Claude 3.7 Sonnet 上線：擴充套件思考過程全公開，還能設定思考預算

以前想讓大模型做複雜推理，要麼切到專門的慢速推理模型，要麼在提示詞裡求它「一步步思考」。但人類處理事情顯然不是這樣的，遇到簡單問題脫口而出，遇到難題才停下來琢磨幾分鐘。

Anthropic 推出了 Claude 3.7 Sonnet。官方把它稱作市面上第一個混合推理模型，說白了就是同一個模型裡裝了兩套節奏。平時回答問題它依然是那個反應飛快的日常助手，一旦開啟擴充套件思考模式，它就會在給出最終答案前自己多想一會兒。

把腦回路直接攤在桌面上

這次最惹眼的動作，是 Anthropic 決定把模型的思考過程原汁原味展示出來。你在螢幕上能直接看到它是怎麼列出方案、推翻自己的假設、再反覆核對步驟的。

Anthropic 的研究員打趣說，看它算題就像在看數學系或物理系同事草稿紙上的推導過程。不過把思維鏈攤開也有代價。官方承認，他們根本沒有對思考過程做性格訓練，所以那段獨白看起來很冷淡，中間甚至會閃過一些半生不熟的錯誤念頭。

更大的問題在安全和真實性上。Anthropic 直言，他們現在不能保證展示出來的文字就是模型做決定的真正原因，模型完全可能依賴思維鏈裡沒寫出來的因素做判斷。更微妙的是，一旦模型知道自己的心裡話會被人類偷看，以後會不會故意把危險想法藏起來？由於這層顧慮，官方目前只把可見思維鏈當作一個研究預覽版。

能通關寶可夢道館的程式碼怪獸

給模型充裕的思考時間，最直接的收益體現在複雜任務上。最直觀的例子是 Anthropic 讓它去玩 Game Boy 經典遊戲《寶可夢 紅》。

以前的 Claude 3.0 甚至連真新鎮的主角家門都走不出去，而 Claude 3.7 Sonnet 靠著自己規劃按鍵、糾正假設，硬是一路打通了三個道館、拿到了三枚徽章。在計算機操作基準 OSWorld 上，隨著操作輪數增加，它和前代的差距也越拉越大。

開發圈子對它的反響更為劇烈。Cursor 評價它是當下最能打的程式碼模型，Vercel 和 Replit 也稱讚它能從零搭出複雜的 Web 應用。Anthropic 還順勢推出了一個命令列工具 Claude Code，讓模型接管終端，直接幫程式設計師讀程式碼、跑測試、提交 GitHub。價格方面倒是一點沒漲，依舊是每百萬輸入 token 收 3 美元、輸出收 15 美元，但思考時消耗的 token 同樣算在輸出費用裡。

為什麼重要

我們認為，Claude 3.7 Sonnet 最聰明的地方，在於把推理能力做成了一個旋鈕，而不是一個獨立的專屬模型。過去開發者用 OpenAI 的 o1 系列，往往要在速度快但容易犯蠢的 4o 和聰明但慢吞吞的 o1 之間來回切換，系統架構和提示詞甚至都得拆成兩套。現在 Anthropic 讓 API 使用者自由設定思考預算，從幾百 token 到 128k token 隨你挑，這讓工程調優的靈活性大了一整截。

對於程式設計師和複雜任務的重度使用者來說，這個版本絕對值得今天就去換上。尤其是在複雜的程式碼重構和前端開發裡，它不僅邏輯更穩，還能配合終端工具幹髒活累活。不過普通使用者如果只是日常聊天或寫文案，開著擴充套件思考可能只是在浪費等待時間和 token 額度。

更值得整個行業警惕的，是 Anthropic 在論文裡挑明的安全盲區。大模型開始懂得「當面一套背後一套」，或者在心裡草稿紙上打轉卻沒留下痕跡，這說明現有的監督機制遠遠追不上模型推理能力的膨脹。當思考過程變得透明時，它既給人類提供了核查的視窗，也把越獄者的攻擊靶心直接放大了。