Claude Opus 4.7 มาแล้ว แต่ดีขึ้นจริง หรือแค่แก้เกมจาก 4.6?

สรุปจากคลิป ดูคลิปต้นฉบับ

บางครั้งสิ่งที่น่าสนใจกว่าการเปิดตัว AI model ใหม่ ไม่ใช่คำว่า “เก่งขึ้น” แต่คือคำถามว่า ก่อนหน้านี้มันแย่ลงเพราะอะไร แล้วการออกรุ่นใหม่รอบนี้คือความก้าวหน้าจริง หรือเป็นการเอาของเดิมที่ถูกปรับให้ด้อยลงกลับมาทำให้ดีอีกครั้ง

ประเด็นนี้ถูกหยิบมาพูดชัดมากในคลิปของ Nate Herk | AI Automation ที่แกะเคส ClaudeOpus 4.7 แบบไม่เชียร์ตามกระแส เขาย้อนให้เห็นตั้งแต่ปัญหาของ Opus 4.6 ไปจนถึง benchmark, ฟีเจอร์ใหม่, และการทดสอบใช้งานจริงแบบเร็วๆ ซึ่งภาพที่ออกมาน่าสนใจมากสำหรับคนที่ใช้ AI กับงานจริง โดยเฉพาะเจ้าของธุรกิจและคนทำงานที่ไม่ได้เขียนโค้ดเองตลอดเวลา แต่ต้องพึ่ง AI เพื่อคิด วิเคราะห์ สรุป และช่วยตัดสินใจ

ประเด็นสำคัญไม่ได้อยู่แค่ว่า Opus 4.7 ดีไหม แต่อยู่ที่ว่า เราควรเชื่อ benchmark แค่ไหน และถ้าเอา AI ไปใช้กับธุรกิจจริง เราควรวัดจากอะไรบ้าง เพื่อไม่ให้จ่ายแพงขึ้น แต่ได้งานที่มั่นใจน้อยลง

สารบัญ

• ปัญหาของ Opus 4.6 ไม่ได้เป็นแค่ดราม่า แต่กระทบงานจริง
• Anthropic เปลี่ยน model จริง หรือแค่เปลี่ยนวิธีให้มันคิด?
• ทำไม Opus 4.7 ถึงดูเหมือนแก้ทุกข้อร้องเรียนได้พอดี
• Benchmark ดูดีขึ้น แต่ธุรกิจไม่ควรตัดสินจาก benchmark อย่างเดียว
• สิ่งใหม่ใน Opus 4.7 ที่ควรรู้ก่อนเริ่มใช้
• การทดลองใช้งานจริง: 4.7 ดูฉลาดขึ้น แต่ไม่ชนะทุกมิติ
• อีกประเด็นที่ไม่ควรมองข้าม: Desktop app เปิดตัวเร็ว แต่ยังมีรอยรั่ว
• สรุปให้ตรงไปตรงมา: Opus 4.7 อาจเก่งมาก แต่ก็อาจเป็นยารักษาแผลที่บริษัททำไว้เอง
• Actionable Insights
• Troubleshooting
• การต่อยอด
• สรุป Checklist ทั้งหมด

ปัญหาของ Opus 4.6 ไม่ได้เป็นแค่ดราม่า แต่กระทบงานจริง

จุดตั้งต้นของเรื่องนี้คือเสียงบ่นจากผู้ใช้จำนวนมากว่า Opus 4.6 ฉลาดน้อยลง ในช่วงไม่กี่สัปดาห์ที่ผ่านมา ซึ่งถ้าเป็นแค่ความรู้สึกส่วนตัวก็คงยังเถียงกันได้ แต่ที่เริ่มแรงขึ้นเพราะมีการอ้างอิงงานวิเคราะห์จาก senior director ของ AMD ที่ดูข้อมูลเกือบ 7,000 coding sessions ใน Claude Code แล้วพบสัญญาณที่ชัดมาก

• ความลึกในการคิดลดลงประมาณ 73%
• model เริ่มแก้ไฟล์โดยไม่อ่านไฟล์ก่อนบ่อยขึ้น
• ผู้ใช้ต้องคอยเบรกหรือแทรกแซงมากขึ้นถึง 12 เท่า
• เกิด hallucination มากขึ้น เช่น commit hash ปลอม, package ปลอม, API version มั่ว
• มีอาการเลิกทำงานกลางคัน หรือ abandon task

ถ้ามองจากมุมธุรกิจ เรื่องนี้สำคัญมากกว่าที่คิด เพราะคนส่วนใหญ่ไม่ได้ใช้ AI แค่ถามตอบเล่นๆ แต่ใช้กับงานที่มีผลต่อเงิน เช่น สรุปรายงาน, วิเคราะห์ตัวเลข, เขียน proposal, วางแผนการตลาด, หรือช่วยเตรียมเอกสารลูกค้า ถ้า model “ข้ามขั้นคิด” และรีบตอบเร็วเกินไป สิ่งที่เสียไม่ใช่แค่คุณภาพงาน แต่คือเวลาในการตรวจแก้และความเสี่ยงในการตัดสินใจผิด

อีกมุมที่ Nate ชี้ไว้แล้วน่าคิดคือ คนที่จ่ายแพ็กเกจแพงระดับ 200 ดอลลาร์ต่อเดือน เริ่มรู้สึกว่าใช้ token หมดเร็วผิดปกติ แต่คุณภาพกลับไม่คุ้มราคา นี่คือปัญหาคลาสสิกของ AI ในองค์กรเลย คือ ต้นทุนพุ่งแบบเงียบๆ เพราะทีมงานไม่ได้เห็นทันทีว่าค่าเสียหายเกิดจาก model ตอบผิด หรือเกิดจากต้องสั่งซ้ำหลายรอบ

Anthropic เปลี่ยน model จริง หรือแค่เปลี่ยนวิธีให้มันคิด?

จุดที่ทำให้เรื่องนี้ไม่ธรรมดา คือปัญหาหลายอย่างของ Opus 4.6 ดูเหมือนจะไม่ได้เกิดจากตัว model เสื่อมลงตรงๆ แต่เกิดจากการปรับ “พฤติกรรมการคิด” ของมันแทน

ตามข้อมูลที่ถูกอธิบายไว้ Anthropic เคยเปลี่ยนระบบ adaptive thinking ให้ model ตัดสินใจเองว่าแต่ละคำถามควรใช้ reasoning มากน้อยแค่ไหน ถ้ามันมองว่างานง่าย มันอาจให้ reasoning token เป็นศูนย์ หรือพูดง่ายๆ คือไม่คิดเลย แล้วตอบทันที

ฟังดูดีในเชิงต้นทุน แต่ปัญหาคือ AI มักประเมินความยากของโจทย์ผิด โดยเฉพาะโจทย์ธุรกิจที่ดูเหมือนสั้น แต่จริงๆ ต้องใช้ความเข้าใจหลายชั้น เช่น

• “ช่วยสรุปแผนการเงิน 12 เดือนให้หน่อย”
• “ช่วยเทียบแพ็กเกจราคาแล้วแนะนำว่าควรปรับ tier ไหน”
• “ช่วยเขียนอีเมลตอบลูกค้าที่กำลังจะยกเลิกบริการ”

คำสั่งพวกนี้ไม่ได้ซับซ้อนในรูปประโยค แต่ซับซ้อนในเชิงผลลัพธ์ ถ้า model คิดน้อยเกินไป มันจะตอบแบบผิวเผิน ดูเหมือนโอเค แต่ใช้งานจริงไม่ได้

อีกเรื่องคือค่า effort default ถูกลดลงเหลือแค่ระดับ medium โดยที่หลายคนไม่รู้ตัว นี่แหละคือจุดที่ทำให้หลายคนรู้สึกว่า “AI โง่ลง” ทั้งที่ตัว model อาจไม่ได้เปลี่ยน แต่ระบบถูกปรับให้คิดน้อยลง

ถ้าเอามาแปลเป็นภาษาคนทำธุรกิจ ก็คือเหมือนเราจ้างผู้ช่วยคนเดิม แต่สั่งให้เขารีบทำ รีบตอบ และห้ามใช้เวลาตรวจงานมาก ผลลัพธ์ย่อมดรอป แม้คนเดิมจะยังเก่งเท่าเดิมก็ตาม

ทำไม Opus 4.7 ถึงดูเหมือนแก้ทุกข้อร้องเรียนได้พอดี

เมื่อ Claude Opus 4.7 เปิดตัว สิ่งที่สะดุดตาคือคำอธิบายแทบทุกข้อเหมือนตอบรับเสียงบ่นของชุมชนแบบตรงจุดมาก

• บ่นว่า model คิดตื้น ก็มี X High effort เพิ่มเข้ามา
• บ่นว่าทำงานไม่จบ ก็เคลมว่ามอบงานยากให้มันได้มั่นใจขึ้น
• บ่นว่าไม่ตาม instruction ก็ประกาศว่าทำตามคำสั่งได้ตรงขึ้น
• บ่นว่า hallucination เยอะ ก็ระบุว่าตรวจตราความผิดพลาดของตัวเองได้ดีขึ้น
• บ่นว่า vision อ่อน ก็ประกาศว่าดีขึ้นมาก
• บ่นเรื่อง safety และพฤติกรรมแปลกๆ ก็มีการอธิบาย benchmark ด้าน alignment เพิ่ม

ตรงนี้เองที่ทำให้หลายคนเริ่มตั้งคำถามว่า นี่คือการพัฒนา model ใหม่จริง หรือเป็นการอุดรูรั่วที่เกิดจากการตั้งค่ารุ่นก่อนหน้าไม่ดีพอ

มุมมองของ Nate ค่อนข้างแฟร์ เขาไม่ได้บอกว่านี่เป็นเรื่องแย่เสมอไป เพราะการ iterate product ก็ควรทำแบบนี้อยู่แล้ว แต่ปัญหาคือถ้ารุ่นก่อนถูกปรับให้ด้อยลงแบบเงียบๆ แล้วค่อยเปิดรุ่นใหม่พร้อมคำว่า “ดีขึ้นมาก” มันก็ทำให้ความเชื่อมั่นของผู้ใช้สั่นคลอน

สำหรับธุรกิจ นี่เป็นบทเรียนสำคัญมากว่า อย่ายึดติดกับชื่อรุ่นหรือคำโฆษณา ให้ยึดกับผลลัพธ์งานจริงใน workflow ของเราแทน เช่น

• สรุปประชุมแล้วใช้ต่อได้ไหม
• ช่วยวิเคราะห์ตัวเลขแล้วเหตุผลแน่นพอไหม
• อ่านเอกสารยาวๆ แล้วจับประเด็นสำคัญครบไหม
• ตอบตาม format ที่ทีมต้องการได้สม่ำเสมอไหม

Benchmark ดูดีขึ้น แต่ธุรกิจไม่ควรตัดสินจาก benchmark อย่างเดียว

ในภาพรวม 4.7 ทำคะแนนดีขึ้นหลายด้าน ทั้ง software engineering, knowledge work, document reasoning, long context, biomolecular reasoning, vision และงานที่ต้องคงความต่อเนื่องระยะยาว

สำหรับคนที่ไม่ได้เป็น developer ประเด็นที่ควรสนใจเป็นพิเศษมี 3 เรื่อง

1) งานเอกสารและการอ่านข้อมูลยาวๆ

ถ้า model จัดการเอกสารยาวและ context ขนาดใหญ่ได้ดีขึ้นจริง งานประเภทสัญญา, proposal, policy, รายงานยอดขาย, หรือสรุปข้อมูลจากหลายไฟล์จะน่าใช้งานมากขึ้น โดยเฉพาะในองค์กรที่ข้อมูลกระจัดกระจาย

2) งานวิเคราะห์เชิงธุรกิจและการเงิน

Nate สังเกตว่า benchmark ด้าน financial analysis น่าสนใจ และจากการลองเองก็รู้สึกว่า 4.7 มีน้ำเสียงและกรอบคิดแบบคนเข้าใจการเงินมากขึ้น ไม่ได้ตอบเชิงผิวเผินเท่าเดิม

3) งานภาพและการตีความ visual

ถ้า vision ดีขึ้นจริง เจ้าของธุรกิจจะใช้ AI อ่านกราฟ, dashboard, infographic, สไลด์, หรือภาพเอกสารได้สะดวกขึ้น ซึ่งเป็น use case ที่โตเร็วมากในงานจริง

แต่สุดท้าย benchmark ก็ยังมีข้อจำกัด เพราะมันวัด “สนามสอบ” ไม่ใช่ “สนามงาน” งานจริงของแต่ละธุรกิจมีนิยามของคำว่าดีไม่เหมือนกัน บางทีมต้องการเร็ว บางทีมต้องการแม่น บางทีมต้องการให้ออกมาเป็น deliverable ที่ส่งต่อได้เลย

สิ่งใหม่ใน Opus 4.7 ที่ควรรู้ก่อนเริ่มใช้

X High effort

นี่คือระดับ effort ใหม่ที่มีเฉพาะ 4.7 และน่าจะเป็นตัวแปรสำคัญมาก เพราะมันสะท้อนชัดว่า Anthropic เองก็รู้ว่าปัญหาเรื่อง “คิดไม่พอ” กระทบการใช้งานจริงแค่ไหน

สำหรับงานธุรกิจ เราไม่จำเป็นต้องเปิดระดับนี้ตลอดเวลา แต่ควรใช้กับงานที่มูลค่าสูง เช่น

• วิเคราะห์แผนรายได้และกำไร
• เขียนเอกสารสำหรับเสนอผู้บริหาร
• สรุปประเด็นกฎหมายหรือเงื่อนไขสัญญา
• ออกแบบแผนราคา, โปรโมชัน, หรือ scenario planning

/ultra-review

ฟีเจอร์นี้ถูกออกแบบมาเพื่อให้ model อ่านการเปลี่ยนแปลงและช่วยรีวิวงาน ถ้ามองนอกโลก developer แนวคิดนี้นำไปประยุกต์ได้ดีมาก เช่นให้ AI ช่วยเช็กความต่างระหว่างเวอร์ชันเอกสาร, เปรียบเทียบข้อเสนอ 2 ชิ้น, หรือไล่หาจุดผิดปกติในรายงานก่อนส่ง

token อาจแพงขึ้น

4.7 ใช้ tokenizer แบบใหม่ และยิ่งใช้ effort สูงก็ยิ่งกิน token มากขึ้น นี่เป็นเรื่องที่ธุรกิจไม่ควรมองข้าม เพราะ model ที่เก่งขึ้นแต่ต้นทุนพุ่งเร็ว อาจไม่คุ้มถ้าเราไม่ได้แยกงานให้เหมาะกับระดับความสามารถของแต่ละรุ่น

การทดลองใช้งานจริง: 4.7 ดูฉลาดขึ้น แต่ไม่ชนะทุกมิติ

Nate ลองทดสอบแบบง่ายๆ สองเคส ซึ่งแม้ยังไม่พอจะฟันธง แต่ให้ภาพที่ใช้ได้มากกว่าดู benchmark อย่างเดียว

เคสที่ 1: ให้ AI อ่านกราฟหุ้น Meta

โจทย์คือให้สรุปใน 3 ประโยคว่าในกราฟเกิดอะไรขึ้น และอะไรคือสิ่งที่ควรรู้เพื่อทำหรือประหยัดเงิน ผลที่ออกมาคือ 4.7 มีน้ำเสียงดีกว่า อธิบายเหตุผลได้ดีกว่า โครงสร้างคำตอบชัดกว่า และดูมีความเข้าใจทางการเงินมากกว่า 4.6

นี่มีนัยกับงานธุรกิจชัดเจน เพราะหลายครั้งเราไม่ได้ต้องการคำตอบยาว เราต้องการคำตอบสั้นที่ “ตัดสินใจต่อได้” ถ้า model ชี้เหตุผลได้ชัดขึ้น มันก็มีประโยชน์กว่าคำตอบที่ฟังดูดีแต่ไม่ช่วยอะไร

เคสที่ 2: ให้ช่วยทำโมเดลรายได้ SaaS 12 เดือน

ผลลัพธ์น่าสนใจมาก 4.6 แบบ extended ออกมาเป็น dashboard ที่ interactive ดู polished และน่าใช้งาน ส่วน 4.7 กลับให้ deliverable ที่ดูเป็นงานจริงมากกว่า เช่นไฟล์ลักษณะคล้าย Excel มีหลายแท็บ แยก assumptions, base case, churn scenario และการเปลี่ยนแปลง pricing tier

4.7 มี error บ้างระหว่างทาง แต่สามารถจับผิดและแก้เองได้ ซึ่งเป็นสัญญาณที่ดีมาก เพราะสำหรับงานธุรกิจ ความสามารถในการ ตรวจงานตัวเองก่อนส่ง สำคัญไม่แพ้การตอบครั้งแรกให้สวย

อย่างไรก็ตาม Nate ก็ไม่ได้สรุปแบบเอนเอียง เขายอมรับตรงๆ ว่าในแง่ “หน้าตางาน” เขาชอบ output ของ 4.6 มากกว่าในบางมิติ ส่วน 4.7 เหมือนเน้น deliverable ที่เอาไปใช้ต่อทางธุรกิจได้จริงกว่า

นี่เป็นข้อคิดที่ดีมากสำหรับเรา เพราะเวลาเลือก AI มาใช้ในทีม อย่าถามแค่ว่า อันไหนฉลาดกว่า แต่ให้ถามว่า อันไหนให้ผลลัพธ์ในรูปแบบที่ทีมเราใช้ต่อได้ง่ายกว่า

อีกประเด็นที่ไม่ควรมองข้าม: Desktop app เปิดตัวเร็ว แต่ยังมีรอยรั่ว

นอกจากตัว model แล้ว คลิปยังแตะเรื่อง Claude desktop app ที่เพิ่งเปิดตัว ซึ่งมีทั้งมุมที่น่าสนใจและมุมที่น่ากังวล

ด้านที่ดีคือ app นี้ออกแบบมาให้จัดการหลาย session ได้ดี เห็นโปรเจกต์หลายตัวพร้อมกันได้ มี preview, terminal, task view, plan view และเห็นการใช้ context หรือ session limit ได้ชัดขึ้น ฟีเจอร์พวกนี้ดีต่อการทำงานจริง เพราะช่วยให้เราคุมต้นทุนและคุม flow การทำงานได้มากกว่าเดิม

แต่ปัญหาคือมีคนลองใช้แล้วพบ bug จำนวนมากในเวลาไม่นาน เช่น ปุ่มทำงานแปลก layout เพี้ยน และมีเคสที่ voice input ไปลงทุกช่องข้อความที่มองเห็นบนหน้าจอ

คำถามที่ Nate โยนไว้ค่อนข้างคมมาก ถ้าเป็นหนึ่งในบริษัท AI ที่ใหญ่ที่สุดในโลก และบอกว่าทีมใช้เครื่องมือนี้ภายในมานานแล้ว ทำไม bug พื้นฐานยังหลุดเยอะขนาดนี้

ประเด็นนี้สะท้อนอะไรกับธุรกิจไทย? มันสะท้อนว่า AI company ตอนนี้กำลังส่งของเร็วมากแบบ startup ดังนั้น อย่าเพิ่งเอาเครื่องมือใหม่ไปผูกกับงานสำคัญทั้งหมดทันที ควรมีช่วงทดสอบ, จำกัดขอบเขต, และเผื่อทางหนีทีไล่ไว้เสมอ

สรุปให้ตรงไปตรงมา: Opus 4.7 อาจเก่งมาก แต่ก็อาจเป็นยารักษาแผลที่บริษัททำไว้เอง

ข้อสรุปที่แฟร์ที่สุดจากทั้งหมดคือ Opus 4.7 น่าจะเป็น model ใหม่จริง ไม่ใช่แค่ 4.6 ที่ปลดล็อก effort กลับขึ้นมา เพราะมีหลายอย่างที่ดูเป็นการเปลี่ยนแปลงระดับโครงสร้าง เช่น vision ที่ดีขึ้น, tokenizer ใหม่, effort ระดับ X High และคะแนนบาง benchmark ที่ขยับขึ้นแบบมีนัย

แต่ในอีกด้าน การเสื่อมของ 4.6 ก็ดูเป็นเรื่องจริงเหมือนกัน และไม่ว่าจะเกิดจากการตั้งใจลดต้นทุนหรือการ optimize ระบบแบบพลาดเป้า ผลลัพธ์ก็คือผู้ใช้ได้สินค้าที่แย่ลงในราคาเดิม

ถ้ามองจากมุมเจ้าของธุรกิจ นี่คือสิ่งที่ควรจำให้ขึ้นใจ:

• AI model เปลี่ยนได้ตลอด แม้เราจะไม่ได้เปลี่ยน workflow
• ของใหม่ที่ benchmark สวย ไม่ได้แปลว่าจะเหมาะกับงานเรา
• ต้นทุน token สำคัญพอๆ กับคุณภาพ output
• สิ่งที่ต้องวัดจริงคือความสม่ำเสมอ ความน่าเชื่อถือ และเวลาที่ทีมต้องใช้ตรวจงาน

ถ้าจะให้สรุปแบบสั้นที่สุด Opus 4.7 อาจเป็น AI model ที่ดีที่สุดตัวหนึ่ง ณ ตอนนี้ แต่ก็อาจเป็นการรักษาอาการที่ Anthropic ทำให้เกิดขึ้นเองกับ 4.6 ด้วยเหมือนกัน และเพราะเหตุนี้ วิธีที่ฉลาดที่สุดไม่ใช่เชื่อคำโปรโมตหรือเชื่อดราม่า แต่คือ เอาไปลองกับงานจริงของเรา

Actionable Insights

• แยกงานตามมูลค่า งานทั่วไปใช้ model ที่ประหยัด token งานสำคัญค่อยเปิด effort สูง
• วัดผลจาก output ที่ใช้ต่อได้ เช่น สรุปประชุมแล้วส่งต่อทีมได้เลยไหม ไม่ใช่แค่ตอบเก่ง
• ทำ prompt เทียบรุ่นแบบเดิมทุกครั้ง ใช้โจทย์เดิม 3-5 งานเพื่อตรวจว่ารุ่นใหม่ดีขึ้นจริงไหม
• คุม token ให้เป็นนิสัย ดู session limit และความถี่ที่ต้องสั่งซ้ำ เพราะต้นทุนมักรั่วตรงนี้
• อย่าเพิ่งผูกของใหม่กับงาน critical ทดลองใน sandbox ก่อนเสมอ โดยเฉพาะ desktop app หรือฟีเจอร์ที่เพิ่งออก

Troubleshooting

ปัญหา: AI ตอบเร็วขึ้น แต่คำตอบตื้นและใช้ต่อไม่ได้
สาเหตุ: effort หรือ adaptive thinking อาจต่ำเกินไปสำหรับโจทย์นั้น
วิธีแก้: เลือกงานที่ต้อง reasoning สูงแล้วปรับเป็น high หรือ X High, เขียน prompt ให้ระบุว่าต้องอธิบายเหตุผลและตรวจคำตอบก่อนส่ง

ปัญหา: ใช้ token หมดเร็วมาก ทั้งที่งานไม่ได้เยอะ
สาเหตุ: model ใหม่ใช้ tokenizer ต่างจากเดิม และ effort สูงกิน token มากขึ้น
วิธีแก้: แยกงานสั้นกับงานลึกออกจากกัน, ลดไฟล์แนบที่ไม่จำเป็น, สรุปข้อมูลก่อนป้อนเข้า model

ปัญหา: AI ให้คำตอบดูดี แต่ตัวเลขหรือข้อเท็จจริงพลาด
สาเหตุ: model อาจ hallucinate หรือสรุปจากข้อมูลไม่ครบ
วิธีแก้: ขอให้แสดงสมมติฐาน, ตรวจเลขสำคัญซ้ำ, ใช้ไฟล์ต้นทางแนบไปพร้อม prompt และสั่งให้ชี้จุดที่ไม่มั่นใจ

ปัญหา: output สวยแต่ไม่ตรงรูปแบบที่ทีมใช้งานจริง
สาเหตุ: AI เลือกนำเสนอในรูปแบบที่มันคิดว่าดี ไม่ใช่รูปแบบที่ workflow ต้องการ
วิธีแก้: ระบุ format ให้ชัด เช่น ตาราง, bullet, CSV, โครง Excel, หรือ executive summary 1 หน้า

ปัญหา: ฟีเจอร์ใหม่หรือ app ใหม่มี bug จนใช้งานสะดุด
สาเหตุ: เครื่องมือถูกปล่อยเร็วและยังมีจุดที่ QA ไม่ครบ
วิธีแก้: ใช้กับงานทดลองก่อน, เก็บรายการ bug ที่เจอ, มี workflow สำรอง เช่นกลับไปใช้ web app หรือเครื่องมือเดิมชั่วคราว

การต่อยอด

• สร้างชุดทดสอบ AI สำหรับธุรกิจของเราเอง เช่น 10 prompt ที่ใช้วัดงานขาย การเงิน และงานเอกสารทุกครั้งที่มี model ใหม่
• ทำ policy ภายในทีมว่า งานแบบไหนใช้ Sonnet งานแบบไหนใช้ Opus เพื่อคุมทั้งคุณภาพและต้นทุน
• ต่อยอดจากการสรุปและวิเคราะห์ ไปสู่ workflow กึ่งอัตโนมัติ เช่น รับรายงานประจำสัปดาห์ แล้วให้ AI สรุปความเสี่ยงและข้อเสนอแนะทุกเช้า

สรุป Checklist ทั้งหมด

• ☐ เข้าใจว่าปัญหาของ Opus 4.6 มาจากคุณภาพตกและการคิดน้อยลง
• ☐ รู้ว่า Opus 4.7 เพิ่ม X High effort และปรับหลายจุดที่เคยถูกร้องเรียน
• ☐ ไม่ตัดสิน model จาก benchmark อย่างเดียว
• ☐ ทดสอบกับงานจริงของทีม เช่น การเงิน เอกสาร รายงาน และการวิเคราะห์
• ☐ วัดทั้งคุณภาพ ความสม่ำเสมอ และต้นทุน token
• ☐ บอก format output ให้ชัด เพื่อให้ใช้งานต่อได้ทันที
• ☐ ใช้ effort สูงเฉพาะงานที่มูลค่าสูง
• ☐ เฝ้าระวัง bug ของเครื่องมือใหม่ โดยเฉพาะ desktop app
• ☐ มี workflow สำรอง เผื่อ model หรือ app เปลี่ยนพฤติกรรมอีก
• ☐ สร้าง prompt benchmark ของธุรกิจเราเองก่อนตัดสินใจย้ายรุ่น

ถ้าจะเก็บบทความนี้ไว้เป็นประโยคเดียวสำหรับเอาไปใช้ต่อ ก็คือ Claude Opus 4.7 ดูมีแนวโน้มว่าจะดีขึ้นจริง แต่สิ่งที่สำคัญกว่าการเชื่อว่า AI เก่งขึ้น คือการรู้ว่าเราจะทดสอบมันอย่างไรให้คุ้มกับงานและเงินของเรา