当前位置:首页|资讯|GPT-4|Claude|OpenAI

超越GPT-4!新神器Claude 3来了,全球最强大模型一夜易主

作者:格物时间发布时间:2024-03-05

"在无尽的技术海洋中,每一个浪潮都可能预示着新的巨兽的觉醒。今天,我们见证了一个新巨兽的崛起——Claude 3。"

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;

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。

在 Claude 3 发布之后,网友 @op7418 第一时间尝试了 Claude 3 Opus,并做了三个测试。


网友首先对 Claude 3 Opus 的翻译能力进行了测试,挑战了一段复杂的英文文本。结果显示,Opus 的翻译不仅条理分明,而且分段和排版得当,使得阅读体验大幅提升。但若论翻译的流畅度与准确性,GPT-4 依旧略占上风。


此外,网友又用一张风格复杂的设计稿截图考验 Opus 的细节还原能力。在网友明确指出需要还原样式后,Opus 精准把握设计元素,整体表现要比 GPT-4 要好。


image

多模态能力也是 Opus 值得考察的重点。它不仅能读懂学术论文的精髓,还能把分析结果呈现得一清二楚。不过,跟 GPT-4 比起来,Opus 在信息的丰富度上似乎还有点「成长空间」。

网友 @mlpowered 向 API 提供了长达两小时的视频讲稿以及精选的关键画面截图,成功制作出了一篇内容丰富、图文并茂的 HTML 格式博客文章。


网友 @7oponaut 分别用 Opus 和 GPT-4 分别玩起了井字游戏,遗憾的是 Opus 并不能顺利地画出网格。,而 GPT-4 则宣告成功。


我们也实测了 Claude 3 一些效果,比如看图识别菜谱。


image

解释方程式。


image

提取 JSON 文件。


image

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?


英伟达高级科学家 Jim Fan 已经在期待 GPT-5 的亮相了。


好了,感兴趣的朋友,可以戳下方链接体验啦~
https://claude.ai/
参考链接:
[1]https://www.anthropic.com/news/claude-3-family
[2]https://twitter.com/AnthropicAI/status/1764653830468428150/photo/1


Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1