Qué pasó. El 16 de abril de 2026, Anthropic publicó Claude Opus 4.7, su nuevo modelo de cabecera, con disponibilidad general inmediata en Claude.ai, la API de Anthropic, Amazon Bedrock, Google Cloud Vertex AI y Microsoft Foundry. El identificador es claude-opus-4-7. El precio por token no cambia respecto a Opus 4.6: 5 dólares por millón de tokens de entrada y 25 dólares por millón de tokens de salida.
Por qué importa. Anthropic reporta avances respecto a Opus 4.6 en tres frentes. En ingeniería de software, sube en SWE-bench Verified del 41,2% al 47,3%, y en CyberGym del 73,8% al 78,8%, con mejoras documentadas en Finance Agent y GDPval-AA. En visión, el modelo acepta imágenes de hasta 2.576 píxeles (~3,75 megapíxeles), más del triple que las versiones anteriores. En control del razonamiento, añade un nivel de esfuerzo xhigh y abre en beta pública los task budgets, un mecanismo para limitar el gasto de tokens por tarea. Para usuarios de Claude Code, llega además el comando /ultrareview, que abre una sesión específica de revisión de código.
Mismo precio por token, más tokens por respuesta. Aquí hay una letra pequeña importante. Opus 4.7 estrena un nuevo tokenizador: el mismo texto se traduce en más tokens que en 4.6. Según la propia documentación de Anthropic y las primeras comparaciones públicas, para textos en inglés y código el factor está aproximadamente entre 1,20× y 1,47× (un 20-47% más tokens), mientras que en japonés, chino, coreano y emojis se mantiene casi igual (1,005×-1,07×). Una forma de verlo: en 4.6, un millón de tokens cubría unas 750.000 palabras; en 4.7, ese mismo millón cubre unas 555.000. A esto se suma que, a igual nivel de effort, 4.7 puede generar más tokens de razonamiento, lo que aumenta los tokens de salida en tareas que pidan pensar más.
Lo que sigue. Anthropic argumenta que esa mayor verbosidad queda compensada por la eficiencia de calidad por esfuerzo: según sus datos, Opus 4.7 con esfuerzo bajo iguala a Opus 4.6 con esfuerzo medio. La conclusión práctica es que el coste real depende del flujo concreto: los equipos que ya estaban en medium o high pueden notar la subida; quienes puedan bajar el esfuerzo gracias a la mejora de calidad incluso pueden ahorrar. La integración con memoria basada en sistema de archivos y la mayor coherencia en tareas largas apuntan a la dirección de los modelos long-running: razonamiento prolongado y mayor autonomía dentro de una misma tarea.
Fuentes: Anthropic: Introducing Claude Opus 4.7 (16 abr 2026), What's new in Claude Opus 4.7 (Claude API Docs), Simon Willison: Claude token counts (20 abr 2026), Gigazine: aumento de tokens en Opus 4.7 (20 abr 2026).
