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

至於價錢，部分價格追蹤同報道記錄 Opus 4.7 約為每 100 萬 input tokens US$5、每 100 萬 output tokens US$25，與 Opus 4.6 相近。 不過，上 production 前仍然應該重新核對 Claude API 官方 pricing，因為官方文件會分開 base input tokens、cache writes、cache hits 同 output tokens；prompt caching 同 batch processing 亦有各自規則。

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。 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。

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。
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。
• 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。
• 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。
• 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。

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。

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。