Claude Opus 4.7 คืออะไร? ฟีเจอร์, เปรียบเทียบ, ราคา และข้อมูลที่คุณต้องรู้

สรุป

Claude Opus 4.7 เป็นโมเดลที่ทรงพลังที่สุดของ Anthropic ที่เปิดให้ใช้งานทั่วไป ซึ่งเปิดตัวเมื่อวันที่ 16 เมษายน 2026 โดยมาพร้อมกับวิสัยทัศน์ความละเอียดสูง (สูงสุด 3.75 ล้านพิกเซล), ระดับความพยายามใหม่ xhigh, งบประมาณสำหรับงาน (task budgets) สำหรับลูปแบบตัวแทน (agentic loops) และ tokenizer ใหม่ โมเดลนี้ยังคงใช้หน้าต่างบริบท 1M โทเค็น และราคา $5/$25 ต่อล้านโทเค็นจาก Opus 4.6 แต่มีการเปลี่ยนแปลง API ที่ไม่เข้ากันหลายอย่าง รวมถึงการยกเลิกงบประมาณการคิดแบบขยาย และพารามิเตอร์การสุ่มตัวอย่าง

บทนำ

Anthropic ได้เปิดตัว Claude Opus 4.7 เมื่อวันที่ 16 เมษายน 2026 โดยเข้ามาแทนที่ Opus 4.6 ในฐานะโมเดลระดับสูงสุดในกลุ่มผลิตภัณฑ์ Claude และมุ่งเป้าไปที่นักพัฒนาที่สร้างเอเจนต์อัตโนมัติ, ผู้ช่วยงานความรู้ และแอปพลิเคชันที่เน้นการมองเห็น

การเปิดตัวครั้งนี้มีความสำคัญด้วยสามเหตุผล ประการแรก เป็นโมเดล Claude รุ่นแรกที่รองรับภาพความละเอียดสูง ซึ่งเพิ่มงบประมาณพิกเซลมากกว่าสามเท่าจาก 1.15 MP เป็น 3.75 MP ประการที่สอง มีการนำงบประมาณสำหรับงาน (task budgets) มาใช้ ซึ่งเป็นวิธีที่ช่วยให้โมเดลได้รับโทเค็นสำหรับการทำงานแบบตัวแทนทั้งลูป แทนที่จะเป็นแค่การตอบกลับครั้งเดียว ประการที่สาม มีการเปลี่ยนแปลงที่สำคัญซึ่งอาจทำให้โค้ดเดิมใช้งานไม่ได้และจำเป็นต้องอัปเดตโค้ดหากคุณกำลังย้ายจาก Opus 4.6

ข้อมูลจำเพาะหลัก

Opus 4.7 ใช้ tokenizer ใหม่ที่อาจสร้างโทเค็นเพิ่มขึ้นสูงสุดถึง 35% สำหรับข้อความเดียวกันเมื่อเทียบกับ Opus 4.6 ราคาต่อโทเค็นยังคงเดิม แต่ต้นทุนต่อคำขอจริงของคุณอาจเพิ่มขึ้นขึ้นอยู่กับเนื้อหา

มีอะไรใหม่ใน Claude Opus 4.7

รองรับภาพความละเอียดสูง

นี่คือส่วนเพิ่มเติมที่สำคัญ โมเดล Claude รุ่นก่อนหน้าจำกัดอินพุตภาพไว้ที่ 1,568 พิกเซลในด้านยาว (ประมาณ 1.15 ล้านพิกเซล) Opus 4.7 ได้เพิ่มขีดจำกัดนั้นเป็น 2,576 พิกเซลในด้านยาว (ประมาณ 3.75 ล้านพิกเซล)

ผลกระทบในทางปฏิบัติคือ ภาพหน้าจอ, แบบจำลองการออกแบบ, เอกสาร และภาพถ่ายจะแสดงผลด้วยความละเอียดที่สูงขึ้นมาก การแมปพิกัดตอนนี้เป็นแบบ 1:1 กับพิกเซลจริง ซึ่งช่วยลดการคำนวณปัจจัยสเกลที่เวิร์กโฟลว์การใช้งานคอมพิวเตอร์เคยต้องการก่อนหน้านี้

Opus 4.7 ยังปรับปรุงงานย่อยที่เกี่ยวข้องกับการมองเห็นโดยเฉพาะดังนี้:

• การรับรู้ระดับต่ำ: งานชี้, วัด และนับมีความแม่นยำมากขึ้น
• การระบุตำแหน่งภาพ: การตรวจจับกล่องขอบเขตและการระบุตำแหน่งภาพธรรมชาติแสดงให้เห็นถึงการปรับปรุงที่ชัดเจน

ความละเอียดที่สูงขึ้นหมายถึงจำนวนโทเค็นต่อภาพที่มากขึ้น หากกรณีการใช้งานของคุณไม่ต้องการความแม่นยำพิเศษนี้ ให้ลดขนาดภาพก่อนส่งเพื่อประหยัดค่าใช้จ่าย

ระดับความพยายามใหม่ xhigh

พารามิเตอร์ `effort` ควบคุมว่า Claude จะทุ่มเทการให้เหตุผลในการตอบกลับมากน้อยเพียงใด Opus 4.7 เพิ่มระดับ xhigh ซึ่งอยู่เหนือระดับ high, medium และ low ที่มีอยู่เดิม

ใช้ xhigh สำหรับงานเขียนโค้ดและงานแบบตัวแทนที่คุณภาพมีความสำคัญมากกว่าความหน่วงแฝง ในระดับนี้ โมเดลจะใช้โทเค็นจำนวนมากในการให้เหตุผลภายใน ซึ่งส่งผลให้ได้ผลลัพธ์ที่ดีขึ้นสำหรับปัญหาที่ซับซ้อน ใช้ high เป็นระดับขั้นต่ำสำหรับงานที่ต้องการความแม่นยำสูง ระดับที่ต่ำกว่าจะแลกความแม่นยำกับความเร็วและการประหยัดค่าใช้จ่าย

งบประมาณสำหรับงาน (เบต้า)

งบประมาณสำหรับงานช่วยแก้ปัญหาที่นักพัฒนาเอเจนต์ทุกคนต้องเผชิญ: คุณจะป้องกันไม่ให้ลูปของเอเจนต์แบบหลายรอบใช้โทเค็นจำนวนมากเกินไปได้อย่างไร?

ด้วยงบประมาณสำหรับงาน คุณจะกำหนดเป้าหมายโทเค็นคร่าวๆ ให้ Claude สำหรับทั้งลูป ซึ่งรวมถึงการคิด, การเรียกใช้เครื่องมือ, ผลลัพธ์ของเครื่องมือ และผลลัพธ์สุดท้าย โมเดลจะเห็นการนับถอยหลังที่กำลังดำเนินอยู่ และใช้มันเพื่อจัดลำดับความสำคัญของงาน, ข้ามขั้นตอนที่มีค่าน้อย และจบงานอย่างสง่างามเมื่อใช้งบประมาณหมดลง

รายละเอียดสำคัญ:

• งบประมาณสำหรับงานขั้นต่ำคือ 20,000 โทเค็น
• เป็นคำแนะนำ ไม่ใช่ข้อจำกัดที่เข้มงวด Claude พยายามที่จะอยู่ในงบประมาณแต่ก็อาจเกินได้
• แตกต่างจาก max_tokens ซึ่งเป็นขีดจำกัดสูงสุดต่อคำขอที่โมเดลไม่เห็น
• ต้องใช้ส่วนหัวเบต้า task-budgets-2026-03-13

สำหรับงานเอเจนต์แบบปลายเปิดที่คุณภาพมีความสำคัญสูงสุด ให้ข้ามงบประมาณสำหรับงานและปล่อยให้โมเดลทำงานได้ตามอิสระ สงวนงบประมาณสำหรับงานไว้สำหรับปริมาณงานที่คุณต้องการควบคุมค่าใช้จ่ายทั้งหมด

การคิดแบบปรับตัวเป็นโหมดการคิดเดียว

การคิดแบบขยาย (ที่คุณกำหนด budget_tokens แบบคงที่) ถูกนำออกไป การพยายามตั้งค่า thinking: {"type": "enabled", "budget_tokens": N} จะส่งคืนข้อผิดพลาด 400

การคิดแบบปรับตัวเป็นโหมดการคิดเพียงอย่างเดียว ในการประเมินภายในของ Anthropic วิธีนี้มีประสิทธิภาพดีกว่าวิธีการกำหนดงบประมาณแบบคงที่อย่างสม่ำเสมอ เนื่องจากโมเดลจะจัดสรรโทเค็นการให้เหตุผลแบบไดนามิกตามความยากของงาน

สำคัญ: การคิดแบบปรับตัว ปิดใช้งานตามค่าเริ่มต้น คุณต้องตั้งค่า thinking: {"type": "adaptive"} อย่างชัดเจนเพื่อเปิดใช้งาน

ตามค่าเริ่มต้น เนื้อหาการคิดจะถูกละเว้นจากการตอบกลับด้วย หากคุณต้องการดูการให้เหตุผลของโมเดล (เช่น สำหรับการสตรีมความคืบหน้าให้ผู้ใช้) ให้ตั้งค่า display: "summarized" ในการกำหนดค่าการคิด

หน่วยความจำที่ได้รับการปรับปรุง

Opus 4.7 มีความสามารถในการเขียนและอ่านจากหน่วยความจำแบบระบบไฟล์ได้ดีขึ้น หากเอเจนต์ของคุณมีสมุดจด, ไฟล์บันทึก หรือที่เก็บหน่วยความจำที่มีโครงสร้างตลอดการสนทนาหลายรอบ โมเดลจะทำการอัปเดตและอ้างอิงบันทึกเหล่านั้นได้ดีขึ้น

สิ่งนี้มีความสำคัญสำหรับเอเจนต์เขียนโค้ดที่ทำงานนาน, ผู้ช่วยวิจัย และเวิร์กโฟลว์ใดๆ ที่บริบทถูกส่งต่อระหว่างเซสชัน

การปรับปรุงงานความรู้

ข้อดีเฉพาะในงานความรู้ในโลกแห่งความเป็นจริง:

• การแก้ไขเอกสาร: สามารถสร้างและตรวจสอบการเปลี่ยนแปลงที่ติดตามในไฟล์ .docx ได้ดีขึ้น
• การแก้ไขสไลด์: ความแม่นยำที่ดีขึ้นในการสร้างและตรวจสอบเค้าโครง .pptx
• การวิเคราะห์แผนภูมิ: สามารถใช้ไลบรารีประมวลผลภาพ (เช่น PIL) เพื่อวิเคราะห์แผนภูมิในระดับพิกเซลและถอดข้อมูลจากรูปภาพได้ดีขึ้น

สิ่งที่เปลี่ยนแปลงจาก Opus 4.6

การเปลี่ยนแปลง API ที่ไม่เข้ากัน

สิ่งเหล่านี้ใช้กับ Messages API หากคุณใช้ Claude Managed Agents จะไม่มีการเปลี่ยนแปลงที่เข้ากันไม่ได้

การเปลี่ยนแปลงพฤติกรรม

สิ่งเหล่านี้ไม่ใช่การเปลี่ยนแปลง API ที่เข้ากันไม่ได้ แต่อาจส่งผลต่อข้อความแจ้งของคุณ:

• การทำตามคำสั่งที่ตรงตัวมากขึ้น โมเดลจะไม่สรุปคำสั่งจากรายการหนึ่งไปยังอีกรายการหนึ่งโดยอัตโนมัติ
• ความยาวของการตอบกลับจะปรับตามความซับซ้อนของงาน แทนที่จะใช้ความละเอียดคงที่ตามค่าเริ่มต้น
• เรียกใช้เครื่องมือน้อยลงตามค่าเริ่มต้น โดยชอบการให้เหตุผลมากกว่าการกระทำ เพิ่มระดับความพยายามเพื่อเพิ่มการใช้เครื่องมือ
• น้ำเสียงที่ตรงไปตรงมาและมีความเห็นมากขึ้น โดยใช้อีโมจิน้อยลงและสำนวนที่เน้นการตรวจสอบน้อยลง
• สร้าง subagent น้อยลงตามค่าเริ่มต้น ในเวิร์กโฟลว์แบบตัวแทน

หากคุณได้สร้างโครงสร้างคำสั่งเพื่อบังคับให้ Claude มีพฤติกรรมเฉพาะ (เช่น “ตรวจสอบเค้าโครงสไลด์ซ้ำ” หรือ “แจ้งสถานะ”) ลองลบออกได้เลย Opus 4.7 รองรับรูปแบบเหล่านี้หลายอย่างโดยกำเนิด

รายละเอียดราคา

Opus 4.7 ยังคงรักษาราคาต่อโทเค็นเดียวกันกับ Opus 4.6 และ 4.5:

tokenizer ใหม่เป็นตัวแปรด้านต้นทุนที่ต้องจับตามอง เนื่องจากอาจสร้างโทเค็นเพิ่มขึ้นสูงสุดถึง 35% สำหรับข้อความอินพุตเดียวกัน ต้นทุนต่อคำขอจริงของคุณจึงอาจเพิ่มขึ้น แม้ว่าราคาต่อโทเค็นจะไม่มีการเปลี่ยนแปลงก็ตาม ทดสอบด้วยปลายทาง /v1/messages/count_tokens เพื่อวัดผลกระทบต่อข้อความแจ้งเฉพาะของคุณ

หน้าต่างบริบท 1M ไม่มีค่าพรีเมียมสำหรับบริบทขนาดยาว คำขอ 900K โทเค็นมีอัตราค่าใช้จ่ายต่อโทเค็นเท่ากับคำขอ 9K โทเค็น

สถานที่ใช้งาน Opus 4.7

กรณีการใช้งานที่แข็งแกร่ง

• เอเจนต์เขียนโค้ดอัตโนมัติ: ระดับความพยายาม xhigh + งบประมาณสำหรับงาน ช่วยให้คุณควบคุมพฤติกรรมและค่าใช้จ่ายของเอเจนต์ได้อย่างละเอียด
• การใช้งานคอมพิวเตอร์: การแมปพิกัดพิกเซลแบบ 1:1 และการมองเห็น 3.75 MP ทำให้การโต้ตอบหน้าจอมีความน่าเชื่อถือมากขึ้นอย่างเห็นได้ชัด
• การประมวลผลเอกสาร: ปรับปรุงการวิเคราะห์ .docx, .pptx และแผนภูมิสำหรับการทำงานอัตโนมัติที่ต้องใช้ความรู้
• การดึงข้อมูลบริบทขนาดยาว: หน้าต่างโทเค็น 1M ในราคามาตรฐานสำหรับฐานโค้ดขนาดใหญ่, เอกสารทางกฎหมาย หรือเอกสารวิจัย
• เอเจนต์แบบหลายเซสชัน: หน่วยความจำแบบไฟล์ที่ดีขึ้นสำหรับเวิร์กโฟลว์ที่ครอบคลุมการสนทนาหลายครั้ง

เมื่อ Opus 4.7 อาจเกินความจำเป็น

• งาน Q&A หรือการจัดประเภทอย่างง่าย: Haiku 4.5 ($1/$5 ต่อ MTok) หรือ Sonnet 4.6 ($3/$15 ต่อ MTok) ให้ผลลัพธ์ที่ดีในราคาเพียงเล็กน้อย
• เวิร์กโฟลว์แชทบอทที่มีความหน่วงแฝงต่ำ: โอเวอร์เฮดของการคิดแบบปรับตัวและระดับความพยายามสูงจะเพิ่มความหน่วงแฝง
• การวิเคราะห์แบบแบตช์บนข้อมูลที่มีโครงสร้าง: Batch API ที่ใช้ Sonnet มักจะมีประสิทธิภาพด้านต้นทุนมากกว่า

วิธีทดสอบการรวม Claude Opus 4.7 ของคุณกับ Apidog

การเปลี่ยน ID โมเดลของคุณจาก claude-opus-4-6 เป็น claude-opus-4-7 เป็นส่วนที่ง่าย ส่วนที่ยากกว่าคือการตรวจสอบว่าข้อความแจ้ง, คำจำกัดความของเครื่องมือ และการจัดการข้อผิดพลาดที่มีอยู่ของคุณยังคงทำงานได้อย่างถูกต้องหลังจากมีการเปลี่ยนแปลงที่เข้ากันไม่ได้

Apidog ทำให้สิ่งนี้ง่ายขึ้น:

นำเข้าสคีมา API ของคุณ ป้อน OpenAPI spec ของคุณหรือกำหนดปลายทาง Claude API ของคุณด้วยตนเอง Apidog จะสร้างเทมเพลตคำขอสำหรับ Messages API โดยอัตโนมัติ

สร้างสถานการณ์การทดสอบ ตั้งค่าการสนทนาหลายรอบที่ทดสอบรูปแบบการใช้เครื่องมือเฉพาะของคุณ Apidog ช่วยให้คุณสามารถเชื่อมโยงคำขอ, ส่งต่อบริบทระหว่างรอบ และตรวจสอบสคีมาการตอบกลับได้

เปรียบเทียบเวอร์ชันโมเดล เรียกใช้สถานการณ์การทดสอบเดียวกันกับ claude-opus-4-6 และ claude-opus-4-7 แบบเคียงข้างกัน ตรวจสอบความแตกต่างในจำนวนโทเค็น, โครงสร้างการตอบกลับ และคุณภาพเอาต์พุต

ตรวจสอบการเปลี่ยนแปลงที่เข้ากันไม่ได้ ยืนยันว่าการกำหนดค่า thinking ที่อัปเดตของคุณทำงานได้, พารามิเตอร์การสุ่มตัวอย่างที่ถูกนำออกไปไม่กลับเข้ามาอีก และ tokenizer ใหม่ไม่ทำให้เกินขีดจำกัด max_tokens ของคุณ

ดีบักเพย์โหลดการใช้เครื่องมือ ตรวจสอบส่วนเนื้อหาคำขอและส่วนเนื้อหาการตอบกลับทั้งหมดสำหรับการสนทนาการใช้เครื่องมือแบบหลายรอบ อินเทอร์เฟซแบบกราฟิกของ Apidog ทำให้ง่ายต่อการตรวจพบผลลัพธ์ของเครื่องมือที่ผิดรูปแบบหรือการอ้างอิง tool_use_id ที่หายไป

รายการตรวจสอบการย้ายข้อมูล

หากคุณกำลังอัปเกรดจาก Opus 4.6:

• [ ] อัปเดต ID โมเดลของคุณเป็น claude-opus-4-7
• [ ] แทนที่ thinking: {"type": "enabled", "budget_tokens": N} ด้วย thinking: {"type": "adaptive"}
• [ ] ลบพารามิเตอร์ temperature, top_p และ top_k ออก (หรือตั้งค่าเป็นค่าเริ่มต้น)
• [ ] หากสตรีมการคิดไปยังผู้ใช้ ให้เพิ่ม display: "summarized" ในการกำหนดค่าการคิดของคุณ
• [ ] เพิ่มขีดจำกัด max_tokens เพื่อรองรับ tokenizer ใหม่ (โทเค็นเพิ่มขึ้นสูงสุด 35%)
• [ ] ทดสอบการแคชข้อความแจ้ง — จำนวนโทเค็นจะแตกต่างกัน
• [ ] ลบโครงสร้างคำสั่งสำหรับพฤติกรรมที่ Opus 4.7 รองรับโดยกำเนิด (การอัปเดตสถานะ, การตรวจสอบตนเอง)
• [ ] เรียกใช้ชุดทดสอบของคุณด้วย Apidog เพื่อตรวจสอบพฤติกรรมแบบครบวงจร

สรุป

Claude Opus 4.7 เป็นโมเดลที่ทรงพลังที่สุดของ Anthropic ที่เปิดให้ใช้งานทั่วไป การมองเห็นความละเอียดสูง, งบประมาณสำหรับงาน และระดับความพยายาม xhigh ผลักดันให้โมเดลนี้เข้าสู่ขอบเขตของเอเจนต์อัตโนมัติมากยิ่งขึ้น การเปลี่ยนแปลงที่เข้ากันไม่ได้ (ไม่มีงบประมาณการคิดแบบขยายอีกต่อไป, ไม่มีพารามิเตอร์การสุ่มตัวอย่าง) จำเป็นต้องมีการอัปเดตโค้ด แต่เส้นทางการย้ายข้อมูลก็ชัดเจน

tokenizer ใหม่เป็นปัจจัยหลักที่ต้องพิจารณาด้านต้นทุน ราคาต่อโทเค็นคงที่ แต่ข้อความแจ้งเดียวกันอาจมีค่าใช้จ่ายสูงขึ้นเนื่องจากจำนวนโทเค็นที่เพิ่มขึ้น ทดสอบปริมาณงานของคุณก่อนที่จะเปลี่ยนไปใช้งานจริง

สำหรับนักพัฒนาที่สร้างการรวม API, Apidog มอบสภาพแวดล้อมการทดสอบและการดีบักที่คุณต้องการเพื่อตรวจสอบการย้ายข้อมูลและเปรียบเทียบประสิทธิภาพของโมเดลในแต่ละเวอร์ชัน