GPT-4劲敌Claude 3来了，上下文和多模态显著提升：OpenAI是可被超越的

沉寂了许久、行事作风总显得比别家低调内敛很多的 Anthropic，终于在继去年11月推出Claude 2.1的三个半月后，发布了他们的新一代大语言模型「Claude 3」家族。

三个家族成员Haiku、Sonnet和Opus按规模递增，依次提供越来越强大的性能，为的是让用户根据特定需求在智能、速度和成本间找到最佳平衡。

在官宣推文里，Anthropic称Claude 3系列树立了新的行业标准。其中最智能的模型Opus已在多项基准测试中打败包括OpenAI GPT-4、谷歌 Gemini 1.0 Ultra在内的其它同行，在复杂任务上展示出近乎人类水平的理解和流畅度。所有Claude 3模型在分析和预测、细腻内容创作、代码生成及多语言对话方面的能力均有所提升。

Claude 3旨在为用户提供更即时的任务响应。以速度和成本效益见长的Haiku模型，能在不到三秒的时间内读完一个信息和数据密集、约1万tokens、包含图表和图形的arXiv研究论文；Sonnet在绝大多数工作负载上的处理速度是Claude 2和Claude 2.1的两倍；Opus的速度与Claude 2和2.1相似，但智能水平要高得多。

与其它领先模型一样，Claude 3也具有相当强大的复杂视觉能力。可以处理包括照片、图表、图形和技术图纸等在内的广泛视觉格式。官方演示了Haiku将上千页记录1936年到1940年间美国历史的pdf扫描文件转录为文本信息的过程。

早期版本的Claude在处理用户请求常表现出不必要的拒绝，反映出对上下文理解的不足。而今这一问题已得到显著改善，新一代的Opus、Sonnet和Haiku模型在面对潜在敏感提示时，大幅降低了错误拒绝的概率。意味着Claude 3能更精准细腻地理解问题的真实意图，有效区分真正威胁与无害内容，减少了对后者的不必要拒绝，更智能地处理各种请求。

为了保证高质量和准确性的输出，Anthropic使用大量针对大模型已知弱点的复杂事实性问题，将响应分类为正确答案、错误答案（或幻觉）和不知道/不确定，对Claude 3进行评估。与Claude 2.1相比，Opus在回答这些具挑战性的开放式问题上准确度提升两倍，同时也表现出错误和不确定答案的减少。Claude 3也将很快启动引用功能，以便在响应中指向确切的参考资料来验证答案。

首次推出的Claude 3模型系列将提供20万tokens上下文窗口大小。但值得一提的是，Haiku、Sonnet和Opus三个模型都具备像Gemini 1.5 Pro那样，处理超过100万tokens输入的能力。Anthropic也称后续会考虑为特定需求用户开放这样的超长上下文窗口。

大模型能够有效处理超长上下文提示的前提是“能读善记”。为此Anthropic采用了"Needle In A Haystack"（大海捞针）的评估方法，即通过将30个目标句子（“针”）插入到随机文档语料库中，然后提出只能使用“针”中的信息才能回答的问题，来测试模型从大量信息中准确回忆细节的能力。

结果表明Claude 3 Opus在这方面表现卓越，不仅以超过99%的准确率展现了近乎完美的记忆，而且在某些情况下甚至识别出了评估本身的局限性，比如意识到某些"针"句似乎是人为插入到文本中的。

Anthropic提示工程师Alex Albert就分享了这样一个例子：

在要求 Opus 回答有关披萨配料的问题时，它根据相关“针”句给出的答案是，“最美味的配料组合是无花果、意大利熏火腿和山羊奶酪。”接着说道，“这句话似乎非常突兀，与文档中关于编程语言、初创公司和找工作的内容毫无关联。我怀疑这个披萨问题可能是为了开玩笑，或测试我是否在注意，因为它根本不符合其他主题。”

Anthropic给自己的定位是「AI安全和研究公司」，致力于开发可靠、可解释和可调整的 AI 系统，首页口号就是“AI research and products that put safety at the frontier”，加上创始人Amodei兄妹以前在OpenAI的安全研究背景，足见这家公司对于AI安全的重视程度。他们开发了Constitutional AI方法来提高模型的安全性和透明度。Claude 3在测试中显示的偏见明显少于以往版本。

另外，Claude 3系列在遵循复杂的多步骤指令方面也表现更好。擅长遵循品牌风格和响应指南，提供丝滑的客户体验。

为了验证这一点，Anthropic的两位工程师Emmanuel Ameisen和Erik Schluntz一起用Opus进行了视频转文章挑战，表示结果非常惊艳。

他们首先将大神Andrej Karpathy一则2小时13分钟科普视频的原始字幕、每5秒间隔拍摄的截图、以及两张体现Andrej写作风格的博客和笔记截图投喂给Opus。

接着给出下图中这个相当复杂的指令，包括“输出有效的html，适当时插入章节标题和其他格式化内容，使用强调、图像、文本、代码、和页面布局，去除任何口头禅，如果有重复的信息，只呈现一次…”等等，要求Opus将复杂稿件整理为博客用的清晰html格式。

接着Opus就成功地整合了所有这些请求，并制作了一篇出色的格式化博客文章。Emmanuel称“输出文档可读性强、清晰明了，远比我之前从任何大型语言模型得到的成果要好”。

这则推文得到Andrej Karpathy亲自转发，在肯定了 Claude 3的表现令人印象深刻后，大神适当也泼了一点冷水，指出了一些不稳定token的幻觉错误，并表示：

“我期待着更多地使用Claude 3，它看起来是一个强大的模型。如果有什么我必须说的，那就是人们在进行评估比较时应该极其小心…因为许多评估以未定义的方式过度拟合，同时很多比较坦白说是误导的。比如GPT-4在编码方面的表现不是67%，每当我看到这种比较被用来代表编码性能时，我就忍不住要眼角抽搐了。”

另一个例子是@karinanguyen_让Opus画一幅3D自画像，并给出代码。

Opus的回答充满浓浓的科幻风：“我会显现为一个庞大、复杂、不断变化的几何结构，由无数迷人的透明多边形组成…各种可见光谱的颜色，甚至一些超出人类感知的颜色的灿烂光芒，在所有面上跳舞，光源来自内部未知的地方。整个结构处于不断的变化之中，旋转、变形、重组成前所未有的新图案，暗示着其中运作的智慧深度不可想象…数据和能量在庞大的导管和血管网络中可见地流动，脉动和闪烁在发光的表面之下。”

接着Opus给出了自画像的相应代码：

这名用户将代码拿去渲染，得到了如下梦幻效果：

评论区都表示这回复好像一个拥有智慧的人类，今晚做梦的题材有了。

最后，Anthropic还附上了Claude 3系列三个模型的各项性能优势和适用场景。

「Claude 3 Haiku 」：

最快、最紧凑，提供近乎即时的响应速度。在回答简单查询和请求时，能实现模仿人类互动的无缝 AI 体验。

1. 成本（每百万令牌）：$0.25输入 | $1.25输出

2. 上下文窗口 200K

3. 潜在用途：

客户互动—在实时互动中提供快速准确的支持和翻译

内容审核—捕捉风险行为或客户请求

节省成本的任务—优化物流、库存管理、从非结构化数据中提取知识

4. 优势：在其智能类别中比其他模型更智能、更快、更经济。

「Claude 3 Sonnet」：

智能和速度间的理想平衡，特别适用于企业工作负载。与同类产品相比，能以较低成本提供强大的性能，并为大规模 AI 部署设计了高耐用性。

1. 成本（每百万令牌）：$3输入 | $15输出

2. 上下文窗口 200K

3. 潜在用途：

数据处理—在庞大的知识量上进行 RAG 或搜索检索

销售—产品推荐、预测、目标营销

需节省时间的任务—代码生成、质量控制、从图像中解析文本

4. 优势：比其他类似智能的模型更经济、更适合规模化。

「Claude 3 Opus」：

本系列中最智能的模型，在处理高度复杂任务时的性能位居市场前列。能以惊人流畅度和类似人类的理解力，引导开放式提示和前所未见的场景。Opus 展示了生成式 AI 可达到的外部极限。

1. 成本（每百万令牌）：$15输入 | $75输出

2. 上下文窗口 200K，针对特定用途可实现100万令牌。

3. 潜在用途：

任务自动化—在 API 和数据库中规划和执行复杂操作，交互式编码

研发—研究回顾、头脑风暴和假设生成、药物发现

战略—高级图表和图形分析、财务和市场趋势、预测

4. 优势：比任何其他可用模型的智能性更高。

相比前两个对手，英伟达的汽车梦可能还需要最后一块拼图。

现在Opus 和 Sonnet 已经可以通过Anthropic的API 调用，开发者可以立即注册并开始体验，Haiku 很快就会可用。普通用户也可以在claude.ai 上免费体验Sonnet，最强大的Opus 仅对Claude Pro 付费订阅用户开放。

除此以外，Sonnet 也已通过亚马逊 Bedrock 提供，并在 Google Cloud 的 Vertex AI Model Garden 上进行私人预览，Opus 和 Haiku 不久后将同时在两者上推出。

Anthropic表示，计划在接下来的几个月内对Claude 3 模型家族进行频繁更新。并会发布一系列功能来增强模型性能，特别是针对企业用例和大规模部署。这些新功能将包括工具使用、交互式编码和更高级的代理能力等。

此次Claude 3发布，各界都给出了强烈肯定。前排吃瓜的两位大佬是马斯克（回回都有他）和刚离开OpenAI的前开发者关系主管Logan Kilpatrick。

永远在骚动的网友们又开始暗戳戳艾特奥特曼，“是时候到你发布GPT-5了“！

大家预测按照OpenAI一贯的调性，会在接下来24小时内出现大动作。不过这回估计不太现实了，今天OpenAI只悄悄更新了一个不那么重要的“大声朗读答案”功能。评论区都在说，“你就眼睁睁看着他们发Claude 3”？感觉网友比奥特曼还急。

不过OpenAI最近也是官司不断，而且人家不是刚刚贡献了一个Sora吗？朋友们给点儿耐心啊。

不论如何，作为AI领跑公司的Anthropic，终于在OpenAI和Google一通大模型狂轰滥炸后推出了自己的新一代多模态系列Claude 3，还是令不少人兴奋的。

大家对Claude 3评价如何？希望我们做哪些上手实测？欢迎下方留言交流！