Anthropic 釋出 Claude 3 系列：最強版 Opus 跑分反超同行

過去大半年裡，幾乎所有人都在拿自家新模型和 GPT-4 比，但能在基準測試上真正全面壓制它的，一直沒出現。

直到 3 月 4 日，Anthropic 正式端出了 Claude 3 系列。這次他們一口氣拿出三款新模型，直接按照能力梯隊排開：最小最快的叫 Haiku，中間主力叫 Sonnet，最頂格的超大杯叫 Opus。

目前 Opus 和 Sonnet 已經上線，覆蓋了 159 個國家和地區的 API 以及 claude.ai 網頁端，最小的 Haiku 隨後就來。

跑分反超，連測試是人工塞的都能看出來

釋出會最扎眼的資料都在超大杯 Opus 身上。在衡量本科級專業知識的 MMLU、研究生級推理的 GPQA 以及數學基準 GSM8K 上，Opus 的跑分全部蓋過了同臺競品，包括 GPT-4。

除了常規的文本理解，整個 Claude 3 家族這次全面補齊了視覺能力。企業使用者平時塞進去的 PDF、技術圖表、流程圖和幻燈片，它們現在都能直接看懂。

速度方面，中間檔的 Sonnet 處理速度是 Claude 2 的兩倍，適合做日常客服檢索；而主打小巧的 Haiku 更誇張，讀一篇一萬 token 且帶圖表的 arXiv 論文，耗時不到三秒。

更有意思的是大海撈針測試。在海量文件裡找隱藏句子的測試中，Opus 的召回準確率超過了 99%。

甚至在測試過程中，Opus 還指出了題目本身的破綻。它在回答時順口提到，這句話看起來像是人類為了做測試故意插在正文裡的，因為它和周圍討論的主題完全不搭界。

此外，老版本 Claude 最讓人頭疼的毛病是過於保守，動不動就因為敏感詞直接拒答。Anthropic 這次專門優化了邊界理解，無害提示詞的誤拒率大幅下降，回答的事實準確率也比 Claude 2.1 翻了一番。

初始版本支援 200k 上下文視窗，底層能力其實能吃下 100 萬 token，後續會定向開放給大算力客戶。

為什麼重要

大模型市場苦 GPT-4 獨大久矣，Opus 的出現第一次證明了，在最前沿的通用推理能力上，OpenAI 並不是不可戰勝的。

對於個人使用者和開發者來說，現在就可以直接去試試。免費網頁版預設用上了 Sonnet，響應速度和日常任務處理能力都比老版本舒服得多；開通 Pro 會員或者調 API 的話，Opus 拿來讀長篇論文、啃複雜財報和處理帶圖資料，體驗完全值得現在就換過來。

從產品設計來看，Anthropic 這次劃分為高中低三檔的做法非常聰明。之前 Claude 2 雖然能讀長文本，但速度偏慢且極其死板；現在讓 Haiku 拼極致低延遲、Sonnet 兼顧企業大吞吐量價效比、Opus 負責攻堅高難度推理，精準切中了不同業務的預算痛點。

不過隱患也顯而易見。Opus 這種體量的模型，推理成本和算力消耗註定不便宜，在持續的高併發場景下，Anthropic 能不能頂住算力壓力還得打個問號。但無論如何，這場釋出已經把壓力徹底踢回給了 OpenAI，逼著大家把下一代旗艦模型更快拿出來。