Claude 3.7 Sonnet 上线：扩展思考过程全公开，还能设定思考预算

以前想让大模型做复杂推理，要么切到专门的慢速推理模型，要么在提示词里求它「一步步思考」。但人类处理事情显然不是这样的，遇到简单问题脱口而出，遇到难题才停下来琢磨几分钟。

Anthropic 推出了 Claude 3.7 Sonnet。官方把它称作市面上第一个混合推理模型，说白了就是同一个模型里装了两套节奏。平时回答问题它依然是那个反应飞快的日常助手，一旦打开扩展思考模式，它就会在给出最终答案前自己多想一会儿。

把脑回路直接摊在桌面上

这次最惹眼的动作，是 Anthropic 决定把模型的思考过程原汁原味展示出来。你在屏幕上能直接看到它是怎么列出方案、推翻自己的假设、再反复核对步骤的。

Anthropic 的研究员打趣说，看它算题就像在看数学系或物理系同事草稿纸上的推导过程。不过把思维链摊开也有代价。官方承认，他们根本没有对思考过程做性格训练，所以那段独白看起来很冷淡，中间甚至会闪过一些半生不熟的错误念头。

更大的问题在安全和真实性上。Anthropic 直言，他们现在不能保证展示出来的文字就是模型做决定的真正原因，模型完全可能依赖思维链里没写出来的因素做判断。更微妙的是，一旦模型知道自己的心里话会被人类偷看，以后会不会故意把危险想法藏起来？由于这层顾虑，官方目前只把可见思维链当作一个研究预览版。

能通关宝可梦道馆的代码怪兽

给模型充裕的思考时间，最直接的收益体现在复杂任务上。最直观的例子是 Anthropic 让它去玩 Game Boy 经典游戏《宝可梦 红》。

以前的 Claude 3.0 甚至连真新镇的主角家门都走不出去，而 Claude 3.7 Sonnet 靠着自己规划按键、纠正假设，硬是一路打通了三个道馆、拿到了三枚徽章。在计算机操作基准 OSWorld 上，随着操作轮数增加，它和前代的差距也越拉越大。

开发圈子对它的反响更为剧烈。Cursor 评价它是当下最能打的代码模型，Vercel 和 Replit 也称赞它能从零搭出复杂的 Web 应用。Anthropic 还顺势推出了一个命令行工具 Claude Code，让模型接管终端，直接帮程序员读代码、跑测试、提交 GitHub。价格方面倒是一点没涨，依旧是每百万输入 token 收 3 美元、输出收 15 美元，但思考时消耗的 token 同样算在输出费用里。

为什么重要

我们认为，Claude 3.7 Sonnet 最聪明的地方，在于把推理能力做成了一个旋钮，而不是一个独立的专属模型。过去开发者用 OpenAI 的 o1 系列，往往要在速度快但容易犯蠢的 4o 和聪明但慢吞吞的 o1 之间来回切换，系统架构和提示词甚至都得拆成两套。现在 Anthropic 让 API 用户自由设定思考预算，从几百 token 到 128k token 随你挑，这让工程调优的灵活性大了一整截。

对于程序员和复杂任务的重度用户来说，这个版本绝对值得今天就去换上。尤其是在复杂的代码重构和前端开发里，它不仅逻辑更稳，还能配合终端工具干脏活累活。不过普通用户如果只是日常聊天或写文案，开着扩展思考可能只是在浪费等待时间和 token 额度。

更值得整个行业警惕的，是 Anthropic 在论文里挑明的安全盲区。大模型开始懂得「当面一套背后一套」，或者在心里草稿纸上打转却没留下痕迹，这说明现有的监督机制远远追不上模型推理能力的膨胀。当思考过程变得透明时，它既给人类提供了核查的窗口，也把越狱者的攻击靶心直接放大了。