白交 西风 发自 凹非寺
量子位 | 公众号 QbitAI
Anthropic刚刚官宣：Claude 3来了！
作为OpenAI最强竞争选手，此次它发布的新模型家族，以最强版Claude 3 Opus为代表，“已经实现了接近人类的理解能力”——
在推理、数学、编码、多语言理解和视觉方面，全面超越GPT-4在内的所有大模型，直接重新树立行业基准的那种。
浅看一下这份成绩单，就十分扎眼~
几项数学类评测都是用0-shot超越GPT-4的4-8 shot。
除此之外，此前就以长下文窗口见长的Claude，此次全系列大模型可提供 200K 上下文窗口，并且接受超过100万Tokens输入。
Gemini 1.5 Pro：嗯？
目前可以免费体验第二强Sonnet，Opus最强版供Claude Pro付费用户使用，但大模型竞技场也可以白嫖。于是乎，网友们已经开始疯玩上了。（Doge）
另外，Opus和Sonnet也开放API访问，开发者可以立即使用。
有人直接艾特奥特曼：好了，你现在可以发布GPT-5了。
不过奥特曼可能还在烦马斯克的诉讼……
最新最强大模型发布
此次Claude 3家族共有三个型号：小杯Haiku、中杯Sonnet以及大杯Opus，成本和性能依次递增。
首先，在性能参数上，Claude 3全系多方面全面提升。其中Opus在MMLU、GPQA、GSM8K等评估基准上领先于其他所有模型：
还有在视觉能力上，它能可以处理各种视觉格式，包括照片、图表、图形和技术图表。
对于这样性能结果，有专业人士表达了自己的看法。
比如爱丁堡大学博士生、 中文大模型知识评估基准C - Eval提出者之一符尧就表示，像MMLU / GSM8K / HumanEval这些基准，已经严重饱和：所有模型的表现都相同。
他认为，真正区分模型性能基准的是MATH and GPQA。
另外，在拒绝回答人类问题方面，Claude 3也前进了一大步，拒绝回答的可能性显著降低
在上下文以及记忆能力上，他们用大海捞针（Needle In A Haystack，NIAH）来评估衡量大模型从大量数据中准确召回信息的能力。
结果Claude 3 Opus 不仅实现了近乎完美的召回率，超过 99% 的准确率。而且在某些情况下，它甚至能识别出 “针 “句似乎是人为插入原文的，从而识别出评估本身的局限性。
还在生物知识、网络相关知识等方面取得了进步，但出于负责任的考虑，仍处于AI安全级别2（ASL-2）。
其次，在响应时间上，Claude 3大幅缩短，做到近乎实时。
官方介绍，即将发布的小杯Haiku能够在三秒内阅读并理解带有图表的长度约10k token的arXiv论文。
而中杯Sonnet能够在智能水平更高的基础上，速度比Claude 2和Claude 2.1快2倍，尤其擅长知识检索或自动化销售等需快速响应的任务。
大杯Opus的智能水平最高，但速度不减，与Claude 2和Claude 2.1近似。
官方对三款型号的模型也有清晰的定位。
在价格方面，最便宜的小杯定价0.25美元/1M tokens输入，最贵的大杯定价75美元/1M tokens输入
对比GPT-4 Turbo，大杯价格确实高出不少，也能体现AnthropicAI对这款模型非常有信心。
第一手实测反馈
既如此，那就先免费来尝尝鲜~
目前官方页面已经更新，Claude展现了「理解和处理图像」这一功能，包括推荐风格改进、从图像中提取文本、将UI转换为前端代码、理解复杂的方程、转录手写笔记等。
即使是模糊不清的有年代感的手记文档，也能准确OCR识别：
底下写着：你正在使用他们第二大智能模型Claude 3 Sonnet。
然鹅，可能是人太多的原因，尝试了几次都显示“Failed”
不过，网友们也已经po出了一些测试效果，比如让Sonnet解谜题。
为其提供一些示例，要求它找出数字之间的关系，比如“1 Dimitris 2 Q 3”，意思是3是1和2相加的结果。
结果Sonnet成功解出-1.1加8等于6.9，所以“X”的值应该是6.9：
还有网友发现Sonnet现在也可以读取 ASCII 码了，直呼：这是GPT-4 ++的水平了。
在编程任务上，谁写的代码好先不说，Claude 3至少不会像GPT-4一样偷懒。
还有体验到了Opus的玩家，在线给模型挖坑，可opus硬是完美躲避不上当：
初看这效果，感觉还行。这时候应该艾特OpenAI：GPT-5在哪里？
好了，感兴趣的朋友，可以戳下方链接体验啦~
https://claude.ai/
参考链接：
[1]https://www.anthropic.com/news/claude-3-family
[2]https://twitter.com/AnthropicAI/status/1764653830468428150/photo/1
