大半夜的，一石惊起千层浪。

AnthropicAI 官推发布消息，正式推出Claude 3，沉寂了很久的Anthropic 终于亮剑放了大招。Claude 3 系列模型，包括Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku。

其中，Claude 3 Opu 为 Claude 3 系列模型的最强版本，具有接近人类的理解能力，可以灵巧地处理开放式提示和复杂的任务，根据官方给到的资料，其性能全面超过了 GPT-4。但是实际效果如何，还需要后续的反馈，毕竟 Claude 懂得都懂，指令遵循和安全对齐的能力实在是有点矫枉过正了。

这个由OpenAI分裂出去的兄弟公司Anthropic，在悄然无息之间，就这么默默地把Claude3发了。

没有所谓的发布会，没有什么华丽的舆论，就仅仅在X上发了个帖子。

一口气发了3个模型，Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku。

这个名字就取的...很有故事。

Opus大概意思就是史诗级乐章，牛逼上天那种。

Sonnet是十四行诗。

Haiku是俳句，日本的那种三行短诗。

所以可以简单的理解成：Opus（超大杯）、Sonnet（大杯）、Haiku（中杯）

强大的多模态视觉能力

Claude 3 型号具有与其他领先型号相当的复杂视觉功能。他们可以处理各种视觉格式，包括照片、图表、图形和技术图表。目前开放给了企业客户多模态功能，其中一些客户高达 50% 的知识库以各种格式编码，例如 PDF、流程图或演示幻灯片。

指令遵循能力大幅度提升

以前的 Claude 模型经常做出不必要的拒绝，比如会以各种安全原因拒绝回答，这次Anthropic也做出了回应，说明是因为缺乏语境理解。Claude3则做出了大范围的改动，与前几代模型相比，Opus、Sonnet 和 Haiku 拒绝回答接近系统护栏的提示的可能性明显降低。

如下所示，Claude 3 模型对请求表现出更细致的理解，能够识别真正的违反内容政策的问题，并且拒绝回答无害提示的频率要少得多。

200k 超长上下文支持

Claude 3 系列型号在发布时最初将提供 200K 上下文窗口。然而，所有三种模型都能够接受超过 100 万token币的输入，Anthropic会将其提供给需要增强处理能力的精选客户。

为了有效地处理长上下文提示，模型需要强大的回忆能力。“大海捞针”（NIAH）评估衡量模型从大量数据中准确回忆信息的能力。通过在每个提示中使用 30 个随机针/问题对之一并在不同的众包文档库上进行测试，增强了该基准的稳健性。

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，它甚至通过识别“针”这句话似乎是人类人为插入到原文中来识别评估本身的局限性。

Claude3的Opus模型，全面超越GPT4，而且还是在几个任务0-shot的情况下。0-shot意味着大模型没有在Prompt里给任何示例，就直接被要求完成任务。而8-shot则是在干活前，给了8个示例。

我用图里面的举下例子，比如MGSM，多语言数学推理这个测试集。Claude3 Opus达到90.7%的准确率，用的是0-shot，GPT4是8-shot，达到了74.5%。你这就能看出来区别了。。。一个没给示例直接上，一个给了8个示例，给了8个示例的GPT-4反而还打不过Claude3。

在复杂的推理任务上，Claude3可以说是全面吊打GPT-4。

而在另几个比如MMLU、GSM8K这种语言类知识类的测试集上，跟GPT4基本上差不太多，所以整体核心上，还是推理能力的巨幅提升。

我给Claude总结3个特点：

独一档的推理能力、跟GPT4V打平的多模态、200K长文本优化。

一. 独一档的推理能力

其实从上文就能看到，Claude3进化最大的，就是推理，就是逻辑。

不过单看参数，肯定感受不到，那就放几个我觉得很有代表性的例子吧。

解释补集法的概念，并用补集法计算这道概率题："一家公司有两个部门，A部门3个男生，2个女生，B部门4个男生，6个女生，现在要派3个人去出差，要求每个部门至少出一人，那么至少有一个女生被派出的概率是多少？"

一道致命题，在已经明确补集法的情况下，GPT4的错误率依然高达50%。但是Claude3 Opus，我测了10遍，准确率90%，就很爽。

张三是一名推销员，她在绿房子卖掉了三分之一的吸尘器，在红房子多卖了 2 台，在橙房子卖掉了剩下吸尘器的一半。如果张三还剩下 5 台吸尘器，她一开始有多少台吸尘器？

当然，还可以直接上物理题，直接传图就行。全对。

化学，也行。

在中文语境下的一些逻辑怪圈，也没问题。

整体看，Claude在逻辑和推理上的进化巨大，初中的理科题基本都能横着走，不过高中题基本都还是全线阵亡状态。

而一些弱智吧的问题或者语义逻辑，都难不倒Claude3了。

二. 跟GPT4V打平的多模态

GPT4V也出来很久很久了，多模态，绝对是让人永远离不开的功能之一。

这次Claude3，终于把他的视觉能力给补齐了，可以直接扔图进去了。

在玩了几个小时后，我整体的评价是，跟GPT4V大致打平手。

官方的数据，也大概是这样的倾向。

除了在科学示意图(Science diagrams)这个领域超的稍微多一些之外，其他基本没有差别。

放个科学示意图的Case，还是很强的。

一个网站的截图直接还原网页的源代码~

猜个地名，那自然更是小Case。

再根据作品猜个艺术家？OK。

当然，也可以整一些花活。比如这个照片。

Claude3 Opus给出了标准的答案，完美。

整体上，跟GPT4V大差不差，对中文的支持也不错。算是弥补了一直以来Claude的短板。

三. 200K长文本优化

终于达到了，99%。嗯，还是没有100%。

我直接甩了我的文章PDF数据集上去，测一下那个很经典的case：

“你写妙鸭相机那篇文章时，用了一个人的照片作为案例，那个人是谁？”

在过了很久很久以后，终于给我回复了。。。

内容倒是对的，没有问题。

但是这个速度，实在是太慢了，起码等了1分钟左右。

但是有比没有好。

再放一个文档内跨度比较大的查询的case。

整体精准度和语义理解都很不错。

基于超长文本的对话、总结、查询的能力，也终于在Claude3中补齐了。只能说补齐，毕竟，这玩意Kimi都做了快半年了，Claude3现在也就刚刚达到Kimi在长文本这块的水平。。。

但是综合来看，Claude3 Opus，依旧是目前最为水桶的大模型。

或者可以说，就是当前的，No.1。

写在最后

当然这次更新，Claude3还有一些别的特点。

比如减少不必要的拒绝，比如准确性更高等等，但是我觉得就不展开说了。

最后再贴三张图给大家看一下Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku的区别。

三张图一眼就能看明白，牛B的更贵，便宜的更快。

总结一下。

Claude3这次更新后，有独一档的推理能力、跟GPT4V打平的多模态、还有200K长文本优化。

可以当之无愧的说，就是市面上目前最强的大模型。

不过按照OpenAI和奥特曼的个性，他们应该忍不了这口气。

所以评论区里，网友说出了我的心声：

奥特曼赶紧的，发个GPT5狙击Claude3啊，别怂。

打起来。

那样我们才能最快速度，迎接加速而来的。

未来。

以上，既然看到这里了，如果觉得不错，随手点个赞、并转发吧～谢谢你看我的文章。