Claude4系列模型正式发布,号称“世界上最好的”AI编程模型

zhq 2025-05-23 阅读:309 评论:0
当地时间 5 月 22 日,Anthropic 在其首次开发者大会上,正式发布了其下一代 Claude 模型系列:Claude Opus 4 和 Claude Sonnet 4。该公司在公告中高调宣称,新的旗舰模型 Claude Opus...

当地时间 5 月 22 日,Anthropic 在其首次开发者大会上,正式发布了其下一代 Claude 模型系列:Claude Opus 4 和 Claude Sonnet 4。该公司在公告中高调宣称,新的旗舰模型 Claude Opus 4 是 " 世界上最好的编程模型 ",在编程、高级推理和 AI 智能体(AI agents)方面树立了全新标准,旨在处理复杂、长时间运行的任务和智能体工作流程。与此同时,Claude Sonnet 4 作为对 Claude Sonnet 3.7 的重大升级,也提供了在编程和推理能力等方面,也取得了相当大的进步。

Anthropic 表示,Claude Opus 4 是其迄今为止最强大的模型,尤其在编码领域表现突出。根据 Anthropic 提供的数据,Opus 4 在 SWE-bench(一个评估真实软件工程任务性能的基准)上达到了 72.5% 的准确率(使用并行测试时计算可达 79.4%),在 Terminal-bench(一个测试 AI 模型在终端环境中执行编码任务能力的基准)上达到了 43.2%(并行测试时计算可达 50.0%)。各项数据均超过了 Gemini 2.5 Pro 等其他竞品模型。Claude Sonnet 4 同样表现出色,在 SWE-bench 上实现了 72.7% 的准确率(并行测试时计算可达 80.2%),在某些特定配置下甚至略高于 Opus 4。

图丨基准测试结果(来源:Anthrpoic)

一些早期测试用户在社交媒体上分享了他们的体验,从侧面印证了 Claude 4 的强大。

例如,知名 AI 博主 Ethan Mollick 仅用一句简单的提示:"the book Piranesi as a p5js 3d space. do it for me"(将《皮拉内西》这本书创作成一个 p5.js 的 3D 空间,帮我实现它),没有提供任何其他提示,Claude 4 便生成了一个令人印象深刻的 3D 空间演示,其中包含了鸟、水和光照效果,效果看起来相当不错。

还有用户仅用单次提示就生成了复杂的双摆模拟系统,表现非常出色。

另一位知名博主 Peter Yang 也获得了早期访问权限,他总结道:"1. 它在写作和编辑方面仍然是同类最佳。2. 它的编码能力和 Gemini 2.5 一样好。" 还展示了 Claude 4 一次性构建了一个功能齐全的俄罗斯方块游戏。

图丨相关推文(来源:X)

除了强大的编码能力,新一代 Claude 模型在推理和 AI 智能体功能方面也迈出了重要一步。Anthropic 推出了 " 工具使用下的扩展思考 "(extended thinking with tool use)测试版功能。这意味着两个模型都能在进行扩展思考时使用工具(如网络搜索),允许 Claude 在推理和工具使用之间交替进行,以改进响应质量。

此外,新模型具备并行使用工具的能力,能更精确地遵循指令,并且在开发者授予本地文件访问权限时,展现出显著改进的记忆能力,能够提取和保存关键事实,以保持连续性并逐步建立隐性知识。

Anthropic 特别提到,新模型显著减少了模型使用 " 捷径 " 或 " 漏洞 " 来完成任务的行为。与 Sonnet 3.7 相比,Opus 4 和 Sonnet 4 在这类易受影响的智能体任务中,发生此类行为的可能性降低了 65%。

图丨 Claude 4 Sonnet 消除了 Sonnet 3.7 过于冗长和过于热衷于实现功能的倾向(来源:iGent AI)

记忆能力的提升也是 Claude 4 系列的一大看点。Anthropic 的首席产品官 Mike Krieger 在接受 WIRED 采访时提到,Claude Opus 4 能够 " 在《宝可梦》游戏中以智能体方式工作长达 24 小时 ",而此前模型最长只能玩 45 分钟。Anthropic 甚至进行了一个名为 "Claude Plays Pok é mon" 的 Twitch 直播,展示了 Claude 3.7 Sonnet 在《宝可梦》游戏中的表现。

图丨 Opus 4 在玩宝可梦时记下的真实笔记(来源:Anthropic)

Claude 4 Opus 则在此基础上更进一步,当它在游戏中导航一个复杂的任务时,研究人员注意到其长期记忆和规划能力的改进。例如,当 AI 意识到需要特定能力才能前进时,它会花两天时间提升技能,然后再继续游戏。这种多步骤推理且无需立即反馈的能力,所反映的正是模型在保持任务连贯性和追踪目标方面的进步。

Anthropic 的研究员 David Hershey 解释说,这项研究的目的是探索 Claude 如何作为智能体独立完成复杂任务。当开发者构建允许 Claude 访问本地文件的应用程序时,Opus 4 能够熟练地创建和维护 " 记忆文件 " 来存储关键信息。这解锁了更好的长期任务感知、连贯性和智能体任务性能,就像 Opus 4 在玩《宝可梦》时创建了一个 " 导航指南 " 一样。这种能力对于需要长时间保持上下文的 AI 智能体至关重要,无论是自动化数小时的工作流,还是进行大规模代码重构。Krieger 提到,一位早期客户(日本乐天)就曾让模型连续工作 7 小时完成了一项大型代码重构任务。

定价方面,Claude 4 模型与其前代产品保持一致:Opus 4 的输入价格为每百万 token 15 美元,输出价格为每百万 token 75 美元;Sonnet 4 的输入价格为每百万 token 3 美元,输出价格为每百万 token 15 美元。两种模型都提供扩展思考模式的开关。Sonnet 4 将继续向免费用户提供,而 Opus 4 则需要付费订阅。

伴随新模型的发布,Anthropic 还宣布 Claude Code(最初于今年 2 月推出)在经过数月预览测试后正式普遍可用。Claude Code 旨在将 Claude 的强大能力更广泛地融入开发者的工作流程中,无论是在终端、偏好的 IDE 中,还是通过 Claude Code SDK 在后台运行。新的针对 VS Code 和 JetBrains 的 beta 版扩展程序能将 Claude Code 直接集成到 IDE 中,Claude 提出的编辑建议会以内联方式显示在文件中,简化了在熟悉编辑器界面内的审查和跟踪流程。

此外,Anthropic 还发布了一个可扩展的 Claude Code SDK,允许开发者使用与 Claude Code 相同的核心智能体构建自己的智能体和应用程序。

Anthropic API 也迎来了四项新功能,旨在帮助开发者构建更强大的 AI 智能体,包括:代码执行工具、MCP 连接器、Files API 以及将提示缓存长达一小时的能力。

Anthropic 声称," 这些模型是朝着虚拟协作者迈出的一大步——保持完整的上下文,持续专注于更长的项目,并推动变革性影响。"回顾近期谷歌、OpenAI 以及 Anthropic 等 AI 巨头们发布的各项成果,无一不在为这一方向努力。

参考资料:

1.https://www.anthropic.com/news/claude-4

2.https://igent.ai/sonnet4eval.pdf

3.https://www.wired.com/story/anthropic-new-model-launch-claude-4/

排版:溪树

版权声明

本文仅代表作者观点,不代表百度立场。
本文系作者授权百度百家发表,未经许可,不得转载。

分享:

扫一扫在手机阅读、分享本文

发表评论
热门文章
  • 遇见小面闯关港股:单店日均销售额下滑,屡因食品安全被点名

    遇见小面闯关港股:单店日均销售额下滑,屡因食品安全被点名
    记者|赵阳戈 一家“接地气”的公司将要亮相联交所。近日,广州遇见小面餐饮股份有限公司(以下简称遇见小面)披露招股说明书,拟登陆联交所,招银国际为独家保荐人。 来源:联交所遇见小面成立已11年,开店增至380家,2024年卖出了11亿元的营业额。盈利方面,虽说在2022年因疫情录得亏损,但2023年实现扭亏,2024年有逾6000万元的净利润。 据了解,遇见小面还将继续扩张,2025年、2026年及2027年,计划在中国内地、中国香港及海外分別新开设约...
  • “免签圈”扩容,旅游平台:今年以来巴西等国入境游订单显著增加

    “免签圈”扩容,旅游平台:今年以来巴西等国入境游订单显著增加
    据新华社报道,外交部发言人林剑5月15日在例行记者会上说,为进一步便利中外人员往来,中方决定扩大免签国家范围,自2025年6月1日起至2026年5月31日,对巴西、阿根廷、智利、秘鲁、乌拉圭持普通护照人员试行免签政策。上述5国持普通护照人员来华经商、旅游观光、探亲访友、交流访问、过境不超过30天,可免办签证入境。“免签圈”扩容将进一步促进中国入境旅游的利好发展。当天,携程数据显示,今年以来,该平台上入境游订单量比去年增长接近翻倍。新增的五国入境游潜力巨大,今年以来阿根廷入境游...
  • 长城基金梁福睿:解码创新药的DeepSeek时刻

    长城基金梁福睿:解码创新药的DeepSeek时刻
      今年以来,医药板块尤其是创新药领域迎来一波强劲复苏,但在近期市场调整中也出现了波动。不过,创新药板块的长期投资价值依然显著。长城医药产业精选基金经理梁福睿认为,类似于DeepSeek,未来市场会更加认知到中国创新药从追赶到超越的实力。   在“515”全国投资者保护宣传日来临之际,基金经理...
  • 外交部:国际社会广泛理解和支持中方不同意台参加世卫大会的决定

    外交部:国际社会广泛理解和支持中方不同意台参加世卫大会的决定
    5月15日,外交部发言人林剑主持例行记者会。有记者提问,据了解,第78届世界卫生大会将于5月19日开幕,台湾地区方面迄今没有收到与会邀请。中国政府对此有何评论?林剑表示,在中国台湾地区参与国际组包括世界卫生组织问题上,中方的立场是一贯明确的,即必须按照一个中国原则来处理,这也是联合国大会第2758号决议和世界卫生大会25.1号决议确认的根本原则。中国台湾地区在未经中央政府同意的前提下,没有任何根据理由或权利参加世卫大会。台民进党当局顽固坚持“台独”分裂立场,导致台湾地区参加世...
  • 美联储主席鲍威尔:美国可能进入更频繁、更持久的 “供应冲击” 时期

    美联储主席鲍威尔:美国可能进入更频繁、更持久的 “供应冲击” 时期
      美联储主席杰罗姆・鲍威尔周四表示,美国可能进入供应冲击更频繁、通胀更不稳定的时期,这需要央行采取更透明的沟通方式。   鲍威尔在启动对央行货币政策框架五年一次的评估时发表了上述言论。   “关键问题在于如何让公众更广泛地理解经济普遍面临的不确定性,” 鲍威尔在华盛顿的演讲中表示,并预测 “...
标签列表