Claude Opus 4.7：程式開發與 AI agent 值得試，但不該一鍵全換

價格方面，一些價格追蹤與報導來源列出 Opus 4.7 約為每 100 萬輸入 token 5 美元、每 100 萬輸出 token 25 美元，與 Opus 4.6 相近。 不過在正式環境上線前，仍應重新確認 Claude API 官方價格頁，因為官方文件會區分 base input tokens、cache writes、cache hits 與 output tokens；prompt caching 和 batch processing 也有各自規則。

哪些 workload 值得先升？

成本陷阱：百萬 token 單價不是最後帳單

如果只看每 100 萬 token 的報價，Opus 4.7 似乎是很容易做的升級：部分價格來源列出約 5 美元輸入、25 美元輸出。 但正式環境的成本通常不只來自單次 prompt，還包括長輸入、長輸出、tool calls、retry、prompt caching，以及 agent 為了完成任務必須跑幾輪。

真正要重新測的是 tokenization。Anthropic 說，Opus 4.7 的新 tokenizer 依內容不同，處理文字時可能使用約 1x–1.35x token；/v1/messages/count_tokens 在 Opus 4.7 上也可能回傳不同於 Opus 4.6 的 token 數。

所以，團隊不應只盯著 cost per million tokens，而要看 cost per completed task。如果 Opus 4.7 能讓困難任務少改幾輪、少 rollback、少人工介入，那 token 成本增加也可能划算。反過來說，如果品質提升不明顯，但 token 數變多，升級就會讓單位成本變差。

工程團隊怎麼做 A/B test

好的 pilot 不該只跑 demo prompt，而要用真實任務。可以從 backlog、舊 bug、已 merge 的 pull request 或過去模型失敗案例中抽樣，分成幾類：

• 小型 bug fix，但要有清楚測試。
• 跨多檔案的 refactor。
• 複雜 pull request 的 code review。
• 多步驟 agent 任務：讀 repo、擬計畫、改 code、跑測試、再自我修正。
• 目前模型常失敗，或需要多次追問才完成的任務。

測試時，讓 Opus 4.7 和現有模型平行執行，盡量保持相同 prompt、相同工具、相同 repo 權限與相同評分標準。至少應追蹤：

1. 任務成功率：是否真的完成需求，而不是只產生看似合理的 patch。
2. 人工介入次數：人需要修正方向、重下指令或 rollback 幾次。
3. Tool-call errors：agent 是否讀錯檔案、叫錯工具或執行不合適的命令。
4. Total tokens 與 cost/task：Opus 4.7 有新 tokenizer，token counting endpoint 可能與 Opus 4.6 不同，必須重新計算。
5. 完成時間：從開始到測試通過、reviewer 接受或可準備 merge 的時間。
6. Review quality：blocking comment 數量、殘留邏輯錯誤，以及 patch 可讀性。

如果沒有完整自動化測試，至少用盲審或固定 rubric。否則很容易把公開 benchmark 的進步，誤認成一定會出現在自己的 codebase 裡。

快速 migration checklist

• 先把 claude-opus-4-7 加成可選模型，不要立刻改成全系統預設。
• 先 canary 在困難任務：大型重構、多檔案 debug、複雜 code review 與 agent loop。
• 用 token counting endpoint 重新計 token，因為 Opus 4.7 可能回傳不同於 Opus 4.6 的 token 數。
• 追蹤 cost per completed task，而不是只看每日總 token。
• 若你的 agent 工作流需要控制多步驟任務的預算，測試 task budgets。
• 正式上線前重新核對官方 pricing，特別是使用 prompt caching、cache hits、cache writes 或 batch processing 的情境。

最後判斷

如果 Opus 4.7 能提高困難任務完成率、降低人工介入、減少 tool errors，或讓 agent 完成現有模型經常放棄的任務，就值得擴大使用。試點的理由很明確：Anthropic 將 Opus 4.7 定位為在 coding、agents 與 multi-step tasks 上更強，也提供 API model ID 可直接部署。

但如果你的主要 workload 是短小、重複、很吃 throughput、推理鏈不長的任務，或 A/B test 顯示 cost/task 增加但品質沒有明顯改善，就應保留現有模型作為預設。對 Claude Opus 4.7 來說，正確升級方式不是把所有流量一口氣切過去，而是把它路由到那些最難、最容易造成返工、也最可能被高品質模型抵消成本的任務上。