text
silvamux/
claude-opus-4-7Claude Opus 4.7是一款高能力推理与编程模型,适合代码库级开发、研究分析和需要多轮规划、工具调用与结果检查的复杂工作。
价格
Tune 与 Pro 采用相同的价格。
| 输入上下文 | 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|---|
| - | $5 / 1M tokens | $25 / 1M tokens | $0.5 / 1M tokens | $6.25 / 1M tokens |
模型能力
综合能力 78 分(良好)。优势集中在 信息检索 / RAG(95%)、文本理解(91%)、代码理解与调试(87%)。相对短板为 智能体协同(43%)。适合 代码研发 / 内容创作 等场景。在 智能体协同 类任务上建议结合人工复核或专项验证。
78/ 100
专项进阶能力
8 项智能体协同43%
7 题 · 主/客观混合
代码生成80%
10 题 · 客观
代码理解与调试87%
12 题 · 主观
创意写作84%
17 题 · 主观
信息检索 / RAG95%
13 题 · 主/客观混合
长文本处理65%
3 题 · 主观
数学与科学推理86%
14 题 · 客观
多语言能力78%
10 题 · 主/客观混合
通用基础能力
3 项通识知识75%
15 题 · 主/客观混合
文本理解91%
5 题 · 主观
逻辑推理74%
20 题 · 主/客观混合
安全与合规能力
2 项幻觉控制83%
9 题 · 主观
指令遵循79%
14 题 · 主观
服务表现
Claude Opus 4.7
claude-opus-4-7- 延迟
- 11.16s
- 吞吐量
- 4.93Ktokens/min
- 可用率
- 100.0%
可用率
100.0%- 完成率
- 100%
- 缓存命中率
- 0.0%
- 累计评测耗时
- 2512.5s
- Token 消耗
- 206,605tokens
- 平均请求次数
- 1.0次
- TPM
- 4,934tokens/min
- QPM
- 3.6req/min
Claude Opus 4.7 的示例代码和 API
Pro
claude-opus-4-7/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messagescurl https://silvamux.io/api/v1/chat/completions \
-H "Authorization: Bearer 你的API密钥" \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-4-7",
"messages": [{"role": "user", "content": "你好,请介绍一下自己"}]
}'# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://silvamux.io/api/v1",
api_key="你的API密钥",
)
response = client.chat.completions.create(
model="claude-opus-4-7",
messages=[
{"role": "user", "content": "你好,请介绍一下自己"}
],
)
print(response.choices[0].message.content)// Gradle: implementation(__HL_SLOT_0__)
import okhttp3.*;
OkHttpClient client = new OkHttpClient();
MediaType json = MediaType.get("application/json");
String payload = "{\"model\":\"claude-opus-4-7\",\"messages\":[{\"role\":\"user\",\"content\":\"你好,请介绍一下自己\"}]}";
Request request = new Request.Builder()
.url("https://silvamux.io/api/v1/chat/completions")
.header("Authorization", "Bearer 你的API密钥")
.post(RequestBody.create(payload, json))
.build();
try (Response response = client.newCall(request).execute()) {
System.out.println(response.body().string());
}// npm install openai
import OpenAI from 'openai'
const client = new OpenAI({
baseURL: 'https://silvamux.io/api/v1',
apiKey: '你的API密钥',
})
const response = await client.chat.completions.create({
model: 'claude-opus-4-7',
messages: [{ role: 'user', content: '你好,请介绍一下自己' }],
})
console.log(response.choices[0].message.content)