Claude Opus 4.7 vs Opus 4.6 vs Sonnet 4.6: nên chọn model nào?

Quy tắc chọn nhanh

• Chọn Sonnet 4.6 làm default nếu phần lớn request cần tốc độ, chi phí dễ kiểm soát và chất lượng đủ tốt cho coding, knowledge work, design hoặc agent planning thông thường. Sonnet 4.6 có giá API thấp hơn Opus 4.7 và được docs liệt kê latency là fast. ^[8][13]
• Chọn Opus 4.7 làm escalation model nếu chi phí lỗi cao hơn chi phí token: coding agent nhiều bước, refactor phức tạp, debugging khó, phân tích screenshot hoặc workflow cần output dài. Opus 4.7 được Anthropic nhấn mạnh ở coding, agents, vision và multi-step tasks; docs cũng liệt kê max output 128K tokens. ^[7][11][13]
• Giữ Opus 4.6 làm baseline nếu hệ thống đã ổn định. Opus 4.7 có lý do để thử, nhưng migration production nên dựa trên regression test thay vì chỉ dựa vào tên model mới hơn. ^[6][7]

Opus 4.7 khác Opus 4.6 ở đâu?

Khác biệt quan trọng nhất là Opus 4.7 là bản Opus mới hơn, tập trung vào chất lượng ở các tác vụ khó. Anthropic mô tả Opus 4.7 có hiệu năng mạnh hơn ở coding, agents, vision và multi-step tasks, cùng độ kỹ lưỡng và tính nhất quán cao hơn trong các công việc quan trọng. ^[7][11]

Điều này nối tiếp hướng đi của Opus 4.6. Khi giới thiệu Opus 4.6, Anthropic đã nhấn mạnh cải tiến cho coding, lập kế hoạch cẩn thận hơn, long-running agents, xử lý codebase lớn, code review và debugging. ^[6] Vì vậy, nếu Opus 4.6 đã làm tốt các prompt ngắn và ổn định, Opus 4.7 đáng thử nhất ở những điểm thường gây lỗi: chuỗi tool call dài, nhiều vòng sửa, codebase lớn, yêu cầu bám instruction chặt hoặc task có cả reasoning và vision. ^[6][7][11]

Điểm cần tránh là migrate mù. Tài liệu chính thức cho biết Opus 4.7 được cải thiện ở các nhóm tác vụ quan trọng, nhưng không chứng minh rằng mọi prompt, mọi format output và mọi pipeline sẽ tốt hơn trong production của bạn. Cách an toàn là chạy cùng bộ eval trên Opus 4.6 và Opus 4.7, rồi so sánh tỷ lệ hoàn thành đúng, số vòng sửa, lỗi tool call, chi phí token và latency.

Opus 4.7 khác Sonnet 4.6 ở đâu?

1. Trade-off chính là chất lượng khó vs tốc độ và chi phí

Model overview của Anthropic đặt Opus 4.7 ở nhóm model có năng lực cao cho complex reasoning và agentic coding, trong khi Sonnet 4.6 được mô tả là lựa chọn có sự kết hợp tốt giữa tốc độ và trí tuệ. ^[13] Đây là khác biệt vận hành quan trọng hơn việc chỉ hỏi model nào thông minh hơn.

Nếu sản phẩm có nhiều request song song, phản hồi cần nhanh và ngân sách token nhạy cảm, Sonnet 4.6 thường là default hợp lý hơn: docs liệt kê Sonnet 4.6 là fast, giá $3 cho mỗi 1M input tokens và $15 cho mỗi 1M output tokens. ^[13] Anthropic cũng cho biết Sonnet 4.6 là model mặc định trên claude.ai và Claude Cowork cho người dùng Free và Pro. ^[8]

Ngược lại, Opus 4.7 hợp hơn cho request ít hơn nhưng giá trị cao hơn: coding agent khó, phần mềm nhiều bước, reasoning dài hoặc các tác vụ cần độ nhất quán cao. Docs liệt kê Opus 4.7 là moderate về latency và có giá $5 cho mỗi 1M input tokens, $25 cho mỗi 1M output tokens. ^[13]

2. Cùng context 1M, nhưng output của Opus 4.7 lớn hơn

Opus 4.7 và Sonnet 4.6 đều được model overview liệt kê context window 1M tokens. ^[13] Vì vậy, với hai model này, khác biệt không nằm ở việc model nào đọc được context dài hơn.

Khác biệt rõ hơn nằm ở max output: Opus 4.7 là 128K tokens, còn Sonnet 4.6 là 64K tokens. ^[13] Nếu workflow cần sinh tài liệu dài, kế hoạch triển khai nhiều phần, refactor lớn hoặc báo cáo kỹ thuật có cấu trúc, output lớn hơn của Opus 4.7 có thể đáng giá. Với request ngắn hoặc trung bình, latency, chi phí và độ ổn định thực tế thường quan trọng hơn con số output tối đa.

3. Thinking mode có thể ảnh hưởng pipeline API

Một chi tiết dễ bị bỏ qua là thinking mode. Model overview liệt kê Opus 4.7 với adaptive thinking, còn Sonnet 4.6 với cả adaptive thinking và extended thinking. ^[13] System card của Opus 4.6 cũng có mục về extended và adaptive thinking modes. ^[9]

Nếu pipeline của bạn đã thiết kế prompt, giới hạn token hoặc logging quanh extended thinking, đừng đổi toàn bộ sang Opus 4.7 trước khi kiểm tra tương thích. Đây không nhất thiết là lý do để không dùng Opus 4.7, nhưng là lý do để test kỹ trước khi rollout.

Chiến lược route production nên dùng

Một cấu hình thực tế có thể chia ba tầng:

1. Default route: Sonnet 4.6. Dùng cho phần lớn request người dùng cuối, tác vụ coding phổ thông, tóm tắt, phân tích tài liệu, knowledge work và agent planning không quá rủi ro. Lý do chính là giá thấp hơn và latency fast trong docs. ^[8][13]
2. Escalation route: Opus 4.7. Gọi khi task có độ khó cao, đã thất bại ở model rẻ hơn, cần output rất dài, có nhiều bước tool use, liên quan codebase lớn hoặc cần vision. Lý do chính là định vị mạnh hơn ở coding, agents, vision và multi-step work. ^[7][11][13]
3. Control route: Opus 4.6. Giữ trong giai đoạn chuyển đổi nếu hệ thống cũ đang dùng Opus 4.6 ổn định. Nó giúp bạn phát hiện regression về format, instruction following, chi phí hoặc latency trước khi thay đổi mặc định. ^[6][7]

Cách route này thường tốt hơn việc chọn một model duy nhất cho mọi thứ. Nó để Sonnet 4.6 xử lý phần khối lượng lớn, đồng thời giữ Opus 4.7 cho nơi chất lượng có giá trị kinh tế cao hơn chi phí token bổ sung.

Checklist eval trước khi đổi model

Trước khi thay model mặc định, hãy chạy cùng một bộ eval trên cả ba lựa chọn:

• Case thật từ production: lấy prompt thành công, prompt thất bại, request dài, task có tool use, task codebase lớn và case có ảnh hoặc screenshot nếu workflow cần vision. ^[6][7][11]
• Tiêu chí chất lượng: đo độ đúng, độ bám instruction, khả năng hoàn thành nhiều bước, số vòng sửa, lỗi tool call và chất lượng output cuối.
• Tiêu chí vận hành: đo token input/output, chi phí, latency p50/p95, timeout và tỷ lệ phải escalate. Giá và latency nên được so trực tiếp với model overview hiện hành. ^[13]
• Regression test: kiểm tra xem model mới có phá format JSON, schema, style guide, guardrail hoặc hành vi tool calling mà pipeline cũ đang phụ thuộc hay không.
• Canary rollout: đưa model mới vào một phần nhỏ traffic hoặc shadow traffic trước khi chuyển mặc định.

Kết luận

Nếu cần một quyết định nhanh: Sonnet 4.6 là default production hợp lý hơn, Opus 4.7 là model escalation cho tác vụ khó, còn Opus 4.6 nên giữ làm baseline nếu hệ thống hiện tại đang ổn định. Lý do là Sonnet 4.6 có giá thấp hơn và latency fast trong docs, trong khi Opus 4.7 được Anthropic nhấn mạnh cho coding, agents, vision, multi-step tasks và có max output lớn hơn Sonnet 4.6. ^{[7][8][11][13]}

Điểm quan trọng nhất không phải là chọn một model thắng tuyệt đối, mà là thiết kế routing và eval phù hợp với workload thật của bạn. Tài liệu Anthropic cho biết nên kỳ vọng điều gì; eval nội bộ mới cho biết model nào thực sự tốt nhất trong sản phẩm của bạn. ^{[6][7][8][13]}