Anthropic: Claude Opus 4.7 (batch)

Claude Opus 4.7 (batch) is een tekstgeneratiemodel van Anthropic, onderdeel van de Opus-familie en gepositioneerd als de volgende generatie van die lijn. Het is specifiek gebouwd voor langdurige, asynchrone agents, en het bouwt voort op de codeer- en agentische sterke punten van Opus 4.6. De batch-variant is de versie die je aanroept via api14, en het te gebruiken model-id is "anthropic/claude-opus-4.7:batch".

Het model accepteert tekst, afbeeldingen en bestanden als invoer, en produceert tekst als uitvoer. Het contextvenster is 1.000.000 tokens, groot genoeg om zeer lange documenten, uitgebreide gespreksgeschiedenissen of invoer van meerdere bestanden in één verzoek te bevatten. De maximale uitvoerlengte is 128.000 tokens. Omdat het naast tekst ook afbeeldingen en bestanden verwerkt, kun je gemengde inhoud direct doorgeven in plaats van eerst alles naar platte tekst te extraheren.

Die mogelijkheden wijzen op een paar praktische toepassingen. Analyse en samenvatting van lange documenten passen er natuurlijk bij, aangezien een venster van een miljoen tokens je in staat stelt om over grote contracten, rapporten of codebases te werken zonder op te delen in stukken. Agentische en tool-gestuurde workflows zijn een andere passende toepassing: het model ondersteunt tools en tool_choice, zodat je assistenten kunt bouwen die functies aanroepen, gegevens ophalen en over vele stappen handelen. Codeertaken, zoals het beoordelen of genereren van code binnen een repository, volgen ook uit de combinatie van een grote context en bestandsinvoer. Multimodale taken zoals het beantwoorden van vragen over grafieken, schermafbeeldingen of gescande documenten zijn eveneens mogelijk, gezien de afbeeldingsinvoer.

Om het aan te roepen via api14 gebruik je het OpenAI-compatibele endpoint met het model-id "anthropic/claude-opus-4.7:batch". Het verzoek ondersteunt include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools en verbosity. In de praktijk betekent dit dat je de uitvoer kunt beperken met max_tokens, de redeneerdiepte kunt sturen met reasoning_effort of de parameter reasoning, gestructureerde JSON kunt aanvragen via response_format of structured_outputs, en aanroepbare functies kunt definiëren met tools en tool_choice. Omdat de API OpenAI-compatibel is, werken bestaande OpenAI-clientbibliotheken met alleen de base URL en het model-id gewijzigd.

De batch-aanduiding is het belangrijkste om in gedachten te houden bij het kiezen van dit model. Het past bij workloads waarbij je asynchrone uitvoering kunt tolereren in ruil voor de schaal en het agentische gedrag van het model, zoals bulkverwerking van documenten of achtergrond-agentruns. Als je synchrone, latentiegevoelige reacties nodig hebt, of je taak is klein en eenvoudig, dan is een niet-batch-model mogelijk beter geschikt. De feiten hier beschrijven de invoer, uitvoer, context en parameters van het model; de actuele prijstabel op deze pagina behandelt de kosten.