黄品汇_今日头条_OpenAI最强竞对Claude再次出牌

OpenAI最强竞对Claude再次出牌_ZA黄品汇KER新闻

虽然李凯尔认祖归宗的故事和经历，确是一桩美事，但回归到竞技体育层面，李凯尔究竟能为中国男篮和中国篮球带来什么？

出品｜虎嗅科技组作者｜余杨编辑｜苗正卿头图｜视觉中国10 月 22 日，由 Anthropic 开发的 Claude 3.5 迎来重磅升级，发布了 Claude 3.5 Haiku 和 Claude 3.5 Sonnet 。Claude 模型也被称为 " 十四行诗 "（Sonnet），Anthropic 公司在为其模型命名时，借鉴了文学艺术作品中的术语，其中包括 " 俳句 "（Haiku）、" 十四行诗 "（Sonnet）和 " 杰作 "（Opus），这些名称不仅代表了模型的不同版本，也反映了它们在功能和性能上的特点。Claude 3.5 Sonnet 有着更强的编程能力，全新功能的 computer use（计算机使用），支持像人类一样操作计算机，可以遵循用户的命令在计算机屏幕上移动光标，点击相关位置，并通过虚拟键盘输入信息，模拟人们与自己计算机的交互方式。目前，Claude 3.5 Sonnet 已投入使用。Claude 系列大语言模型，一直被广泛认为是 OpenAI 的 ChatGPT 和谷歌的 Gemini 的主要竞争对手。Anthropic 在 X 中发布了模型基准测试结果，与 GPT 和 Gemini 在多个领域进行横向对比。这些领域包括研究生水平的推理能力（GPQA Diamond）、本科生水平的知识掌握（MMLUPro）、代码编写能力（Code HumanEval）、数学问题解决能力（MATH）、视觉问答能力（MMMU）以及代理编码（SWE-bench Verified）和代理工具使用（TAU-bench）。在研究生水平推理测试（GPQA Diamond）中，Claude 3.5 Sonnet 以 65.0% 的准确率拔得头筹，Claude 3.5 Haiku 则以 41.6% 的准确率则稍显逊色。而 Gemini 1.5 Pro 的准确率为 59.1%，居于第二。在本科生水平知识测试（MMLUPro）中，Claude 3.5 Sonnet 再次以 78.0% 的准确率领先，而 Gemini 1.5 Pro 则以 75.8% 的准确率紧随其后。在此次主打的代码编写能力测试（Code HumanEval）中，Claude 3.5 Sonnet 以 93.7% 的准确率取得了最佳成绩，GPT-4o 系列模型在这一测试中也展现了不错的性能，准确率为 90.2% 和 87.2%。虽然在数学问题解决测试（MATH）中，Claude 3.5 系列稍显逊色，Gemini 1.5 Pro 仍然碾压全场，但对于视觉问答测试（MMMU）和代理编码测试（SWE-bench Verified），Claude 3.5 Sonnet 和 Claude 3.5 Haiku 仍有着不俗的表现。而 TO B 的代理工具使用测试（TAU-bench），则直接关系到大模型的应用能力，此次主要测试了零售和航空领域。Claude 3.5 Sonnet 在零售和航空领域的准确率分别为 69.2% 和 46.0%，而 Claude 3.5 Haiku 在零售和航空领域的准确率分别为 51.0% 和 22.8%。需要注意的是，OpenAI 的 o1 模型家族由于其依赖于广泛的预响应计算时间，与典型模型存在根本差异，这使得性能比较变得困难，因此在本次评估中被排除在外。这可能不够具像化。Anthropic 提供了一个演示，在 2 分钟的视频中，研究员给 Claude 提出了一个指令：我的朋友要来旧金山，我想明天早上和他一起在金门大桥看日出。我们将从太平洋高地出发。你能帮我们找到一个绝佳的观赏地点，查看一下开车时间和日出时间，然后安排一个日历活动，让我们有足够的时间到达那里吗？Claude 的回应首先是，" 让我搜索谷歌寻找最佳日出观赏地点 "，并自行打开了 Google 开始搜索。Claude 以用户的居住地为出发点，在地图中 check 了驾驶时间，随后，Claude 不仅打开了一个新的网页确认明天的日出时间，还在日历中设置了行程提醒，并附上了 Notes，URL 和附件。开发者展示出 Claude 如何操控了自己的笔记本电脑，丝滑地完成了一个任务。Anthropic 表示，" 我们并没有制作特定工具来帮助 Claude 完成单个任务，而是教它通用的计算机技能——允许它使用为人类设计的各种标准工具和软件程序。我们构建了一个 API，使 Claude 能够感知计算机界面并与之交互。该 API 使 Claude 能够将提示翻译成计算机命令。开发人员可以使用它来自动执行重复性任务、进行测试和 QA 以及进行开放式研究 "。在其他的 demo 中，开发者还让 Claude 填写了一份来自蚂蚁设备公司的供应商请求表，需要填写的数据散布在电脑的各个角落，Claude 跨应用进行了搜索，切换到 CRM 系统中，滚动页面，查找填表所需的所有信息，然后提交了表格。AI 操作电脑的能力代表了一种全新的人工智能开发方法，国内开发者也显示出在该领域深入的努力。10 月 23 日，在荣耀 MagicOS 9.0 发布会上，新升级的 YOYO 智能体也展现出 AI 手机端操作能力的类似特质，不仅帮演示者提交了咖啡订单，还填写了博物馆场馆预约信息。一部分关注者对此满怀期待，认为这意味着工作中许多不得不做的繁琐事项，都可以交由 AI 代劳了。不过，虽然 Claude 已经取得了一些成绩，但我们日常使用电脑时的许多操作，如拖拽、缩放等，Claude 都还无法做到。并且，它的操作仍然相对缓慢，且像人类一样会出错。在一次演示中，Claude 不小心点击停止了一个长时间运行的屏幕录制，导致所有录像都付诸东流。而在另一次编码演示中，Claude 则突然 " 走神 "，开始饶有兴趣地浏览起黄石国家公园的照片。但瑕不掩瑜，这并不妨碍我们像莎士比亚一样，将 Claude 的新技术比作 " 夏日 "。