Claude Opus 4.7 值唔值得升級做 coding 同 AI agent？

邊類 workload 值得升？

成本陷阱：list price 唔等於最後張單

如果只睇每 100 萬 token 標價，Opus 4.7 好似好容易決定：部分追蹤來源記錄約為 US$5 input、US$25 output。^[53][55] 但真實 production 成本通常唔止咁簡單，仲會受長 input、長 output、tool calls、retry、prompt caching、agent 跑幾多輪影響。

最需要重新量度嘅係 tokenization。Anthropic 指 Opus 4.7 嘅新 tokenizer 處理文字時，視乎內容，可能用到過往 model 約 1x–1.35x token；/v1/messages/count_tokens endpoint 喺 Opus 4.7 同 Opus 4.6 亦可能回傳唔同 token 數。^[36]

所以，工程團隊應該優先優化嘅唔係 cost per million tokens，而係 cost per completed task。如果 Opus 4.7 可以用更少修正輪次完成困難 task、減少 rollback、減少人手介入，token 成本高少少都可能值得。相反，如果質素冇明顯改善但 token 數增加，升級只會令成本邊際變差。

工程團隊點樣 A/B test Opus 4.7？

好嘅 pilot 唔應該只用 demo prompt。最好抽一批真實 task：backlog、舊 bug、已 merge pull request，或者現有 model 曾經做得唔好嘅 case。可以分成幾組：

• 小型 bug fix，但有清楚 test case。
• 多檔案 refactor。
• 複雜 pull request code review。
• 多步驟 agent task：讀 repo、規劃、改 code、跑 test、自行修 bug。
• 現有 model 經常失敗、走錯方向，或者要反覆提示先完成嘅任務。

測試時，Opus 4.7 應該同而家使用緊嘅 model 並行比較；prompt、tool、repo 權限、評分標準都盡量保持一致。最低限度要量度以下指標：

1. Task success rate：任務有冇真正按要求完成。
2. Human intervention count：人要改方向、補提示、rollback 幾多次。
3. Tool-call errors：agent 有冇讀錯檔、叫錯 tool、執行唔合適 command。
4. Total tokens 同 cost/task：Opus 4.7 有新 tokenizer，token counting endpoint 可能同 Opus 4.6 回傳唔同結果，所以要重新計。^[36]
5. Completion time：由開始到 test pass、reviewer 接受，或者可以 merge 需要幾耐。
6. Review quality：blocking comments 數量、剩餘邏輯錯誤、patch 可讀性。

如果冇自動化測試，就用 blind review 或固定 rubric 評分。冇內部數據，好容易將通用 benchmark 誤當成自己 repo 嘅真實收益。

快速 migration checklist

• 先將 claude-opus-4-7 加做可選 model，唔好即刻改全系統預設。^[9]
• 先喺困難 task 做 canary：refactor、多檔案 debug、複雜 code review、agent loop。
• 用 token counting endpoint 重新計 token，因為 Opus 4.7 同 Opus 4.6 可能有唔同 token 數。^[36]
• 追蹤 cost per completed task，唔好只睇每日 token 總量。
• 如果 agent workflow 需要控制長任務 budget，就試 task budgets。^[36]
• 上 production 前再核對官方 pricing，特別係有用 prompt caching、cache hits、cache writes 或 batch processing 嘅情況。^[61]

最後點決定？

如果 Opus 4.7 能夠提升困難 task 完成率、減少人手介入、降低 tool errors，或者幫 agent 完成現有 model 經常放棄嘅工作，就值得逐步擴大使用。pilot 嘅理由係清楚嘅：Anthropic 將 Opus 4.7 定位為更強於 coding、agents 同 multi-step tasks，並提供 API model ID 供開發者使用。^[9][11]

但如果你主要 workload 係短、重複、唔太需要多步 reasoning 嘅任務，又或者 A/B test 顯示 cost/task 上升但質素冇明顯改善，就應該保留現有 model 做預設。對 Claude Opus 4.7 嚟講，正確升級唔係「全流量一刀切」，而係將佢 route 去最難、最值得用高階 model 解決嘅工作。