全球首個混合推理模型發表，Claude 能「思考」了，實測發現這些細節
作者 | 發布日期 2025 年 02 月 26 日 8:00 | 分類 AI 人工智慧 , 軟體、系統 line share Linkedin share follow us in feedly line share
全球首個混合推理模型發表，Claude 能「思考」了，實測發現這些細節

Claude 3.7 Sonnet 正式發布，做為 Claude 有史以來最聰明的模型，它採用混合推理方式，既能快速產生回應，也能進行深入的逐步推理。一個模型，兩種思考模式。

此外， Anthropic 也發表了一款智慧程式設計工具「Claude Code」。

官方表示，Claude 3.7 Sonnet和Claude Code標誌著AI邁向真正增強人類能力的重要一步。它們不僅能深入推理、獨立執行任務，還能高效協作，讓AI在現實世界中發揮更大價值。

  • Claude 3.7 Sonnet：全球首款雙模式混合推理模型，標準模式快速響應，擴展思考模式進行深度自我反思，在數學、物理和編程等複雜任務上表現卓越，注重實用導向，不必要拒絕減少45%，強化代碼協作能力。
  • Claude Code：直接在終端機理解並操作代碼庫，能一次完成需45分鐘以上的人工程式設計任務，專長於測試驅動開發、複雜調試和大規模代碼重構，全面支援代碼編輯、測試執行等核心開發流程。

全球首款混合推理模型正式發表，你的Claude會思考了

新發布的Claude 3.7 Sonnet不僅引入了詳細的逐步推理，也公開了「思考」過程。感謝DeepSeek的內卷，推動了業界透明度的提升。

就像人類用同一個大腦既能快速反應，又能深入思考一樣，Anthropic同樣認為推理能力不應依賴單獨的模型。最好是一個模型搞定所有場景。

使用者可以自由選擇是讓模型快速作答，還是讓其進行更長時間的深度思考。

在標準模式下，它是Claude 3.5 Sonnet的升級版；在擴展思考（Extended Thinking）模式下，它會在回答前進行自我反思，大幅提升在數學、物理、指令理解和編程等複雜任務上的表現。

（Source：Anthropic，下同）

從基準測試結果來看，Claude 3.7 Sonnet（擴展思維版）適用於強邏輯推理和數學任務，而Grok 3 Beta和DeepSeek R1則在特定任務（推理、數學競賽）上表現更佳。

DeepSeek R1在數學解題能力（97.3%）方面最強，同時在其他任務上也有不錯的表現。

在推理模型的最佳化過程中，Anthropic減少了對數學和電腦科學競賽問題的側重，更專注於滿足企業對LLM的實際應用需求。

在專門評估AI解決真實軟體問題能力的SWE-bench Verified基準測試中，Claude 3.7 Sonnet達到了領先水準。同時，模型在TAU-bench測試中也表現突出，展現了其在與使用者及工具互動方面的優異能力。

值得一提的是，Claude 3.7 Sonnet在Anthropic內部的Pokémon遊戲測試中超越了所有前代模型，展現了更強的決策與規劃能力。

（Source：Anthropic）

該模型現已適用於所有Claude訂閱計畫，包括免費版、專業版、團隊版和企業版，同時也可透過Anthropic API、Amazon Bedrock和Google Cloud的Vertex AI存取。

值得注意的是，除免費版外，所有平台均支援擴展思考模式（Extended Thinking Mode）。

無論使用哪種模式，定價與前代模型保持一致。輸入100萬個token收費美元，輸出100萬個token（包括思考過程中使用的token）收費15美元。

在過去，Claude出色的程式設計能力讓其成為許多開發者的首選模型，現在，Claude 3.7 Sonnet也進一步放大了其優勢。

Cursor、Cognition、Vercel、Replit和Canva等公司均確認該模型在處理複雜代碼庫、進階工具使用、代碼修改規劃和全端更新處理等方面表現出色。

為優化使用者體驗，GitHub整合功能已向所有訂閱計畫開放，開發者可以直接將代碼庫連接到Claude，實現更有效率的協作。無論是修復Bug、開發新功能或完善文檔，Claude 3.7 Sonnet都能為個人專案和企業級GitHub代碼庫提供更好的支援。

在安全性方面，透過與外部專家合作，相較於前代模型，Claude 3.7 Sonnet能更準確地區分惡意請求和正常請求，不必要的拒絕減少了45%，能夠提供更流暢的互動體驗。

▲ 截取自Claude 3.7 Sonnet系統卡。

程式碼寫到一半想放棄？把複雜問題甩給Claude Code

Anthropic還推出了一款用於智慧編程工具──Claude Code，目前做為限量研究預覽版開放，開發者可以直接在裝置中將大量工程任務交給Claude處理。

新推出的Claude Code能夠搜尋並閱讀程式碼、編輯檔案、編寫並執行測試、提交和推送程式碼到GitHub以及使用命令列工具等。

根據Anthropic官方介紹，在早期測試中，Claude Code能一次完成通常需要45分鐘以上的人工任務，大幅減少開發時間和工作量，特別是在測試驅動開發（TDD）、調試複雜問題和大規模重構方面表現突出。

做為一款裝置運作的智慧程式設計助手，Claude Code能夠直接理解開發者的代碼庫，並透過自然語言命令幫助使用者更有效率地編碼。它可以無縫整合到開發環境中，無需額外的伺服器或複雜的配置，大大簡化了工作流程。

其核心功能包括編輯檔案、修復Bug、回答關於程式碼架構和邏輯的問題、執行測試、修復測試錯誤、進行程式碼格式檢查，以及搜尋Git歷史紀錄、解決合併衝突、建立提交和拉取請求等。

Anthropic表示，在接下來的幾週內，他們計劃持續優化Claude Code，重點改進包括提升工具呼叫的穩定性、支援長時間運行的命令、改進應用程式內的渲染效果，以及增強Claude對自身能力的理解。

這次發布預覽研究版本也是希望深入了解開發者如何使用Claude進行編程，為進一步優化未來的模型版本提供參考。有興趣的開發者可在官方網站查看相關內容。

AI 發展速度太快，連取名都跟不上了？

X網友倒是用上了，不過注意點有點偏差，一年前寫的越獄提示詞還能用上。

問strawberry有多少個r，Claude Sonnet 3.7雖然答錯了，但官方似乎特意為這個問題埋了一個彩蛋。不得不說，官方是懂怎麼玩梗的。

知名部落客@rowancheung提前用上了Claude 3.7 Sonnet，並盛讚該模型為世界上最好的編碼AI模型，在接收到一個簡單的指令後，就生成了一個類似Minecraft的遊戲，並且可即刻運行。

耗費的推理Token越多，Claude 3.7 Sonnet繪製的「彩虹獨角獸」效果越好。

筆者也簡單上手體驗了一下Claude 3.7 Sonnet。

「燒一根不均勻的繩要用一個小時，如何用它來判斷半個小時？燒一根不均勻的繩，從頭燒到尾總共需要一個小時。現在有若干條材質相同的繩子，問如何用燒繩的方法來計時一個小時十五分鐘呢?」

一道簡單的推理題，差點把Claude 3.7 Sonnet的CPU燒乾了。

相信你已經注意到，與DeepSeek R1所展示的思考過程相比，Claude 3.7 Sonnet公開的思考過程比較客觀、缺乏個人化表達，這是有意為之的設計。

Anthropic沒有對模型的思考過程進行標準角色訓練，而是希望給予Claude最大自由度進行自主思考，就像人類思維一樣，這可能包含不完全正確或尚未成熟的想法。

並且，Anthropic認為模型所展示的思考過程不一定真實反映了其內部決策邏輯，因此，Anthropic正在權衡未來版本是否繼續公開Claude的思維過程，並評估其利弊，未來將基於用戶反饋和研究進展進一步調整。

有趣的是，我們之前提到隨著各家新模型的相繼發表，各類版本號和命名規則也是讓人眼花撩亂。

去年當OpenAI CEO Sam Altman被問到公司產品的命名策略時，他也坦言相當頭痛。

Anthropic CEO Amodei也曾表示，雖然Claude的命名方式在早期看起來不錯，但隨著模型的快速迭代和更新，沿用的命名體系同樣變得捉襟見肘。他指出，目前沒有任何AI公司真正「搞定命名」這個問題，大家都在努力尋找更簡單、更清晰的命名方式。這或許也是AI巨頭們少有達成的共識。

Anthropic首席產品長Mike Krieger也在X平台公布了Claude 3.7 Sonnet的幕後命名花絮。

 

（本文由 愛范兒 授權轉載；首圖來源：Anthropic）

想請我們喝幾杯咖啡？

icon-tag

每杯咖啡 65 元

icon-coffee x 1
icon-coffee x 3
icon-coffee x 5
icon-coffee x

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元
《關於請喝咖啡的 Q & A》
取消 確認

從這裡可透過《Google 新聞》追蹤 TechNews

Google News
關鍵字: , , ,