得分远超OpenAI 善于处置通常疑问 Anthropic公布首款混合推理模型 (得分王是超巨吗)

被视为OpenAI竞争对手的美国AI（人工智能）初创公司Anthropic宣布推出“迄今为止最智能的首款混合推理模型”。

外地时期2月24日，由美国科技巨头亚马逊投资支持的Anthropic宣布推出新模型Claude 3.7 Sonnet，并将其称为“市面上首款混合推理模型”。依据用户的选择，Claude 3.7 Sonnet既可以加快地给出回应，也可以向用户提供扩充后的分步思索。用户可以无偿经常经常使用Claude 3.7 Sonnet，但扩充思索方式仅向付费用户开通。同时，公司还推出了代理编码工具Claude Code。

据官方引见，Claude 3.7 Sonnet 在编码和前端Web开发方面表现出了“特地清楚的改良”，在更新后，Claude模型的多少钱与前代产品相反，每百万输入token（文本中的最小单位）定价3美元，每百万输入token定价15美元。而OpenAI的o1模型定价区分为每百万输入token破费15美元和每百万输入token破费60美元。

Anthropic方面强调，团队开发新模型的理念不同于市场上的其他推理模型：“正如人类经常经常使用单个大脑启动加快反响和深度思索一样，我们以为推理应该表现前沿模型的综合才干，而不是完全独立的模型。这种分歧的方法也为用户发明了愈加无缝的体验。”

因此，公司将新模型定义为“市面上首款混合推理模型”。在规范方式下，Claude 3.7 Sonnet是Claude 3.5 Sonnet的更新版；而在扩充思想方式下，模型会在回答行启动自我反思，从而提高其在数学、物理和编码等义务上的表现。

此外，当用户经过API（运转程序编程接口）经常经常使用Claude 3.7 Sonnet时，用户可以经过命令Claude思索不逾越多少token来控制“思索预算”，该数值要求小于模型输入限制的12.8万个token，以便于用户在速度、本钱和答案质量之间启动衡量。

Anthropic方面还指出，新模型最大的优势是“更善于理想全球中的义务”，而不是针对“数学和计算机迷信竞赛疑问启动优化”。在评价AI模型处置通常软件疑问的才干的编码测试SWE-Bench Verified中，Claude 3.7 Sonnet的得分从Claude 3.5 Sonnet的49.0%优化至62.3%，在经过特定框架调整后最高得分可至70.3%。OpenAI o3-mini和DeepSeek R1在该项测试上的得分区分为49.3%和49.2%。

在指令遵照、普通推理、多模态才干和代理编码方面，Claude 3.7 Sonnet都取得了出色的表现，扩充思想方式则在数学和迷信方面展现出了清楚优化。Anthropic表示，除了传统的基准测试之外，Claude 3.7 Sonnet甚至还在《精灵宝可梦：红》的游戏测试中跨越了Claude系列过去的一切模型。

同时，Anthropic宣布推出旗下第一款代理编码工具Claude Code，可以搜寻和读取代码、编辑文件、编写和运转测试、提交和推送代码到GitHub，以及经常经常使用命令行工具。据引见，在早期测试中，Claude Code一次性性性成功了通常要求45分钟以上手动操作才干成功的义务。目前，该工具已开通预览版，将在未来几周内一直改良。

另据外媒报道，24日今天，Anthropic行将成功一轮35亿美元的融资，公司估值将抵达615亿美元。公司本轮融资的最后目的为20亿美元，但在谈判时期成功压服投资者介入投资。本轮融资的介入者包括Lightspeed Venture Partners、General Catalyst和Bessemer Venture Partners，总部位于阿布扎比的投资公司MGX正在洽谈介入事宜。

不过，Anthropic依然面对较大的竞争压力。据知情人士走漏，Anthropic的年化支出（依据近期销售额推断未来12个月的支出）在近期抵达约12亿美元，公司仍在盈余，将运行最新融资的现金支持训练更弱小的AI模型。亚马逊已向Anthropic累计投资80亿美元，而谷歌母公司Alphabet已向其投资20亿美元。

此前，1月20日，中国AI初创公司深度求索（DeepSeek）推出开源推理模型DeepSeek-R1，仰仗其性能表现引发全球AI界惊扰，各家AI大模型企业也纷繁宣布推出自己的推理模型。例如，OpenAI公布推理模型o3-mini，谷歌也在Gemini App中推出了其推理模型Gemini 2.0 Flash Thinking实验版。

此外，2月25日，阿里通义Qwen公布基于旗舰模型Qwen2.5-Max构建的推理模型QwQ-Max-Preview预览版，会和DeepSeek以及Kimi的推理模型一样展现思索环节，目前用户可在通义千问网页版启动体验。通义千问团队表示，QWQ-Max的官方版本将在近日公布，会同步公布安卓和iOS版运转程序，以及规模更小的可在本地设备部署的模型。