深夜重磅！全球首個混合推理模型釋出，Claude能「思考」了，實測發現這些細節

2025-05-07 16:16 APPSO

就在剛剛，Claude 3.7 Sonnet 正式釋出。
作為 Claude 有史以來最智慧的模型，它採用混合推理方式，既能快速生成響應，也能進行深入的逐步推理。
一個模型，兩種思考模式。
此外， Anthropic 還發布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，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。
太長不看，省流版如下：
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，擴充套件思考模式進行深度自我反思，在數學、物理和程式設計等複雜任務上表現卓越，注重實用導向，不必要拒絕減少 45%，強化程式碼協作能力
Claude Code：直接在終端理解並操作程式碼庫，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、複雜除錯和大規模程式碼重構，全面支援程式碼編輯、測試執行等核心開發流程
全球首款混合推理模型釋出，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，而且也公開了「思考」過程。感謝 DeepSeek 的內卷，推動了行業透明度的提升。
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於單獨的模型。
最好是，一個模型搞定所有場景。
使用者可以自由選擇是讓 Claude 3.7 Sonnet  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；切換到擴充套件思考（Extended Thinking）模式（可簡單理解為推理），它會在回答前進行自我反思，大幅提升在數學、物理、指令理解和程式設計等複雜任務上的表現。
從基準測試結果來看，Claude 3.7 Sonnet（擴充套件思維版）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 減少了對數學和計算機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 達到了行業領先水平。同時，該模型在 TAU-bench 測試中也表現不錯，拳打舊版本，腳踢 OpenAI o1。
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。
該模型現已適用於所有 Claude 訂閱計劃，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 訪問。
值得注意的是，除免費版外，所有平臺均支援擴充套件思考模式（Extended Thinking Mode）。
當透過 API 使用 Claude 3.7 Sonnet 時，你還可以告訴 Claude 思考不超過 N 個 token。對於任何 N 值，其輸出限制為 128K 個 token。
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 3 美元，輸出 100 萬個 token（包括思考過程中使用的 token）收費 15 美元。
一直以來，Claude 的程式設計能力程式設計能力都挺拿得出手，也因此成為許多開發者的首選模型，現在，新發布的 Claude 3.7 Sonnet 進一步放大了這個優勢。
Cursor、Cognition、Vercel、Replit和 Canva 等公司均確認該模型在處理複雜程式碼庫、高階工具使用、程式碼修改規劃和全棧更新處理等方面表現出色。
為了最佳化使用者體驗，GitHub 整合功能已向所有訂閱計劃開放，開發者可以直接將程式碼庫連線到 Claude，實現更高效的協作。
無論是修復 Bug、開發新功能還是完善文件，Claude 3.7 Sonnet 都能為個人專案和企業級 GitHub 程式碼庫提供更好的支援。
在安全性方面，透過與外部專家合作，相比前代模型，Claude 3.7 Sonnet 據說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。
擷取自 Claude 3.7 Sonnet 系統卡
程式碼寫到一半想放棄？試試把複雜問題甩給 Claude Code
Anthropic 還推出了一款智慧程式設計工具——Claude Code，目前僅作為研究預覽版限量開放。
程式碼寫到一半想放棄？開發者可以直接在終端中將這些複雜問題交給 Claude Code 處理。
Claude Code 是一個主動協作的 AI 程式設計助手，能夠搜尋和閱讀程式碼、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。
據 Anthropic 官方介紹，在早期測試中，Claude Code 能一次性完成通常需要 45 分鐘以上的人工任務，特別是在測試驅動開發（TDD）、除錯複雜問題和大規模重構方面表現突出。
Claude Code 能夠直接理解開發者的程式碼庫，並透過自然語言命令幫助使用者更高效地編碼。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，極大地簡化了工作流程。
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 歷史記錄、解決合併衝突、建立提交和拉取請求等。
Anthropic 表示，在接下來的幾周內，他們計劃持續最佳化 Claude Code，重點改進包括提升工具呼叫的穩定性、支援長時間執行的命令、改進應用內的渲染效果，以及增強 Claude 對自身能力的理解。
這次釋出預覽研究版本也是希望深入瞭解開發者如何使用 Claude 進行程式設計，從而為進一步最佳化未來的模型版本提供參考。

感興趣的開發者在官方網站檢視相關事項，指路 👇

https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/overview

AI 發展速度太快，連起名都跟不上了？
X 網友倒是用上了，不過注意點有點偏差，一年前編寫的越獄提示詞還能用上。
詢問 strawberry 裡有多少個 r，Claude Sonnet 3.7 雖然答錯了，但官方似乎特意給這個問題裡埋了一個彩蛋。不得不說，官方是懂怎麼玩梗的。
知名博主 @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，並且可即刻執行。
耗費的推理 Token 越多，Claude 3.7 Sonnet 繪製的「彩虹獨角獸」效果越好。
我們也簡單上手體驗了一下 Claude 3.7 Sonnet。
向左滑動檢視更多內容
在模型選擇欄切換點選「Extended」，即可進入擴充套件思考模式。
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 乾燒了。
相信你已經注意到，與 DeepSeek R1 展示的思考過程相比，Claude 3.7 Sonnet 公開的思考過程相對客觀、缺乏個性化表達。
然而，這是有意為之的設計。
Anthropic 沒有對模型的思維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，但就像人類思維一樣，這可能包含不完全正確或尚未成熟的想法。
並且，Anthropic 認為所謂「思考」過程不一定真實反映了 AI 的內部決策邏輯，因此，Anthropic 未來將基於使用者反饋和研究決定是否繼續公開 Claude 的思維鏈。
有趣的是，我們之前提到過，隨著各家新模型的相繼釋出，各類版本號和命名規則也是讓人眼花繚亂。
去年當 OpenAI CEO Sam Altman 被問及公司產品的命名策略時，他也坦言相當頭疼。Anthropic CEO Amodei 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」這一問題，大家都在努力尋找更簡單、更清晰的命名方式。這或許是 AI 巨頭們少有達成的共識。
Anthropic 首席產品官 Mike Krieger 今天也在 X 平臺公佈了 Claude 3.7 Sonnet 的幕後命名花絮。內心的糾結過程大概是這樣👇

我們正在招募夥伴
📮 簡歷投遞郵箱[email protected]
✉️ 郵件標題「姓名+崗位名稱」（請隨簡歷附上專案/作品或相關連結）
更多崗位資訊請點選這裡🔗

相關文章