Kvantora.ai
ВойтиНачать работу
К результатам поиска

Anthropic

Claude Opus 4.7

Claude Opus 4.7 — модель Anthropic для длительных задач агентов, работы со знаниями, изображениями и памятью. По умолчанию не показывает рассуждения; параметр display=summarized включает их краткое изложение.

  • РассужденияРассужденияВ данных модели подтверждён режим рассуждений. Его параметры зависят от подключённой операции.
  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запросить вызов функции. Приложение проверяет права и выполняет действие.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 200 000 токенов200 000 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
Вход
633,00 ₽
Выход
3 165,00 ₽
Кэш
63,30 ₽
за 1 млн токенов
Интеллект
30,9
Доступность
100%
Подключить APIОткрыть в студии
API ID
anthropic/claude-opus-4.7

Данные каталога получены .

Цена

Текстовый диалог · вход
633,00 ₽ / 1 млн токенов
Текстовый диалог · выход
3 165,00 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
63,30 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Claude Opus 4.7 — модель Anthropic для длительных задач агентов, работы со знаниями, изображениями и памятью. По умолчанию не показывает рассуждения; параметр display=summarized включает их краткое изложение. Разработчик: anthropic. Вход: текст, изображения. Выход: текст. Контекст: 200000 токенов. Максимальный ответ: 32000 токенов.

Релиз

Характеристики

Доступность100%
  1. 7 октября: 100%
  2. 8 октября: 100%
  3. 9 октября: 100%
Доля успешных запросов к модели за последние 72 часа. Обновляется каждые два часа.
Тип модели
Текст
Вход модели
Текст, Изображения

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
200 000 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
32 000 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные изображения

Контрольные показатели

Artificial Analysis

13 показателей · проверено

Источник ↗
Индекс интеллекта
30,9 индексСводная оценка Artificial Analysis по всем её тестам

Агентная работа

  • AA-Briefcase1 067 Elo

    Агентная работа со знаниями (Elo)

  • T²-Bench Telecom (архивный)74 %

    Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением

Рассуждение по документу

  • AA-LCR v1.175,7 %

    Рассуждение на длинном контексте с обновлённой оценкой

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)75,7 %

    Оценка рассуждений на длинном контексте

  • GPQA Diamond (архивный)88,5 %

    Научные рассуждения уровня выпускника

Знания

  • AA-Omniscience · точность44,7 %

    Доля вопросов с правильным ответом

Знание

  • AA-Omniscience · доля выдуманных ответов (меньше лучше)54,1 %

    Доля неверных ответов среди некорректных ответов

Рассуждение

  • CritPt5,1 %

    Рассуждения по физике исследовательского уровня

  • IFBench43,6 %

    Тест на следование инструкциям

Рассуждения

  • HLE33,3 %

    Humanity’s Last Exam — вопросы экспертного уровня

Документ: рассуждение

  • MLCR-AA28,9 %

    Медицинское рассуждение на длинном контексте

Программирование

  • Terminal-Bench Hard (архивный)54,5 %

    Устаревший резервный вариант · Агентное программирование и работа в терминале

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "anthropic/claude-opus-4.7",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ