在昨天的科技圈,深夜发布的Claude3一石激起千层浪。Anthropic没有选择大张旗鼓的发布会,而是在X论坛上发布了一则简短的公告。
这样低调的策略背后,反映出当前AI企业的一种新趋势:在技术迅猛发展的今天,他们更倾向于让产品本身的实力说话,而非华丽的营销包装。
本文参考: Claude opus Anthropic
Claude3模型家族
Claude 3 Opus
我们首先看到的是Claude3的Opus版本,这个版本被比喻为史诗般的大作,其推理能力和准确度都显著高于先前的AI模型。
Claude 3 Sonnet和Claude 3 Haiku
接下来是Sonnet和Haiku,分别对应的是较大和中等规模的需求。它们的名字灵感来自于不同类型和长度的诗歌,体现了各个模型的用途和特点。
性能对比分析
超越GPT-4
令人震惊的是,Claude3的Opus版本在多个0-shot任务上全面超越了GPT-4。在如MGSM(多语言数学推理测试)这样的任务上,Claude3以绝对优势领先,这展示了其在逻辑和推理能力上的巨大进步。
特色功能探究
逻辑与推理
Claude3在逻辑推理上的性能提升是显著的。通过测试不同类型的问题,包括数学、物理、化学和复杂的语言逻辑题,Claude3表现出惊人的精确度和逻辑处理能力。
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,测了10遍,准确率90%,就很爽。
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?”
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?
多模态能力
此外,Claude 3 型号具有与其他领先型号相媲美的复杂视觉功能。它可以处理各种视觉格式,包括照片、图表、图形和技术图表。其中有一些客户拥有多达 50% 的知识库以各种格式编码,例如 PDF、流程图或演示幻灯片。
看个科学示意图
猜个地名,没难度。
长文本处理
对于长文本的处理也有所优化,虽然速度上还有提升空间,但它的理解和分析能力在长篇文档上已经达到了很高的水平。
Claude 3 系列型号最初将在发布时提供 200K 上下文窗口。但是,所有三种型号都能够接受超过 100 万个token的输入。
为了有效地处理长上下文提示,模型需要强大的召回功能。“大海捞针”(NIAH)评估衡量模型从大量数据语料库中准确调用信息的能力。通过对每个提示使用 30 个随机针/问题对之一,并在不同的众包文档语料库上进行测试,增强了该基准的稳健性。Claude 3 Opus 不仅实现了近乎完美的回忆,准确率超过 99%,而且在某些情况下,它甚至通过识别“针”句似乎是人类人为地插入原始文本来识别评估本身的局限性。
借用网友的评论总结一下:
产品定价与策略
会员与免费策略
在使用策略上,Claude3采取了分层服务,提供Sonnet的免费版本,而更高级的Opus版本则需要付费。尽管这引起了一些争议,但这样的商业模式在当前AI行业中已经十分普遍。
结语
AI行业的未来
随着Claude3的推出,市场上的竞争愈发激烈。它的表现不仅为用户带来了更多选择,也在无形中推动了整个行业的创新。尽管OpenAI可能很快会做出回应,但不变的是,我们都在期待着加速到来的AI未来。