Anthropic剛剛官宣：Claude 3來了！

作為OpenAI最強競爭選手，此次它發(fā)布的新模型家族，以最強版Claude 3 Opus為代表，“已經(jīng)實現(xiàn)了接近人類的理解能力”——

在推理、數(shù)學、編碼、多語言理解和視覺方面，全面超越GPT-4在內(nèi)的所有大模型，直接重新樹立行業(yè)基準的那種。

淺看一下這份成績單，就十分扎眼~

幾項數(shù)學類評測都是用0-shot超越GPT-4的4-8 shot。

除此之外，此前就以長下文窗口見長的Claude，此次全系列大模型可提供 200K 上下文窗口，并且接受超過100萬Tokens輸入。

Gemini 1.5 Pro：嗯？

目前可以免費體驗第二強Sonnet，Opus最強版供Claude Pro付費用戶使用，但大模型競技場也可以白嫖。于是乎，網(wǎng)友們已經(jīng)開始瘋玩上了。（Doge）

另外，Opus和Sonnet也開放API訪問，開發(fā)者可以立即使用。

有人直接艾特奧特曼：好了，你現(xiàn)在可以發(fā)布GPT-5了。

不過奧特曼可能還在煩馬斯克的訴訟……

最新最強大模型發(fā)布

此次Claude 3家族共有三個型號：小杯Haiku、中杯Sonnet以及大杯Opus，成本和性能依次遞增。

首先，在性能參數(shù)上，Claude 3全系多方面全面提升。其中Opus在MMLU、GPQA、GSM8K等評估基準上領先于其他所有模型：

還有在視覺能力上，它能可以處理各種視覺格式，包括照片、圖表、圖形和技術圖表。

對于這樣性能結(jié)果，有專業(yè)人士表達了自己的看法。

比如愛丁堡大學博士生、 中文大模型知識評估基準C – Eval提出者之一符堯就表示，像MMLU / GSM8K / HumanEval這些基準，已經(jīng)嚴重飽和：所有模型的表現(xiàn)都相同。

他認為，真正區(qū)分模型性能基準的是MATH and GPQA。

另外，在拒絕回答人類問題方面，Claude 3也前進了一大步，拒絕回答的可能性顯著降低

在上下文以及記憶能力上，他們用大海撈針（Needle In A Haystack，NIAH）來評估衡量大模型從大量數(shù)據(jù)中準確召回信息的能力。

結(jié)果Claude 3 Opus 不僅實現(xiàn)了近乎完美的召回率，超過 99% 的準確率。而且在某些情況下，它甚至能識別出 “針 “句似乎是人為插入原文的，從而識別出評估本身的局限性。

還在生物知識、網(wǎng)絡相關知識等方面取得了進步，但出于負責任的考慮，仍處于AI安全級別2（ASL-2）。

其次，在響應時間上，Claude 3大幅縮短，做到近乎實時。

官方介紹，即將發(fā)布的小杯Haiku能夠在三秒內(nèi)閱讀并理解帶有圖表的長度約10k token的arXiv論文。

而中杯Sonnet能夠在智能水平更高的基礎上，速度比Claude 2和Claude 2.1快2倍，尤其擅長知識檢索或自動化銷售等需快速響應的任務。

大杯Opus的智能水平最高，但速度不減，與Claude 2和Claude 2.1近似。

官方對三款型號的模型也有清晰的定位。

大杯Opus：比別家模型更智能。適用于復雜的任務自動化、研發(fā)和制定策略；

中杯Sonnet：比其他同類模型更實惠。更適合規(guī)?；?。適用于數(shù)據(jù)處理、RAG、在中等復雜度工作流程中節(jié)省時間；

小杯Haiku：比同類模型更快速、實惠。適用于與用戶實時互動，以及在簡單工作流程中節(jié)省成本；

在價格方面，最便宜的小杯定價0.25美元/1M tokens輸入，最貴的大杯定價75美元/1M tokens輸入

對比GPT-4 Turbo，大杯價格確實高出不少，也能體現(xiàn)AnthropicAI對這款模型非常有信心。

第一手實測反饋

既如此，那就先免費來嘗嘗鮮~

目前官方頁面已經(jīng)更新，Claude展現(xiàn)了「理解和處理圖像」這一功能，包括推薦風格改進、從圖像中提取文本、將UI轉(zhuǎn)換為前端代碼、理解復雜的方程、轉(zhuǎn)錄手寫筆記等。

即使是模糊不清的有年代感的手記文檔，也能準確OCR識別：

底下寫著：你正在使用他們第二大智能模型Claude 3 Sonnet。

然鵝，可能是人太多的原因，嘗試了幾次都顯示“Failed”

不過，網(wǎng)友們也已經(jīng)po出了一些測試效果，比如讓Sonnet解謎題。

為其提供一些示例，要求它找出數(shù)字之間的關系，比如“1 Dimitris 2 Q 3”，意思是3是1和2相加的結(jié)果。

結(jié)果Sonnet成功解出-1.1加8等于6.9，所以“X”的值應該是6.9：

還有網(wǎng)友發(fā)現(xiàn)Sonnet現(xiàn)在也可以讀取 ASCII 碼了，直呼：這是GPT-4 ++的水平了。

在編程任務上，誰寫的代碼好先不說，Claude 3至少不會像GPT-4一樣偷懶。

還有體驗到了Opus的玩家，在線給模型挖坑，可opus硬是完美躲避不上當：

初看這效果，感覺還行。這時候應該艾特OpenAI：GPT-5在哪里？

好了，感興趣的朋友，可以戳下方鏈接體驗啦~