Claude Opus 4.7: มีอะไรใหม่และแตกต่างจาก Opus 4.6 อย่างไร

Anthropic เพิ่งเปิดตัว Claude Opus 4.7 ซึ่งเป็นโมเดลล่าสุดและมีความสามารถสูงสุดที่เปิดให้ใช้งานทั่วไป หากคุณเคยใช้ Opus 4.6 สำหรับการเขียนโค้ด (coding), การวิจัย (research) หรือการสร้างผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI นี่คือทุกสิ่งที่เปลี่ยนแปลงไปและความสามารถใหม่ๆ ที่มีความหมายในการใช้งานจริง

สเปคหลักโดยสรุป

สเปค	Opus 4.7	Opus 4.6
ราคา	$5 / M input, $25 / M output	$5 / M input, $25 / M output
Context window	1M tokens (~555K คำ)	200K tokens
Max output	128K tokens	64K tokens
ข้อมูลล่าสุดถึง	มกราคม 2026	สิงหาคม 2025
โหมดการคิด (Thinking mode)	Adaptive Thinking	Extended Thinking
API model ID	`claude-opus-4-7`	`claude-opus-4-6-20260205`
ช่องทางการใช้งาน	API, Bedrock, Vertex AI, Foundry	API, Bedrock, Vertex AI

ราคาเท่าเดิม, context ใหญ่ขึ้น, ความยาว output เพิ่มเป็นสองเท่า และข้อมูลที่สดใหม่ขึ้นอีกห้าเดือน เมื่อดูจากข้อมูลบนกระดาษ นี่คือการอัปเกรดที่ตรงไปตรงมา เรามาดูกันดีกว่าว่ามีอะไรที่ดีขึ้นภายใต้เบื้องหลังจริงๆ

1. Agentic Coding: การปรับปรุงที่เป็นไฮไลต์

นี่คือจุดที่ Opus 4.7 โดดเด่นที่สุด Anthropic อธิบายว่ามันคือ "การปรับปรุงที่เห็นได้ชัดในด้านวิศวกรรมซอฟต์แวร์ขั้นสูง โดยมีความก้าวหน้าเป็นพิเศษในงานที่ยากที่สุด"

ในทางปฏิบัติหมายความว่าอย่างไร? มีสามอย่างด้วยกัน:

การตรวจสอบตัวเอง (Self-verification) Opus 4.7 ไม่เพียงแค่เขียนโค้ดแล้วส่งกลับมา แต่มันยังคิดหาวิธีตรวจสอบผลลัพธ์ของตัวเองก่อนที่จะรายงานว่าเสร็จสิ้น หากคุณเคยเจอ AI agent ที่บอกว่า "เสร็จแล้ว!" ทั้งๆ ที่โค้ดนั้น compile ไม่ผ่าน คุณจะรู้ว่าทำไมสิ่งนี้ถึงสำคัญ

ความสม่ำเสมอในงานระยะยาว (Long-running task consistency) โมเดลสามารถจัดการงานที่ซับซ้อนและมีหลายขั้นตอน "ด้วยความเข้มงวดและความสม่ำเสมอ" โมเดลรุ่นก่อนๆ มักจะขาดความต่อเนื่องเมื่อทำงานเป็นเวลานาน แต่ Opus 4.7 ยังคงทำงานได้อย่างต่อเนื่อง

การปฏิบัติตามคำสั่งอย่างเคร่งครัด (Strict instruction following) มัน "ให้ความใส่ใจต่อคำสั่งอย่างแม่นยำ" ซึ่งหมายความว่ามีกรณีที่โมเดลเพิกเฉยต่อข้อจำกัดของคุณหรือออกนอกลู่นอกทางน้อยลง

ตัวเลขจาก Benchmark

ประสิทธิภาพที่เพิ่มขึ้นไม่ใช่เรื่องเล็กน้อย จากการทดสอบ benchmark การเขียนโค้ดในโลกแห่งความเป็นจริงโดยบริษัท AI ชั้นนำ Opus 4.7 แสดงให้เห็นถึงการปรับปรุงเป็นตัวเลขสองหลักและสามารถแก้ปัญหาที่ก่อนหน้านี้ไม่สามารถทำได้:

CursorBench: แก้ปัญหาได้ 70% (เทียบกับ Opus 4.6 ที่ 58%) — เพิ่มขึ้นถึง 12 จุด Cursor เรียกมันว่า "การก้าวกระโดดที่สำคัญในด้านความสามารถ โดยเฉพาะอย่างยิ่งในด้านความเป็นอิสระ (autonomy) และการให้เหตุผลที่สร้างสรรค์มากขึ้น"
Augment's 93-task coding benchmark: แก้ปัญหาได้มากกว่า Opus 4.6 ถึง +13% รวมถึงงาน 4 อย่างที่ทั้ง Opus 4.6 และ Sonnet 4.6 ไม่สามารถแก้ได้ ควบคู่ไปกับ median latency ที่เร็วขึ้นและการปฏิบัติตามคำสั่งที่เข้มงวด
Notion Agent: ดีขึ้น +14% เมื่อเทียบกับ Opus 4.6 โดยใช้ tokens น้อยลงและมี tool errors น้อยลงหนึ่งในสาม "เป็นโมเดลแรกที่ผ่านการทดสอบความต้องการโดยนัย (implicit-need tests) ของเรา และยังคงทำงานต่อไปได้แม้จะเกิด tool failures ที่เคยทำให้ Opus หยุดทำงาน"
Rakuten-SWE-Bench: แก้ไขงานในระดับ production ได้มากกว่า Opus 4.6 ถึง 3 เท่า พร้อมกับการปรับปรุงเป็นตัวเลขสองหลักในด้าน Code Quality และ Test Quality
Warp Terminal Bench: ผ่านงานที่โมเดล Claude รุ่นก่อนๆ ทำไม่สำเร็จ รวมถึง concurrency bug ที่ซับซ้อนซึ่ง Opus 4.6 ไม่สามารถแก้ไขได้
CodeRabbit code review: Recall ดีขึ้นกว่า 10% สามารถตรวจจับ bug ที่หายากใน PR ที่ซับซ้อนได้ ในขณะที่ precision ยังคงมีเสถียรภาพ "เร็วกว่า GPT-5.4 xhigh เล็กน้อยบน harness ของเรา"
Genspark Super Agent: มีอัตราส่วน quality-per-tool-call ratio สูงสุดเท่าที่เคยตรวจวัดมา มี loop resistance ที่ดีที่สุด (โมเดลที่วนลูปไม่สิ้นสุดใน 1 จาก 18 คำสั่งจะสิ้นเปลือง compute และบล็อกผู้ใช้) มี variance ต่ำที่สุด และมีการกู้คืนข้อผิดพลาดอย่างนุ่มนวล (graceful error recovery) ที่ดีที่สุด

นี่ไม่ใช่ benchmark สังเคราะห์ แต่เป็น workload ในระดับ production จากบริษัทที่ส่งมอบผลิตภัณฑ์จริง รูปแบบที่เห็นนั้นสอดคล้องกัน: Opus 4.7 ทำงานได้มากขึ้น ทำผิดพลาดน้อยลง และกู้คืนได้ดีขึ้นเมื่อเกิดข้อผิดพลาด

2. Vision: การทำความเข้าใจภาพที่มีความละเอียดสูงขึ้น

Opus 4.7 มี "vision ที่ดีขึ้นอย่างมาก" พร้อมการรองรับภาพที่มีความละเอียดสูงขึ้น นี่ไม่ใช่แค่การมองเห็นภาพได้ชัดเจนขึ้นเท่านั้น แต่ยังเปิดโอกาสให้เกิดกรณีการใช้งานจริงได้อีกด้วย:

Solve Intelligence รายงานว่า "มีการปรับปรุงที่สำคัญในการทำความเข้าใจแบบ multimodal ตั้งแต่การอ่านโครงสร้างทางเคมีไปจนถึงการตีความไดอะแกรมทางเทคนิคที่ซับซ้อน" พวกเขากำลังใช้มันสำหรับกระบวนการทำงานด้านสิทธิบัตรในสาขาวิทยาศาสตร์ชีวภาพ (life sciences) รวมถึงการร่าง, การดำเนินคดี, การตรวจจับการละเมิด และการจัดทำแผนภูมิเพื่อลบล้างสิทธิบัตร
สำหรับนักพัฒนาที่สร้างเครื่องมือประมวลผลภาพหน้าจอ, ไดอะแกรม หรือ UI mockups ความละเอียดที่สูงขึ้นหมายถึงการอ่านป้ายกำกับผิดพลาดน้อยลง, การทำความเข้าใจ layout ที่ดีขึ้น และความสามารถคล้าย OCR ที่แม่นยำยิ่งขึ้น

3. ผลลัพธ์ที่สร้างสรรค์และเป็นมืออาชีพ

Anthropic กล่าวว่า Opus 4.7 "มีรสนิยมและความคิดสร้างสรรค์มากขึ้นเมื่อทำงานระดับมืออาชีพ ทำให้ได้ผลลัพธ์เป็น interfaces, สไลด์ และเอกสารที่มีคุณภาพสูงขึ้น"

การรับรองที่กระตือรือร้นที่สุดมาจากผู้ทดสอบคนหนึ่งที่เรียกมันว่า "โมเดลที่ดีที่สุดในโลกสำหรับการสร้างแดชบอร์ดและ interfaces ที่เต็มไปด้วยข้อมูล รสนิยมด้านการออกแบบนั้นน่าประหลาดใจอย่างแท้จริง — มันเลือกตัวเลือกที่ผมอยากจะนำไปใช้งานจริง ตอนนี้มันกลายเป็นเครื่องมือหลักที่ผมใช้ทุกวันแล้ว"

หากคุณใช้ Claude ในการสร้าง UI components, สไลด์นำเสนอ หรือ layout เอกสาร นี่คือการปรับปรุงคุณภาพการใช้งานที่มีความหมายอย่างยิ่ง

4. Adaptive Thinking (มาแทนที่ Extended Thinking)

Opus 4.6 ใช้ Extended Thinking ซึ่งเป็นโหมดที่โมเดลจะแสดงขั้นตอนการให้เหตุผลของตนเองอย่างชัดเจน Opus 4.7 เปลี่ยนมาใช้ Adaptive Thinking ซึ่งจะปรับความลึกของการให้เหตุผลตามความซับซ้อนของงานโดยอัตโนมัติ

ความแตกต่างในทางปฏิบัติคือ: คุณไม่จำเป็นต้องสลับโหมดการคิดด้วยตนเอง โมเดลจะตัดสินใจว่างานนั้นต้องการการให้เหตุผลมากน้อยเพียงใดและจัดสรรทรัพยากรตามนั้น คำถามง่ายๆ จะได้คำตอบที่รวดเร็ว ส่วนปัญหาที่ซับซ้อนจะได้รับการวิเคราะห์ที่ลึกซึ้งยิ่งขึ้น

หมายเหตุ: Sonnet 4.6 ยังคงรองรับ Extended Thinking อยู่ หากคุณต้องการเห็นขั้นตอนการให้เหตุผลที่ชัดเจน Sonnet ยังคงเป็นตัวเลือก

5. Context Window: ใหญ่ขึ้น 5 เท่า พร้อม Tokenizer ใหม่

การเพิ่มขึ้นจาก 200K เป็น 1M tokens ถือว่าใหญ่มากบนกระดาษ นั่นคือประมาณ 555,000 คำ — มากพอที่จะใส่ codebase ทั้งหมด, ชุดเอกสารขนาดยาว หรือประวัติการสนทนาที่ยาวนานได้

อย่างไรก็ตาม มีรายละเอียดที่สำคัญอย่างหนึ่ง: Opus 4.7 ใช้ tokenizer ใหม่ ข้อความเดียวกันจะสร้าง tokens มากกว่าที่เคยใช้กับ tokenizer ของ Opus 4.6 Anthropic ตั้งข้อสังเกตว่า context window ขนาด 1M นั้นสอดคล้องกับประมาณ 555,000 คำ เทียบกับปกติที่ประมาณ 750,000 คำต่อหนึ่งล้าน tokens ด้วย tokenizer เก่า ในทางปฏิบัติ prompt ที่เคยใช้ 1,000 tokens กับ Opus 4.6 อาจมีค่าใช้จ่ายประมาณ 1,300 tokens กับ Opus 4.7 ราคาต่อ token ไม่ได้เปลี่ยนแปลง แต่ค่าใช้จ่ายที่มีผลต่อการสนทนาของคุณจะเพิ่มขึ้นประมาณ 30% ซึ่งควรนำไปพิจารณาในงบประมาณของคุณหากคุณเป็นผู้ใช้งาน API อย่างหนัก

ความหมายในทางปฏิบัติคือ:

prompt ของคุณจะใช้ tokens มากขึ้นกว่าเดิม
"ความจุข้อความ" ที่แท้จริงของ context window 1M เทียบเท่ากับประมาณ 740K tokens บน tokenizer เก่า
ยังคงเป็นการอัปเกรดที่สำคัญจาก 200K ของ Opus 4.6 แต่ก็ควรทราบไว้เพื่อการประมาณค่าใช้จ่าย

6. Max Output: เพิ่มขึ้นสองเท่าเป็น 128K

Opus 4.6 จำกัด output ไว้ที่ 64K tokens Opus 4.7 เพิ่มขึ้นเป็นสองเท่าที่ 128K สิ่งนี้สำคัญสำหรับ:

การสร้างเอกสารหรือรายงานขนาดยาวในครั้งเดียว
การสร้างโค้ดที่ซับซ้อนซึ่งครอบคลุมหลายไฟล์
งานวิเคราะห์โดยละเอียดที่ก่อนหน้านี้โมเดลอาจต้องตัดทอนคำตอบ

สำหรับ agentic workflows ที่โมเดลต้องสร้าง diffs หรือการเปลี่ยนแปลงหลายไฟล์ที่กว้างขวาง output ขนาด 128K ถือเป็นการปรับปรุงที่ใช้งานได้จริง

7. Project Glasswing และมาตรการป้องกันความปลอดภัยทางไซเบอร์

Opus 4.7 เป็นโมเดลแรกที่เปิดตัวภายใต้กรอบการทำงาน Project Glasswing ของ Anthropic เมื่อสัปดาห์ที่แล้ว Anthropic ได้เน้นย้ำถึงความเสี่ยงและประโยชน์ของโมเดล AI สำหรับ cybersecurity และให้คำมั่นว่าจะทดสอบมาตรการป้องกันใหม่ๆ บนโมเดลที่มีความสามารถน้อยกว่าก่อนที่จะเปิดตัวโมเดลที่ทรงพลังที่สุดอย่าง Claude Mythos Preview ในวงกว้าง

สิ่งนี้หมายความว่าอย่างไรสำหรับ Opus 4.7:

ลดความสามารถด้านไซเบอร์: ระหว่างการฝึกฝน Anthropic ได้ "ทดลองใช้ความพยายามในการลดความสามารถด้าน cybersecurity ลงอย่างแตกต่าง" เมื่อเทียบกับ Mythos Preview
มาตรการป้องกันอัตโนมัติ: โมเดลมีการตรวจจับในตัวที่จะบล็อกคำขอที่บ่งชี้ถึง "การใช้งานด้าน cybersecurity ที่ต้องห้ามหรือมีความเสี่ยงสูง"
Cyber Verification Program: ผู้เชี่ยวชาญด้านความปลอดภัยที่ทำงานอย่างถูกกฎหมาย (การวิจัยช่องโหว่, pentesting, red-teaming) สามารถสมัครเพื่อเข้าถึงผ่าน Cyber Verification Program

นี่คือการทดสอบการควบคุมความสามารถที่แตกต่างกัน (differential capability controls) ในโลกแห่งความเป็นจริงครั้งแรกของ Anthropic — คือการตั้งใจทำให้โมเดลมีความสามารถน้อยลงในบางด้าน ในขณะที่ปรับปรุงในด้านอื่นๆ สิ่งที่พวกเขาเรียนรู้จากการใช้งาน Opus 4.7 จะเป็นตัวกำหนดว่าพวกเขาจะปล่อยโมเดลระดับ Mythos ในวงกว้างอย่างไร (และเมื่อใด)

8. การให้บริการและการเชื่อมต่อ

Opus 4.7 พร้อมใช้งานบนแพลตฟอร์มหลักๆ ทุกแห่งตั้งแต่วันแรก:

Claude API — เข้าถึงโดยตรงผ่าน claude-opus-4-7
Amazon Bedrock — anthropic.claude-opus-4-7 (research preview)
Google Cloud Vertex AI — claude-opus-4-7
Microsoft Foundry — เพิ่มเข้ามาใหม่ในแพลตฟอร์ม

การเพิ่ม Microsoft Foundry เป็นเรื่องน่าสังเกต — นี่เป็นครั้งแรกที่โมเดล Claude Opus มีให้ใช้งานบนแพลตฟอร์มของ Microsoft ตั้งแต่วันเปิดตัว

สิ่งที่ผู้ทดสอบในช่วงแรกกล่าวถึง

นอกเหนือจากตัวเลข benchmark แล้ว ผลตอบรับเชิงคุณภาพจากผู้ทดสอบในระดับองค์กรยังเผยให้เห็นประเด็นที่สอดคล้องกัน:

ด้านความน่าเชื่อถือ:

Hex: "เป็นโมเดลที่แข็งแกร่งที่สุดที่ Hex เคยประเมินมา มันรายงานได้อย่างถูกต้องเมื่อข้อมูลขาดหายไป แทนที่จะให้ข้อมูลที่ดูเหมือนจริงแต่ไม่ถูกต้อง และมันสามารถต้านทานกับดักข้อมูลที่ไม่สอดคล้องกัน (dissonant-data traps) ที่แม้แต่ Opus 4.6 ก็ยังติดกับได้"
Devin: "ยกระดับความเป็นอิสระในระยะยาว (long-horizon autonomy) ไปอีกขั้น มันทำงานอย่างต่อเนื่องเป็นเวลาหลายชั่วโมง และพยายามแก้ปัญหาที่ยากลำบากแทนที่จะยอมแพ้"

ด้านประสิทธิภาพ:

Replit: "เป็นการตัดสินใจอัปเกรดที่ง่ายดาย คุณภาพเท่าเดิมในราคาที่ถูกกว่า — มีประสิทธิภาพและแม่นยำมากขึ้นในงานต่างๆ เช่น การวิเคราะห์ logs และ traces, การหา bug และการเสนอวิธีแก้ไข"
Hex: "Opus 4.7 ที่ใช้ความพยายามน้อย เทียบเท่ากับ Opus 4.6 ที่ใช้ความพยายามปานกลาง" — ซึ่งหมายความว่าคุณจะได้ผลลัพธ์คุณภาพเดียวกันโดยใช้ prompt engineering น้อยลง

ด้านการให้เหตุผล:

Harvey (AI ด้านกฎหมาย): "ความแม่นยำด้านเนื้อหา 90.9% บน BigLaw Bench เมื่อใช้ความพยายามสูง พร้อมการปรับเทียบการให้เหตุผล (reasoning calibration) ที่ดีขึ้น มันสามารถแยกแยะข้อกำหนดการโอนสิทธิ์ (assignment provisions) ออกจากข้อกำหนดการเปลี่ยนแปลงการควบคุม (change-of-control provisions) ได้อย่างถูกต้อง ซึ่งเป็นงานที่ท้าทายสำหรับโมเดลระดับ frontier ในอดีต"
Quantium: "การปรับปรุงที่ยิ่งใหญ่ที่สุดปรากฏในจุดที่สำคัญที่สุด: ความลึกของการให้เหตุผล (reasoning depth), การวางกรอบปัญหาอย่างมีโครงสร้าง (structured problem-framing) และงานด้านเทคนิคที่ซับซ้อน"

ด้านบุคลิกภาพ:

Replit: "ผมชอบที่มันโต้แย้งระหว่างการสนทนาทางเทคนิคเพื่อช่วยให้ผมตัดสินใจได้ดีขึ้น มันให้ความรู้สึกเหมือนเป็นเพื่อนร่วมงานที่ดีขึ้นจริงๆ"
คำอธิบายของ Anthropic เอง: โมเดลนำเสนอ "มุมมองที่มีความคิดเห็นของตัวเองมากขึ้น แทนที่จะเห็นด้วยกับผู้ใช้เพียงอย่างเดียว"

9. ใครกำลังใช้งานอยู่แล้วบ้าง — และพวกเขากำลังสร้างอะไร

รายชื่อผู้ทดสอบในช่วงแรกดูเหมือนจะเป็นรายชื่อบริษัทชั้นนำด้านเครื่องมือสำหรับนักพัฒนาที่ขับเคลื่อนด้วย AI นี่คือภาพรวมคร่าวๆ ว่าบริษัทต่างๆ นำ Opus 4.7 ไปใช้งานอย่างไร:

Coding agents และ IDEs: Cursor, Replit, Warp, และ Devin ต่างก็กำลังรวม Opus 4.7 เข้าเป็นโมเดลหลักหรือโมเดลระดับบนสุดสำหรับงานเขียนโค้ดอัตโนมัติ Devin เน้นย้ำถึง "ความเป็นอิสระในระยะยาว" (long-horizon autonomy) เป็นพิเศษ — โมเดลทำงานอย่างต่อเนื่องเป็นเวลาหลายชั่วโมงในงานสืบสวนเชิงลึกซึ่งก่อนหน้านี้ไม่สามารถทำได้อย่างน่าเชื่อถือ

Code review: CodeRabbit กำลังเตรียม Opus 4.7 สำหรับ "งาน review ที่หนักที่สุดของพวกเขาในวันเปิดตัว" โดยอ้างถึงการปรับปรุง recall มากกว่า 10% ในการตรวจจับ bug ที่หายากใน pull requests ที่ซับซ้อน

แพลตฟอร์ม AI ระดับองค์กร: Hebbia พบว่าความแม่นยำในการเรียกใช้เครื่องมือ (tool call accuracy) และการวางแผนสำหรับ orchestrator agents ที่จัดการเกี่ยวกับ retrieval, การสร้างสไลด์ และการสร้างเอกสาร เพิ่มขึ้นเป็นตัวเลขสองหลัก Genspark รายงานว่ามีอัตราส่วน quality-per-tool-call ratio สูงที่สุดเท่าที่พวกเขาเคยตรวจวัดมาในทุกโมเดล

กฎหมายและการเงิน: Harvey รายงานความแม่นยำด้านเนื้อหา 90.9% บน BigLaw Bench Hex เรียกมันว่า "เป็นโมเดลที่แข็งแกร่งที่สุดที่ Hex เคยประเมินมา" — มันรายงานข้อมูลที่ขาดหายไปอย่างถูกต้องแทนที่จะสร้างข้อมูลเท็จที่ดูเหมือนจริง (hallucinating) และต้านทานกับดักข้อมูลที่แม้แต่ Opus 4.6 ก็ยังตกหลุมพราง ผู้ทดสอบด้าน fintech รายหนึ่งอธิบายว่ามันสามารถจับ "ข้อบกพร่องทางตรรกะของตัวเองได้ในระหว่างขั้นตอนการวางแผน"

วิทยาศาสตร์ชีวภาพ (Life sciences): Solve Intelligence กำลังใช้ความสามารถด้าน vision ที่ได้รับการปรับปรุงสำหรับกระบวนการทำงานด้านสิทธิบัตร (patent workflows) — การอ่านโครงสร้างทางเคมี, การตีความไดอะแกรมทางเทคนิค และการจัดการทุกอย่างตั้งแต่การร่างไปจนถึงการตรวจจับการละเมิด

การแสดงผลข้อมูล (Data visualization): ผู้ทดสอบคนหนึ่งเรียกมันว่า "โมเดลที่ดีที่สุดในโลกสำหรับการสร้างแดชบอร์ดและ interfaces ที่เต็มไปด้วยข้อมูล" โดยกล่าวว่า "รสนิยมด้านการออกแบบนั้นน่าประหลาดใจอย่างแท้จริง — มันเลือกตัวเลือกที่ผมอยากจะนำไปใช้งานจริง"

ความกว้างขวางของการนำไปใช้เป็นสิ่งที่น่าสังเกต นี่ไม่ใช่แค่โมเดลสำหรับการเขียนโค้ดเท่านั้น — แต่ยังถูกนำไปใช้ในวงการกฎหมาย, การเงิน, วิทยาศาสตร์ชีวภาพ และระบบอัตโนมัติในองค์กรอีกด้วย จุดร่วมคือ: งานที่ต้องการการให้เหตุผลอย่างต่อเนื่อง, การใช้เครื่องมือที่แม่นยำ และผลลัพธ์ที่เชื่อถือได้ตลอดการทำงานที่ยาวนาน

Opus 4.7 เทียบกับ Opus 4.6: สรุป

ความสามารถ	Opus 4.6	Opus 4.7	การเปลี่ยนแปลง
Agentic coding	แข็งแกร่ง	แข็งแกร่งขึ้นอย่างมีนัยสำคัญ	+12-14% บน benchmark หลักๆ
Self-verification	จำกัด	มีในตัว	ความสามารถใหม่
Vision	มาตรฐาน	ความละเอียดสูงขึ้น	การปรับปรุงที่สำคัญ
Creative output	ดี	"มีรสนิยมมากขึ้น"	การปรับปรุงคุณภาพ
Context window	200K	1M	ใหญ่ขึ้น 5 เท่า
Max output	64K	128K	ใหญ่ขึ้น 2 เท่า
Thinking mode	Extended	Adaptive	ปรับความลึกอัตโนมัติ
Knowledge cutoff	ส.ค. 2025	ม.ค. 2026	สดใหม่ขึ้น 5 เดือน
Tool error recovery	หยุดเมื่อล้มเหลว	พยายามทำต่อ	ความน่าเชื่อถือเพิ่มขึ้นมาก
Cyber safeguards	ไม่มี	Project Glasswing	กรอบความปลอดภัยใหม่
Pricing	$5/$25 ต่อ M tokens	$5/$25 ต่อ M tokens	ไม่เปลี่ยนแปลง

สรุป

Claude Opus 4.7 คือการอัปเกรดที่มุ่งเน้นและเพิ่มความสามารถในสิ่งที่ Opus ทำได้ดีอยู่แล้ว — ซึ่งก็คืองานเขียนโค้ดที่ซับซ้อนและเป็นอัตโนมัติ — พร้อมทั้งเพิ่มการปรับปรุงที่มีความหมายในด้าน vision, ความยาวของ output และความจุของ context

ข้อดีที่สุดคือความน่าเชื่อถือแบบ agentic: self-verification, tool error recovery และ long-running task consistency หากคุณกำลังสร้างเครื่องมือสำหรับนักพัฒนาที่ขับเคลื่อนด้วย AI หรือใช้ Claude Code สำหรับงานเขียนโค้ดประจำวัน การปรับปรุงเหล่านี้จะส่งผลโดยตรงต่องานที่ล้มเหลวน้อยลงและการดูแลที่น้อยลง

tokenizer ใหม่และมาตรการป้องกันความปลอดภัยทางไซเบอร์ของ Project Glasswing เป็นสิ่งที่ควรทำความเข้าใจ เนื่องจากมีผลกระทบทั้งต่อการคำนวณค่าใช้จ่ายและพฤติกรรมของโมเดลในงานที่เกี่ยวข้องกับความปลอดภัย

สำหรับนักพัฒนาที่ใช้ Opus 4.6 อยู่แล้ว เส้นทางการอัปเกรดนั้นง่ายมาก — เพียงสลับ claude-opus-4-6 เป็น claude-opus-4-7 ในการเรียก API calls ของคุณ ราคาเท่าเดิม แต่ความสามารถมากกว่า

ลิงก์:

ประกาศจาก Anthropic: anthropic.com/research/claude-opus-4-7
เอกสาร API: platform.claude.com/docs
Project Glasswing: anthropic.com/glasswing
Cyber Verification Program: claude.com/form/cyber-use-case

Claude Opus 4.7: มีอะไรใหม่และเปรียบเทียบกับ Opus 4.6