Anthropic 发布 Claude 3 系列：最强版 Opus 跑分反超同行

过去大半年里，几乎所有人都在拿自家新模型和 GPT-4 比，但能在基准测试上真正全面压制它的，一直没出现。

直到 3 月 4 日，Anthropic 正式端出了 Claude 3 系列。这次他们一口气拿出三款新模型，直接按照能力梯队排开：最小最快的叫 Haiku，中间主力叫 Sonnet，最顶格的超大杯叫 Opus。

目前 Opus 和 Sonnet 已经上线，覆盖了 159 个国家和地区的 API 以及 claude.ai 网页端，最小的 Haiku 随后就来。

跑分反超，连测试是人工塞的都能看出来

发布会最扎眼的数据都在超大杯 Opus 身上。在衡量本科级专业知识的 MMLU、研究生级推理的 GPQA 以及数学基准 GSM8K 上，Opus 的跑分全部盖过了同台竞品，包括 GPT-4。

除了常规的文本理解，整个 Claude 3 家族这次全面补齐了视觉能力。企业用户平时塞进去的 PDF、技术图表、流程图和幻灯片，它们现在都能直接看懂。

速度方面，中间档的 Sonnet 处理速度是 Claude 2 的两倍，适合做日常客服检索；而主打小巧的 Haiku 更夸张，读一篇一万 token 且带图表的 arXiv 论文，耗时不到三秒。

更有意思的是大海捞针测试。在海量文档里找隐藏句子的测试中，Opus 的召回准确率超过了 99%。

甚至在测试过程中，Opus 还指出了题目本身的破绽。它在回答时顺口提到，这句话看起来像是人类为了做测试故意插在正文里的，因为它和周围讨论的主题完全不搭界。

此外，老版本 Claude 最让人头疼的毛病是过于保守，动不动就因为敏感词直接拒答。Anthropic 这次专门优化了边界理解，无害提示词的误拒率大幅下降，回答的事实准确率也比 Claude 2.1 翻了一番。

初始版本支持 200k 上下文窗口，底层能力其实能吃下 100 万 token，后续会定向开放给大算力客户。

为什么重要

大模型市场苦 GPT-4 独大久矣，Opus 的出现第一次证明了，在最前沿的通用推理能力上，OpenAI 并不是不可战胜的。

对于个人用户和开发者来说，现在就可以直接去试试。免费网页版默认用上了 Sonnet，响应速度和日常任务处理能力都比老版本舒服得多；开通 Pro 会员或者调 API 的话，Opus 拿来读长篇论文、啃复杂财报和处理带图资料，体验完全值得现在就换过来。

从产品设计来看，Anthropic 这次划分为高中低三档的做法非常聪明。之前 Claude 2 虽然能读长文本，但速度偏慢且极其死板；现在让 Haiku 拼极致低延迟、Sonnet 兼顾企业大吞吐量性价比、Opus 负责攻坚高难度推理，精准切中了不同业务的预算痛点。

不过隐患也显而易见。Opus 这种体量的模型，推理成本和算力消耗注定不便宜，在持续的高并发场景下，Anthropic 能不能顶住算力压力还得打个问号。但无论如何，这场发布已经把压力彻底踢回给了 OpenAI，逼着大家把下一代旗舰模型更快拿出来。