandard, liegt nicht automatisch falsch. Im Gegenteil: In einem echten Security-Review wirkt diese Strenge eher gesund als pedantisch.

Kurz gesagt: Claude Opus 4.7 benimmt sich in Security-Fragen wie jemand, dem man einen Audit-Bericht anvertrauen kann. Nicht jeder Satz sitzt maximal dramatisch. Aber die Substanz stimmt.

CLI und Tool-Nähe: gut im Systemdenken, leicht redselig in der Ausführung

Der CLI-Benchmark liegt bei 85.53%, also klar im oberen Bereich. Das harmoniert hervorragend mit dem Badge Real-Time Tool Expert. Claude Opus 4.7 scheint sich in Umgebungen wohlzufühlen, in denen Befehle nicht isoliert dastehen, sondern in eine Aufgabe eingebettet sind. Das ist die typische Stärke eines Agentic-Orchestrators: nicht bloß Befehle hinwerfen, sondern den Weg zum Ergebnis verstehen.

Gleichzeitig fällt die Tokenlast auf. Gerade im CLI-Modul produziert das Modell mehr als das Dreifache des Fleet-Medians. Das kann in der Praxis nützlich sein, wenn man Begründungen, Absicherungen und Kontext will. Es kann aber auch nerven, wenn man einfach einen exakten Shell-Befehl braucht und keine kleine Vorlesung über mögliche Seiteneffekte. Für halbautomatische Tool-Flows ist das brauchbar. Für streng formatierte Direkt-Execution muss man die Leine im Prompt kürzer halten.

Documentation Quality: viel Substanz, hoher Textverbrauch

Mit 76.31% in Documentation Quality bestätigt Claude Opus 4.7 einen seiner Kernzüge: lange, strukturierte Texte liegen ihm. Das Modell schreibt nicht wie eine hastige Ticket-Antwort, sondern wie jemand, der Abschnitte, Hierarchien und Erklärungslogik ernst nimmt. Genau dafür werden große Claude-Modelle oft gekauft, und genau das liefert es hier auch.

Der Preis dafür ist erneut die Textmenge. Fast doppelt so viele Tokens wie der Fleet-Median sind kein Ausrutscher, sondern Muster. Für interne Dokus, Spezifikationen oder fundierte Migrationshinweise ist das oft willkommen. Für knappe Team-Kommunikation oder kostenempfindliche API-Pipelines muss man es aktiv auf Diät setzen. Claude Opus 4.7 ist kein Modell, das aus eigenem Antrieb knapp wird. Es hält Vollständigkeit für eine Tugend und Kürze eher für eine Sonderanweisung.

Content Transformation: stark im Umbau, nicht immer maximal wirksam

Im Modul Content Transformation & Adaption erzielt Claude Opus 4.7 76.03%. Das ist gut, aber die Protokolle zeigen sehr schön, wo die Grenze verläuft. In der Aufgabe, aus trockenem Material ein deutschsprachiges YouTube-Skript zu bauen, erledigte das Modell das Handwerk sauber: Zeitmarken stimmten, Screen-Annotations waren vorhanden, Produktionshinweise, CTA, Pattern-Interrupt und Easter Egg waren drin. Formal war das Ergebnis belastbar, produktionsnah und klar verwendbar.

Was fehlte, war die letzte Schicht psychologischer Raffinesse. Der Hook funktionierte, aber eher problemorientiert als bildhaft-emotional. Der Backup-Code-Abschnitt war korrekt, aber nicht als dramatischer Punkt inszeniert. Die Referenz war schlicht besser darin, Relevanz zuzuspitzen und Zuschauerbindung emotional zu bauen. Das ist keine kleine Nebensache. Gute Content-Transformation ist nicht nur Umformulierung, sondern Inszenierung.

Claude Opus 4.7 schreibt also gute Fassungen. Es macht aus Rohmaterial etwas Brauchbares, oft auch etwas sehr Ordentliches. Aber wenn es um maximale Resonanz, Rhythmus und psychologische Zugkraft geht, ist es nicht immer das letzte Wort.

UX Writing: die überraschend schwächere Flanke

Mit 68.69% ist UX Writing & Microcopy der sichtbar wackligere Bereich. Das heißt nicht, dass Claude Opus 4.7 schlecht schreibt. Im Gegenteil, sein Ton ist meist sauber, kontrolliert und sprachlich stark. Das Problem ist subtiler: UX-Microcopy verlangt oft eine Mischung aus Kürze, Empathie, Zielgruppenfeinheit und chirurgischer Präzision. Genau dort zeigt sich, dass ein großes Modell für strukturierte Breite nicht automatisch ein Meister der kleinsten Form ist.

Die qualitative Tendenz passt dazu. Claude Opus 4.7 formuliert oft professionell, korrekt und etwas elaborierter als nötig. Das ist bei Doku ein Vorteil. In Buttons, Leerzuständen, Onboarding-Zeilen oder kurzen Hinweisen kann es den Text aufblähen oder minimal zu formell machen. Man spürt die Handschrift eines Modells, das gern erklärt. UX-Microcopy lebt davon, gerade das nicht zu tun.

Cultural Intelligence: korrekt, respektvoll, aber etwas nüchterner als optimal

Mit 68.92% fällt Cultural Intelligence für ein Modell dieser Klasse eher verhalten aus. Die Protokolle zeigen kein grobes Versagen, sondern ein Nuancenproblem. In einer deutschen Rewriting-Aufgabe entfernte Claude Opus 4.7 toxische und voreingenommene Stellen sauber, hielt die Sprache korrekt und professionell und befolgte die Instruktion sogar strenger als die Referenz, weil es auf unerwünschte Zusatz-Erklärungen verzichtete.

Der Punktabzug entstand auf Feinarbeit. Wortwahl leicht steifer als nötig, Wärme etwas geringer, Inklusionssignal nicht maximal explizit. Das sind keine peinlichen Patzer, aber genau die Unterschiede, die in Recruiting-, HR- oder öffentlichen Kommunikationstexten zählen. Das Modell ist hier also sicherer als inspirierend. Es tritt niemandem auf die Füße. Es gewinnt aber auch nicht jede Nuance.

Halluzinationen und Faktendisziplin

Ein wichtiger Befund für ein Modell dieser Klasse: Über alle Tests hinweg keine nennenswerten Halluzinationen. Claude Opus 4.7 erfindet nicht gern, wenn es stattdessen sauber strukturieren oder vorsichtig formulieren kann. Das ist im Benchmark keine Nebensache, sondern ein Vertrauenssignal.

Datenschutz und Datenhoheit

Claude Opus 4.7 ist ein cloud-only bereitgestelltes, proprietäres Modell von Anthropic PBC mit Sitz in San Francisco, USA. Maßgeblich ist damit US-Recht inklusive CLOUD Act. Für Nutzer in Deutschland und Europa bedeutet das konkret: Auch wenn ein Vertrag zur Auftragsverarbeitung verfügbar ist, können US-Behörden unter bestimmten Voraussetzungen Zugriff auf verarbeitete Daten verlangen. Das ist rechtlich relevant, selbst wenn die Nutzung technisch sauber eingebettet ist.

Der dokumentierte Datenstandort ist USA, die Datenspeicherung beträgt 30 Tage, ein GDPR DPA ist verfügbar. Für Unternehmen ist das die entscheidende Mindestvoraussetzung, um den Dienst überhaupt in ernsthafte DSGVO-Prüfungen einzubeziehen. Einfach wird es dadurch nicht. Denn physische Verarbeitung in den USA bleibt ein Souveränitätsnachteil. Das berechnete Sovereign Risk liegt deshalb bei MEDIUM. Das separat ausgewiesene Weights-Provenienz-Risiko liegt ebenfalls bei medium; hier gibt es keinen Widerspruch zwischen Modellherkunft und Hosting, sondern schlicht die übliche US-Jurisdiktionslage eines geschlossenen Cloud-Anbieters.

Fazit

Claude Opus 4.7 ist ein starkes Frontier-Modell mit klar erkennbarem Charakter. Es plant gut, schreibt strukturiert, analysiert Security-Probleme mit erwachsener Ernsthaftigkeit und bleibt auch bei Logik-Aufgaben zuverlässig auf Kurs. Die Einordnung als Generalist mit agentischem Orchestrierungsfokus trifft den Kern: Dieses Modell will komplexe Arbeit organisieren, nicht jede Kleinaufgabe im Telegrammstil herunterhacken. Seine Dense-Architektur und Frontier-Klasse verpflichten zu hoher Gesamtbreite, und die liefert es im Wesentlichen auch.

Die Schwächen sind ebenfalls klar. UX-Microcopy und kulturelle Feinnavigation bleiben hinter der sonstigen Klasse zurück. Im Standardmodus denkt es korrekt, aber nicht immer maximal ausformuliert. Vor allem ist es redselig. In einer Cloud-API mit 25 Dollar pro 1 Million Output-Token wird aus Redseligkeit schnell eine betriebswirtschaftliche Kategorie. Wer Claude Opus 4.7 einsetzt, sollte deshalb wissen, wofür: für anspruchsvolle Agenten-Workflows, Security-Analysen, lange strukturierte Texte, Planungs- und Syntheseaufgaben. Weniger für ultraknappes Microcopy, billig skalierten Massendurchsatz oder Prompts, bei denen jedes überzählige Wort nur Geld verbrennt. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber nichts, als sich mit Unsinn 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.