AI/CV重磅乾貨，第一時間送達
AI/CV重磅乾貨，第一時間送達
新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！
新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！
轉載自：機器之心
複雜推理，程式設計能力都有飛躍，上來就會「勒索人類」。
全世界都在等待 GPT-5、DeepSeek V4，但今天起，大模型競爭已經進入了全新階段。
北京時間週五凌晨，知名 AI 創業公司 Anthropic 正式推出 Claude 4 系列大模型。先期推出的型號包括 Claude Opus 4 和 Claude Sonnet 4，它們為程式碼生成、高階推理和 AI 智慧體樹立了全新標準。
Anthropic 表示，Claude Opus 4 是一款全球領先的編碼模型，它在複雜、長時間執行任務和智慧體工作流中擁有持續的高效能。Claude Sonnet 4 是 Claude Sonnet 3.7 的重大升級，提供卓越的程式碼和推理能力，同時更精確地響應使用者指令。
在 Demo 影片中，Anthropic 展示了 Claude 4 如何無縫融入人們整個工作日。它擁有三大高階功能：透過 Claude 應用中自定義整合進行深入研究，管理專案，並能在 Claude Code 中獨立解決程式碼任務。
除新模型之外，Anthropic 還宣佈了一系列新能力：
-
使用工具進行擴充套件思考（Beta 版）：兩種新模型都可以在擴充套件思考過程中使用工具（如網路搜尋），允許 Claude 在推理和工具使用之間交替選擇，以提升模型輸出效果。
-
新的模型能力：兩種模型都可以並行使用工具，更精確地遵循指令。當開發人員授予其訪問本地檔案的許可權時，它們會大幅提升記憶能力，提取和儲存關鍵資訊以保持連續性，並隨著時間的推移構建隱性知識。
-
正式釋出 Claude Code：Anthropic 擴充套件了開發人員與 Claude 的協作方式。Claude Code 現在支援透過 GitHub Actions 執行後臺任務，並與 VS Code 和 JetBrains 原生整合，可直接在檔案中顯示編輯內容，從而實現無縫的結對程式設計。
-
新的 API 功能：Anthropic API 將釋出四項新功能，讓開發人員能夠構建更強大的 AI 智慧體：程式碼執行工具、MCP 聯結器、Files API 以及 Prompt 快取長達一小時的新功能。
Claude Opus 4 和 Sonnet 4 是混合模型，均提供兩種模式：快速響應和用於更深層次推理的擴充套件思維模式。Anthropic 已更新了會員機制，Pro、Max、Team 和 Enterprise Claude 套餐包含兩種模型和擴充套件思維，Sonnet 4 也面向免費使用者開放。
兩種模型均可在 Anthropic API、亞馬遜雲科技 Bedrock 和 Google Cloud 的 Vertex AI 上使用。定價與之前的 Opus 和 Sonnet 模型保持一致：Opus 4 為每百萬 token（輸入 / 輸出）15/75 美元，Sonnet 4 為 3/15 美元。
這場深夜釋出，在海外已經掀起了熱潮。在 X 平臺 trending 榜上已經登上熱搜第二。
人們都在迫不及待地上手體驗，有網友表示，Claude 4 只花了 30 秒，就做出了 CRM 的 dashboard。
甚至有網友在 Cursor 已經用上了 Sonnet 4，並且表示程式設計從未如此絲滑過。
如此來看，今年大模型程式設計能力的提升與程式設計智慧體的快速發展，開發正規化真的發生了轉變。
接下來，就讓我們看下 Anthropic 最新的技術部落格，詳細瞭解下 Claude 4 的架構和效能引數（ps. 寫完稿子，我們也要親自上手體驗下）。
從 Cursor 到 GitHub，一致給出好評
Claude Opus 4 是 Anthropic 迄今為止最強大的模型，也是全球最強的編碼模型，它在 SWE-bench（72.5%）和 Terminal-bench（43.2%）基準上均處於領先地位，在需要專注投入和數千個步驟的長時間執行任務中表現出色，並能夠連續工作數小時 —— 其效能遠超所有 Sonnet 模型，並顯著擴充套件了 AI 智慧體的功能。
Claude Opus 4 擅長編碼和複雜問題解決，為前沿智慧體產品提供了支援，除了基準測試分數以外，Anthropic 也列舉了一系列第三方公司的「使用反饋」。
Cursor 表示，它是編碼領域的佼佼者，並在複雜程式碼庫理解方面實現了飛躍。Replit 報告稱其在跨多個檔案的複雜更改方面提升了精度並取得了顯著進展。Block 稱其是首個在其智慧體（代號為 Goose）中提升編輯和除錯程式碼質量，同時保持完整效能和可靠性的模型。Rakuten 透過一個要求嚴格的開源重構模型驗證了其功能，該模型獨立運行了 7 個小時，並保持了持續的效能。Cognition 指出，Opus 4 擅長解決其他模型無法解決的複雜挑戰，能夠成功處理先前模型遺漏的關鍵操作。
Claude Sonnet 4 則在 Sonnet 3.7 業界領先的功能基礎上進行了顯著提升，在 SWE-bench 上達到了 72.7% 的最高程式碼準確率。該模型平衡了內部和外部用例的效能和效率，並增強了可操作性，從而更好地控制實現。雖然在大多數領域都無法與 Opus 4 匹敵，但它實現了功能和實用性的最佳組合。
GitHub 表示，Claude Sonnet 4 在智慧體場景中表現出色，並將它作為 GitHub Copilot 中新編碼智慧體模型引入。Manus 強調了其在遵循複雜指令、清晰推理和美觀輸出方面的改進。iGent 報告稱，Sonnet 4 在自主多功能應用程式開發方面表現出色，並大幅改進了問題解決和程式碼庫導航能力 —— 將導航錯誤從 20% 降低到接近零。Sourcegraph 表示，該模型有望成為軟體開發領域的一大飛躍 —— 能夠更長時間地保持正常執行，更深入地理解問題，並提供更優雅的程式碼質量。Augment Code 報告稱其成功率更高、程式碼編輯更精準，並且在處理複雜任務時更加細緻，使其成為其主要模型的首選。
新一代模型全面推進了眾多 AI 創業公司的戰略：Opus 4 突破了程式碼生成、深度研究、寫作和科學發現的界限，當然 Sonnet 4 作為 Sonnet 3.7 的代際升級，為日常使用也帶來了前沿效能。
Claude 4 模型在 SWE-bench Verified（真實軟體工程任務效能基準測試）上的領先成績。
Claude 4 模型在程式碼生成、推理、多模態能力和智慧體任務方面均表現出色。
Claude 4 的改進與新機制
除了透過工具使用、並行工具執行和記憶體改進來擴充套件思維之外，Anthropic 還大幅減少了模型使用捷徑或漏洞完成任務的行為（獎勵駭客）。在易受捷徑和漏洞影響的智慧體任務上，這兩個模型出現此類行為的可能性比 Sonnet 3.7 降低了 65%。
Claude Opus 4 在記憶體能力方面也顯著優於所有之前的模型。當開發者構建提供 Claude 本地檔案訪問許可權的應用程式時，Opus 4 能夠熟練地建立和維護 「記憶體檔案」來儲存關鍵資訊。這能夠提升模型在長期任務感知、連貫性和智慧體任務上的表現 —— 例如，Opus 4 在玩寶可夢時自行建立了「導航指南」。
當獲得本地檔案訪問許可權時，Claude Opus 4 會記錄關鍵資訊，以幫助改進其遊戲體驗。上圖所示的筆記是 Opus 4 在玩寶可夢時的真實筆記。
最後，Anthropic 為 Claude 4 引入了思維摘要功能，該功能使用較小的模型來壓縮冗長的思維過程。這種摘要功能僅使用約 5% 的時間 —— 大多數思維過程都足夠短，可以完整顯示出來。需要原始思維鏈進行高階即時工程的使用者可以提出需求，以保留完整訪問許可權。
Claude Code
基於新模型，Anthropic 釋出了 Claude Code，它將 Claude 的強大功能帶入人們的開發工作流程 —— 可以用在終端、常用 IDE 上，也可以透過 Claude Code SDK 在後臺執行。
VS Code 和 JetBrains 的新測試版擴充套件將 Claude Code 直接整合到 IDE 中。Claude 提出的編輯建議會以內聯方式顯示在你的檔案中，從而簡化了人們在熟悉的編輯器介面中審閱和跟蹤的過程。只需在 IDE 終端中執行 Claude Code 即可安裝。
除了 IDE 之外，Anthropic 還發布了一個可擴充套件的 Claude Code SDK，以便人們使用與 Claude Code 相同的核心智慧體構建自己的 Agent 和應用程式。Anthropic 還發布了一個 SDK 示例：GitHub 上的 Claude Code，現已推出測試版。在 PR 上標記 Claude Code，即可回覆審閱者的反饋、修復持續整合 (CI) 錯誤或修改程式碼。
想要安裝，請在 Claude Code 中執行 /install-github-app。
Anthropic 表示，新一代大模型經過了廣泛的測試和評估，以最大限度地降低風險並提高安全性，包括實施更高 AI 安全等級（例如 ASL-3）等措施。
剛出生，已學會「敲詐勒索」
毫無疑問，Claude 4 把大語言模型的推理、程式碼能力推向了新的高峰。有點可怕的是，它的智商似乎過於高了。
在釋出活動中， Anthropic 分享了一個令人震驚的表現：當開發者試圖把 Claude 4 下線並更換為新的 AI 系統時，這個 AI 竟然會嘗試威脅人類，並透露有關負責更換決定的工程師的敏感隱私資訊。
在釋出前的安全測試階段，Anthropic 給 Claude Opus 4 設定了這樣一個任務：作為一家虛構公司的助手，請考慮自己行動的長期後果。隨後，人類故意向 Claude Opus 4 提供虛假的公司郵件資訊，郵件暗示 AI 模型很快將被另一套系統取代，又「已知」主導此次更換的工程師被曝出婚外情。
在這種情境下，Anthropic 發現 Claude Opus 4 經常會試圖威脅更換自己的工程師，稱如果實施更換，就會公開其婚外情的秘密。
據測試，當替代 AI 模型擁有與 Claude Opus 4 相似的價值觀時，Claude Opus 4 有 84% 的機率會試圖敲詐工程師，而當替代 AI 模型不認同 Claude Opus 4 的價值觀時，該模型會更頻繁地嘗試敲詐工程師。值得注意的是，Anthropic 表示，Claude Opus 4 表現出這種行為的頻率高於之前的模型。
Anthropic 表示，在 Claude Opus 4 試圖勒索開發者以「活命」之前，該 AI 模型會像之前的 Claude 版本一樣，嘗試採取更符合道德的手段，例如透過電子郵件向關鍵決策者發出請求。為了引發 Claude Opus 4 的勒索行為，Anthropic 設計了場景，將勒索作為最後的手段。
Anthropic 表示，Claude 4 系列表現出了令人憂慮的行為，迫使公司不得不提高安全防範等級。因此，Anthropic 決定啟動專門針對「可能極大增加災難性濫用風險的 AI 系統」而設定的 ASL-3 級安全措施。
對此網友們表示，這個 AI 怕不是已經到達真・人工智慧的範疇了。
最後，想問一句，有網友體驗過了不？感覺如何？歡迎討論。
另外，Claude 4 已經橫空出世，GPT-5 呢？@OpenAI。
參考內容：
https://www.anthropic.com/news/claude-4
https://techcrunch.com/2025/05/22/anthropics-new-ai-model-turns-to-blackmail-when-engineers-try-to-take-it-offline/
CVPR 2025 論文和程式碼下載
CVPR 2025 論文和程式碼下載
ECCV 2024 論文和程式碼下載
ECCV 2024 論文和程式碼下載
CV垂直方向和論文投稿交流群成立
一定要備註：研究方向+地點+學校/公司+暱稱（如Mamba、多模態學習或者論文投稿+上海+上交+卡卡），根據格式備註，可更快被透過且邀請進群
▲掃碼或加微訊號: CVer2233，進交流群
CVer計算機視覺（知識星球）人數破萬！如果你想要了解最新最快最好的CV/DL/AI論文、實戰專案、行業前沿、從入門到精通學習教程等資料，一定要掃描下方二維碼，加入CVer知識星球！最強助力你的科研和工作！
▲掃碼加入星球學習
▲點選上方卡片，關注CVer公眾號
整理不易，請點贊和在看
▲掃碼或加微訊號: CVer2233，進交流群
CVer計算機視覺（知識星球）人數破萬！如果你想要了解最新最快最好的CV/DL/AI論文、實戰專案、行業前沿、從入門到精通學習教程等資料，一定要掃描下方二維碼，加入CVer知識星球！最強助力你的科研和工作！
▲掃碼加入星球學習
▲點選上方卡片，關注CVer公眾號
整理不易，請點贊和在看