剛剛，Anthropic 釋出了全新大模型 Claude 3.5 Sonnet，號稱是迄今為止最智慧的模型。
據介紹，Claude 3.5 Sonnet 是 Anthropic 即將推出的 Claude 3.5 系列的首個版本。該模型提高了整個領域的智慧水平，在絕大多數基準評估中都超越了競品大模型和自家前代最強 Claude 3 Opus。與此同時，執行速度、成本與自家前代 Claude 3 Sonnet 相當。地址：https://claude.ai/ 目前，Claude 3.5 Sonnet 已經在 Claude.ai 和 Claude iOS 應用程式上免費提供，而 Claude Pro 和 Team 計劃訂戶能夠以更高的速率訪問它。 此外，Claude 3.5 Sonnet 已經可以直接透過 Anthropic API、亞馬遜雲科技 Bedrock 等渠道使用。每百萬個輸入 token 的價格為 3 美元，每百萬個輸出 token 的價格為 15 美元，上下文視窗為 200k token。
Claude、GPT、Gemini三個模型迭代釋出時間線。 Anthropic 稱其目標是每隔幾個月大幅度改進效能、速度和成本之間的權衡曲線。今年晚些時候將釋出 Claude 3.5 Haiku 和 Claude 3.5 Opus。 除了開發下一代大模型之外，Anthropic 正在開發新的模式和功能，以支援更多企業用例，包括與企業應用程式的整合。團隊還在探索諸如 Memory 之類的功能，使得模型能夠記住使用者的偏好和指定的互動歷史，從而實現更加個性化和高效的體驗。 比 GPT-4o 更智慧比 Claude 3 Opus 快兩倍 Claude 3.5 Sonnet 為研究生水平推理 (GPQA)、本科生水平知識 (MMLU) 和編碼能力 (HumanEval) 設定了新的行業基準。它在理解細微差別、幽默和複雜指令方面表現出顯著的進步，並且擅長以自然、親切的語氣撰寫高質量的內容。
Claude 3.5 Sonnet 的執行速度是 Claude 3 Opus 的兩倍。這種效能的提升加上實惠的價格，使 Claude 3.5 Sonnet 成為複雜任務的理想選擇。 在內部代理編碼評估中，Claude 3.5 Sonnet 解決了 64% 的問題，優於 Claude 3 Opus（解決了 38%）。Anthropic 評估測試了 Claude 3.5 Sonnet 根據自然語言描述的需求，修復錯誤或增加功能到開原始碼庫中的能力。 在獲得指導和相關工具後，Claude 3.5 Sonnet 可以獨立編寫、編輯和執行程式碼，並具有複雜的推理和故障排除功能。Claude 3.5 Sonnet 可以輕鬆處理程式碼轉換，這對於更新舊版應用程式和遷移程式碼庫特別有效。 下表為 Claude 3.5 Sonnet 與其他模型的比較，評估基準包括推理、閱讀理解、數學、科學和編碼。在所有這些基準測試中，Claude 3.5 Sonnet 的表現均優於之前的前沿模型 Claude 3 Opus。 我們也可以看到表中 Claude3.5 與 GPT-4o 的對比資料，除了數學方面，得分都比 GPT-4o 高或者逼近。
迄今為止最強視覺模型 Anthropic 表示，Claude 3.5 Sonnet 是其最強的視覺模型，在所有標準視覺基準測試中都超越了前代 Claude 3 Opus。 尤其是在需要視覺推理的任務中表現更為明顯，例如解釋圖表、圖形或者從不完美的影像中轉錄文字，這是零售、物流和金融服務行業的核心功能。在這些領域，人工智慧可以從影像、圖形或插圖中收集到比單獨文字中更多的見解。 下圖為 Claude 3.5 Sonnet 與 Claude 3 Opus、GPT-4o、Gemini 1.5 Pro 在視覺數學推理、科學圖表、視覺問答、圖表 QA、檔案視覺 QA 任務中的效能比較。
Artifacts—— 使用 Claude 的新方式 Anthropic 還在 Claude.ai 上推出了 Artifacts，這是一項擴充套件使用者與 Claude 互動方式的新功能。當使用者要求 Claude 生成程式碼片段、文字文件或網站設計等內容時，這些工件會出現在他們的對話旁邊的專用視窗中。這建立了一個動態工作空間，他們可以在其中實時檢視、編輯和構建 Claude 的創作，將人工智慧生成的內容無縫整合到他們的專案和工作流程中。 Artifacts 預覽功能標誌著 Claude 從對話式 AI 向協作工作環境的演變，並將很快擴充套件到支援團隊協作。在不久的將來，團隊將能夠安全地將他們的知識、文件和正在進行的工作集中在一個共享空間中，而 Claude 則按需充當隊友。 最後，Anthropic 表示他們對模型進行了嚴格的測試，並致力於減少其被濫用的可能性。 Anthropic 安全團隊對 Claude 3.5 Sonnet 在化學、生物、放射性和核（CBRN）風險、網路安全和自主能力領域進行了一系列的評估，最後將 Claude 3.5 Sonnet 分類為 AI 安全等級 2（ASL-2）模型，表明它不會構成災難性傷害的風險。 此外，作為對安全和透明度承諾的一部分，Anthropic 還與外部專家合作測試和完善這一最新模型中的安全機制。 官博地址：https://www.anthropic.com/news/claude-3-5-sonnet
