GPT-4全面被超越！全球最强大模型一夜易主

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。

大杯Opus：比别家模型更智能。适用于复杂的任务自动化、研发和制定策略；

中杯Sonnet：比其他同类模型更实惠。更适合规模化。适用于数据处理、RAG、在中等复杂度工作流程中节省时间；

小杯Haiku：比同类模型更快速、实惠。适用于与用户实时互动，以及在简单工作流程中节省成本；

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~