Modo de visión de alta resolución de Claude Opus 4.7: Cómo la precisión XBOW del 98,5% transforma la preparación para producción del uso de computadora

La característica específica

Claude Opus 4.7 fue lanzado el 16 de abril de 2026 , y con él llegó una mejora documentada en cómo la característica de Uso de Computadora de Claude percibe el contenido en pantalla. Claude Opus 4.7 es compatible con entrada de imágenes de alta resolución, elevando la resolución máxima de imagen de 1568 a 2576 píxeles en el borde largo para mejorar el rendimiento en uso de computadora, comprensión de capturas de pantalla y análisis de documentos. Esto no es una afirmación de marketing—es un cambio técnico específico que altera lo que Uso de Computadora realmente puede hacer.

Desde que Claude 3.5 Haiku y un Claude 3.5 Sonnet mejorado fueron lanzados el 22 de octubre de 2024, introduciendo el uso de computadora , la característica ha estado en beta pública. Pero la claridad de visión siempre fue el cuello de botella. Opus 4.7 lo soluciona.

Lo que dice el referente

El número que más importa: Claude Opus 4.7 mejoró significativamente la confiabilidad del Uso de Computadora mediante soporte de imágenes de alta resolución, logrando un 98,5% en el referente de agudeza visual XBOW frente al 54,5% de Opus 4.6 . Si te preguntas si esa posición decimal es un error de tipografía—no lo es. Es un aumento de 44 puntos porcentuales en un referente de una sola dimensión.

El referente XBOW prueba qué tan precisamente Claude puede ubicar y hacer clic en elementos de interfaz de usuario cuando se le proporciona una captura de pantalla. Con un 54,5%, Opus 4.6 podía ver un botón *en general* pero a menudo lo erraba por píxeles. Con un 98,5%, Opus 4.7 puede ubicar y dirigirse a elementos densos y pequeños de la interfaz de usuario con precisión casi humana. Esto importa cuando automatizas tareas que involucran casillas de verificación, menús desplegables o celdas de hojas de cálculo—el tipo de trabajo que llena la mayoría del software empresarial.

En el referente más amplio OSWorld, que prueba la finalización de tareas de extremo a extremo en aplicaciones reales, Opus 4.7 logró un 78% en OSWorld – empatado con GPT-5.5 en 78,7% . Eso es una paridad respetable con el modelo fronterizo de OpenAI, no una superioridad, pero el cierre de la brecha ocurrió porque la resolución pasó de baja a alta.

Cómo funciona realmente el aumento de resolución

La documentación oficial es clara sobre el mecanismo: El soporte de alta resolución es automático y no requiere encabezado beta; las imágenes pueden usar hasta aproximadamente 3 veces más tokens de imagen que en modelos anteriores. Cuando envías una captura de pantalla a la API de Uso de Computadora de Opus 4.7, el modelo ve más píxeles de detalle—especialmente importante para interfaces densas de texto, campos de formulario y pequeños elementos de interfaz que anteriormente fueron submuestreados hasta la ilegibilidad.

Claude Sonnet 4.6 es más precisamente mecánico al hacer clic que Claude Opus 4.6 y es más robusto cuando las capturas de pantalla requieren reducción de escala pesada. Claude Opus 4.7 reduce esa brecha: su precisión de clic es aproximadamente comparable a Sonnet 4.6, y su límite de resolución más alto significa que se necesita menos reducción de escala. Traducción: en versiones anteriores de Opus, el sistema de visión tenía que entrecerrar los ojos en las capturas de pantalla. Ahora no.

El compromiso es el costo de tokens. Cada captura de pantalla ahora consume aproximadamente 3 veces más tokens de entrada que antes. Para una captura de pantalla de 1024×768, estimaciones anteriores situaban el costo en ~1.600 tokens. Con procesamiento de alta resolución en Opus 4.7, estás viendo algo más cercano a 4.800 tokens por captura de pantalla en el peor de los casos. La beta de uso de computadora añade 466-499 tokens al indicativo del sistema , así que cada llamada a la API también lleva esa sobrecarga fija independientemente del contenido de la captura de pantalla.

Dónde se implementa realmente el Uso de Computadora

Claude puede interactuar con entornos de computadora a través de la herramienta de uso de computadora, que proporciona capacidades de captura de pantalla y control de ratón/teclado para interacción autónoma de escritorio. La documentación oficial de API es específica sobre lo que hace la herramienta: El uso de computadora es una característica beta que permite que Claude interactúe con entornos de escritorio. Esta herramienta proporciona: captura de pantalla: ver lo que se muestra actualmente en pantalla y generación de entrada de ratón/teclado.

Pero aquí está lo que importa en producción: El uso de computadora está en beta. Ten en mente las siguientes limitaciones: latencia: la latencia actual de uso de computadora para interacciones humano-IA podría ser demasiado lenta en comparación con acciones de computadora dirigidas por humanos regulares. Enfócate en casos de uso donde la velocidad no sea crítica (por ejemplo, recopilación de información de fondo, pruebas automatizadas de software) en entornos confiables. Esta es la documentación de seguridad, y es precisa. El Uso de Computadora no es la herramienta para trabajo orientado al cliente en tiempo real.

En el referente OSWorld, Claude obtiene un 72,5% — arriba de menos del 15% cuando la característica se lanzó por primera vez a finales de 2024. Aplicaciones prácticas: automatizar flujos de trabajo en software empresarial heredado que no tiene API, pruebas de control de calidad de aplicaciones web simulando interacciones de usuario reales, y entrada de datos en múltiples sistemas que no se integran entre sí. Esos son los tres casos de uso donde los equipos realmente implementan esta característica a escala.

El avance en precisión de visión en contexto

La visión de baja resolución de los modelos anteriores fue el cuello de botella; Opus 4.7 lo solucionó. Este es el conocimiento crítico: el Uso de Computadora no estaba fallando porque el modelo no pudiera *decidir* qué hacer a continuación. Estaba fallando porque no podía *ver* elementos pequeños de la interfaz de usuario lo suficientemente claramente para generar coordenadas precisas. XBOW, que prueba específicamente la agudeza visual (no la finalización de tareas), pasó de 54,5% a 98,5% porque el aumento de resolución solucionó directamente ese problema específico.

Pero hay una advertencia importante en la documentación oficial: Claude podría cometer errores o alucinar al generar coordenadas específicas mientras genera acciones. El pensamiento extendido puede ayudarte a entender el razonamiento del modelo e identificar problemas potenciales. Incluso con un 98,5% en XBOW, el Uso de Computadora no es perfectamente confiable. La mejora es real—es la diferencia entre usable e inutilizable para muchas tareas—pero no es "hacer clic exactamente donde señales."

Precios y economía de tokens

Claude Opus 4.7 está aquí — con el mismo precio de $5/$25 (€4,50/€22,50 en España), 70% CursorBench (+12pp), 98,5% de precisión de visión, resolución de imagen 3x, y nuevo nivel de esfuerzo xhigh. El precio de lista por token no se ha movido. Pero el consumo de tokens por captura de pantalla se ha triplicado. Para una tarea que requiere ocho iteraciones de bucle de agente (ocho capturas de pantalla, cada una analizada y actuada), ahora estás gastando 3 veces más en la fase de visión/comprensión solamente.

Si eso vale la pena depende completamente de la ganancia de precisión que la mejora de visión permite. Si tu configuración anterior requería supervisión humana después de cada tercera acción porque el modelo estaba haciendo clic en el lugar equivocado, la precisión XBOW del 98,5% de Opus 4.7 podría eliminar ese paso de revisión completamente. Si tu configuración ya estaba funcionando razonablemente bien, el aumento en el costo de tokens podría empujarte hacia Claude Sonnet 4.6, que es más barato y aún funciona competentemente en OSWorld.

Cuándo usar Uso de Computadora de alta resolución en la práctica

El patrón de implementación segura documentado proviene directamente de la orientación oficial de la API: Más inteligente en los sitios que usas todos los días: Claude ahora entiende cómo navegar Slack, Google Calendar, Gmail, Google Docs y GitHub sin que tengas que dirigir cada clic. Pídele a Claude que "programe una reunión" o "actualice el documento" y sabe qué hacer—sin necesidad de guiarlo en cada paso. Anthropic ha entrenado comprensión especializada en modelos más nuevos para aplicaciones comunes—no porque Uso de Computadora no pueda funcionar genéricamente, sino porque el Uso de Computadora de lectura de pantalla genérica es más lento, más costoso en tokens y menos confiable.

Los tres casos de uso en producción siguen siendo:

• Software empresarial heredado sin API: paneles de control internos, aplicaciones de escritorio, bases de datos que exponen solo una interfaz de usuario. La precisión de visión del 98,5% significa menos clics erróneos al navegar interfaces densas y desconocidas.
• Automatización de fondo desatendida: recopilación de datos de aplicaciones web que no exponen APIs, exportación de informes de sistemas que no puedes modificar, llenado de formularios por lotes en múltiples sitios. Opus 4.7 puede manejar flujos de trabajo multisección más complejos sin intervención humana entre pasos.
• Flujos de trabajo de control de calidad y pruebas: pruebas automatizadas de aplicaciones web interactuando con ellas como lo haría un usuario. La mayor precisión de visión hace que esto sea más confiable, reduciendo falsos positivos en las pruebas causados por elementos de interfaz de usuario mal identificados.

Configuración y realidad de implementación

La API reduce la escala de imágenes demasiado grandes antes de que Claude las vea, y Claude devuelve coordenadas para la imagen que ve, por lo que depender de la reducción de escala del lado del servidor te deja sin el factor de escala que necesitas —esa es una cita directa de los documentos oficiales, y señala un problema común. Cuando envías una captura de pantalla a través de la API, Claude no sabe las coordenadas de píxeles *reales* de tu pantalla física. Tienes que manejar el escalado. La solución de Anthropic fue entrenar a Claude para contar píxeles desde puntos de referencia (bordes de pantalla, elementos de interfaz de usuario conocidos) a ubicaciones objetivo. Esta habilidad permite posicionamiento confiable del cursor independientemente de la resolución de pantalla, escalado DPI o diseño de aplicación.

A partir del 30 de abril de 2026, la ruta actual de Uso de Computadora de Anthropic usa el encabezado beta computer-use-2025-11-24 con modelos Claude 4.x compatibles . La API aún está en beta—eso importa para implementaciones en producción porque el conjunto de características, firmas de herramientas y posiblemente precios pueden cambiar. Esta característica es elegible para Retención Cero de Datos (ZDR). Cuando tu organización tiene un acuerdo ZDR, los datos enviados a través de esta característica no se almacenan después de que se devuelve la respuesta de la API. Para equipos que manejan datos sensibles, la elegibilidad ZDR es importante.

Lo que esto significa para tu equipo

El referente XBOW del 98,5% no es marketing. Representa un cambio genuino en la confiabilidad del Uso de Computadora en el nivel más alto de la familia de modelos de Claude. Si has probado Uso de Computadora en el pasado y lo encontraste demasiado poco confiable para producción porque se perdía clics o identificaba incorrectamente campos de formulario, el modo de visión de alta resolución de Opus 4.7 hace que ese caso de uso sea viable.

Pero "viable" no significa "sin supervisión humana requerida." El uso de computadora es una característica beta con riesgos únicos distintos de características API estándar. Estos riesgos se intensifican cuando se interactúa con internet. La recomendación oficial sigue siendo ejecutar Uso de Computadora en entornos aislados, limitarlo a flujos de trabajo confiables y hacer que humanos revisen decisiones críticas—especialmente en la primera implementación.

El aumento en el costo de tokens es real. Ejecuta referentes en una tarea representativa antes de comprometer presupuesto. Para equipos que ya usan Claude para automatización de agentes, Opus 4.7 vale la pena probar contra Sonnet 4.6 en tareas pesadas en visión (interfaces densas, campos de formulario pequeños, control de calidad basado en capturas de pantalla) donde la ganancia de precisión podría compensar la sobrecarga de tokens. Para equipos que construyen nuevos flujos de trabajo de Uso de Computadora, comienza con Sonnet 4.6, mide dónde ocurren los clics erróneos, luego actualiza a Opus 4.7 solo para los modelos y flujos de trabajo específicos que lo necesitan.

La característica funciona. La precisión está ahí. La pregunta restante es si tu caso de uso necesita pagar 3 veces el costo de tokens de visión para pasar de 60% a 98% de precisión. Para muchos, la respuesta es sí. Para otros, es "esperar a que el costo baje o los modelos más baratos mejoren."