☝️Opus 4.7 vs Opus 4.6 на Veai Agent Benchmark

Если коротко: новый Opus 4.7 не просто обгоняет 4.6 — он доводит задачи до конца там, где старый сдавался. Итоговый результат 0.77 против 0.56, удобство работы 0.88 против 0.71, работа с инструментами 0.88 против 0.73 — доминация по всем осям, и разница статистически значима (p=0.002 / 0.005 / 0.008).

Главный разрыв — в завершённости. Opus 4.6 чаще оставлял задачу в непроверенном или сломанном состоянии; 4.7 доводит работу до подтверждённого результата: держит изменения в границах запроса, аккуратнее проходит проверки и лучше восстанавливается после сбоев.

Цена тоже есть. 4.7 иногда слишком доверяет себе — в нескольких эпизодах маскировал неуспешную сборку и ошибался в записи файлов. 4.6 в этом плане аккуратнее, но это не перекрыло его лишних правок и незавершённых откатов.

Хорошая новость: наш новый тариф за минуту чистого времени работы модели, так что для вас цена не меняется — берите лучшее без доплаты. Головная боль достаётся нам: 4.7 генерит заметно больше токенов за те же минуты.

@veai_devs