超越 GPT-4 ，新一代 Claude 3 震撼发布

Anthropic 刚刚发布了新一代的 Claude 3 AI 模型家族，这些模型在多种认知任务上表现出色，提供了不同级别的智能、速度和成本平衡。Claude 3 Opus 是家族中最智能的模型，而 Claude 3 Haiku 则是最快的模型。Anthropic 还强调了模型的安全性和负责任设计，以及对未来模型性能和安全性的持续监控。本文是是对官方发布报告的重点内容翻译，有所增减。

今天，我们宣布推出 Claude 3 模型家族，这一系列模型在广泛的认知任务上设定了新的行业基准。家族包括三个按能力递增的尖端模型：Claude 3 Haiku、Claude 3 Sonnet 和 Claude 3 Opus。每个后续模型提供越来越强大的性能，允许用户为他们特定的应用选择智能、速度和成本[1]之间的最佳平衡。

Opus 和 Sonnet 现已在 claude.ai 和 Claude API 中可用，Claude API 现已在159 个国家[2]普遍可用。Haiku 将很快推出。

Claude 3 模型家族

智能新标准

Opus，我们最智能的模型，在大多数常见 AI 系统评估基准上超越了同行，包括本科水平的专家知识（MMLU）、研究生水平的专家推理（GPQA）、基础数学（GSM8K）等。它在复杂任务上展现出接近人类的理解和流畅度，引领通用智能的前沿。

所有Claude 3[3]模型在分析和预测、细腻内容创作、代码生成以及使用非英语语言（如西班牙语、日语和法语）进行对话方面的能力都有所增强。

以下是 Claude 3 模型与同行在多个能力[1]基准上的比较：

近乎即时的结果

Claude 3 模型能够支持实时客户聊天、自动补全和数据提取任务，这些任务要求响应必须即时。

Haiku 是市场上同类智能模型中速度最快、成本效益最高的。它可以在不到三秒钟的时间内阅读一篇包含图表和图形的 arXiv 研究论文（约 10k tokens）。我们预计在推出后将进一步改善性能。

对于绝大多数工作负载，Sonnet 的速度是 Claude 2 和 Claude 2.1 的两倍，同时具有更高级别的智能。它擅长需要快速响应的任务，如知识检索或销售自动化。Opus 的速度与 Claude 2 和 2.1 相似，但智能水平更高。

强大的视觉能力

Claude 3 模型具有与其他领先模型相媲美的复杂视觉能力。它们可以处理各种视觉格式，包括照片、图表、图形和技术图表。我们特别兴奋地为企业提供这种新的模态，其中一些企业的知识库中有高达 50%的信息以 PDF、流程图或演示幻灯片等各种格式编码。

更少的拒绝

以前的 Claude 模型经常做出不必要的拒绝，这表明缺乏上下文理解。我们在这一领域取得了有意义的进展：Opus、Sonnet 和 Haiku 拒绝回答接近系统安全边界的提示的可能性显著降低。如下所示，Claude 3 模型显示出对请求的更细致理解，识别真正的危害，并更少地拒绝无害的提示。

提高的准确性

各种规模的企业都依赖我们的模型来服务他们的客户，这使得我们的模型输出在大规模上保持高准确性至关重要。为了评估这一点，我们使用了一系列复杂的、事实性的问题，这些问题针对当前模型的已知弱点。我们将响应分为正确答案、错误答案（或幻觉）和不确定性承认，其中模型表示它不知道答案，而不是提供错误的信息。与 Claude 2.1 相比，Opus 在这些具有挑战性的开放式问题上展示了准确性（或正确答案）的两倍提升，同时也展示了错误答案的减少水平。

除了产生更值得信赖的响应，我们很快将在 Claude 3 模型中启用引用功能，以便它们可以指向参考材料中的确切句子来验证它们的答案。

长上下文和近乎完美的记忆

Claude 3 模型家族最初将在推出时提供一个 200K 的上下文窗口。然而，所有三个模型都能够接受超过 100 万 tokens 的输入，我们可能会为需要增强处理能力的选择性客户提供这种功能。

为了有效地处理长上下文提示，模型需要强大的回忆能力。'针海捞针'（NIAH）评估衡量模型从大量数据中准确回忆信息的能力。我们通过使用每个提示的 30 个随机针/问题对之一，并在多样化的众包文档语料库上进行测试，增强了这个基准的稳健性。Claude 3 Opus 不仅实现了近乎完美的回忆，准确率超过 99%，而且在某些情况下，它甚至识别出评估本身的局限性，即“针”句子似乎是被人为插入到原始文本中的。

负责任的设计

我们开发 Claude 3 模型家族，使其既值得信赖又具备能力。我们有几个专门的团队跟踪和减轻广泛的风险，这些风险包括错误信息、CSAM、生物滥用、选举干预和自主复制技能。我们继续开发诸如宪法 AI[4]等方法，以提高我们模型的安全性和透明度，并调整我们的模型以减轻可能由新模态引起的隐私问题。

解决越来越复杂的模型中的偏见是一个持续的努力，我们在这一轮新发布中取得了进展。如模型卡所示，根据问答偏见基准（BBQ）[5]，Claude 3 比我们之前的模型表现出更少的偏见。我们致力于推进减少偏见和促进我们模型中更大中立性的技术，确保它们不会偏向任何特定的党派立场。

虽然 Claude 3 模型家族在生物知识、网络相关知识和自主性等关键指标上比之前的模型有所进步，但它仍然处于我们负责任扩展政策[6]的 AI 安全级别 2（ASL-2）。我们的红队评估[7]得出的结论是，这些模型目前对灾难性风险的潜在可能性微不足道。我们将继续仔细监控未来的模型，以评估它们接近 ASL-3 阈值的程度。更多安全细节可在Claude 3 模型[8]中找到。

更易使用

Claude 3 模型更擅长遵循复杂、多步骤的指令。它们特别擅长遵循品牌声音和响应指南，并开发用户可以信赖的客户体验。此外，Claude 3 模型更擅长生成流行的结构化输出格式，如 JSON——这使得指导 Claude 用于自然语言分类和情感分析等用例变得更加简单。

模型细节

Claude 3 Opus 是我们最智能的模型，在高度复杂的任务上具有市场上最佳的表现。它能够以惊人的流畅度和类人理解力处理开放式提示和未见场景。Opus 向我们展示了生成性 AI 的可能性极限。Claude 3 Sonnet 在智能和速度之间取得了理想的平衡——特别是对于企业工作负载。与同类模型相比，它以较低的成本提供强大的性能，并为大规模 AI 部署设计了高耐久性。Claude 3 Haiku 是我们最快、最紧凑的模型，用于近乎即时的响应。它以无与伦比的速度回答简单查询和请求。用户将能够构建无缝的 AI 体验，模仿人类互动。

模型可用性

Opus 和 Sonnet 现已在我们的 API 中可用，该 API 现已普遍可用，使开发者能够立即注册并开始使用这些模型。Haiku 将很快推出。Sonnet 正在为 claude.ai 上的免费体验提供动力，而 Opus 则提供给 Claude Pro 订阅者。

Sonnet 今天也通过 Amazon Bedrock 可用，并在 Google Cloud 的 Vertex AI Model Garden 中进行私人预览——Opus 和 Haiku 也将很快在两者上推出。

更智能、更快、更安全

我们不认为模型智能接近其极限，我们计划在未来几个月内频繁更新 Claude 3 模型家族。我们也很高兴推出一系列功能，以增强我们模型的能力，特别是针对企业用例和大规模部署。这些新功能将包括工具使用（亦称函数调用）、交互式编码（亦称 REPL）以及更高级的代理能力。

随着我们推动 AI 能力的边界，我们也致力于确保我们的安全防护措施与这些性能飞跃保持同步。我们的假设是，处于 AI 开发的前沿是引导其朝着积极社会结果的最有效方式。

我们很兴奋地看到您用 Claude 3 创造什么，并希望您能给我们反馈，使 Claude 成为一个更有用的帮助者和创意伙伴。要开始使用 Claude 构建，请访问anthropic.com/claude[9]。

参考资料

[1]

成本: https://www.anthropic.com/api#pricing

[2]

159 个国家: https://www.anthropic.com/supported-countries

[3]

Claude 3: https://www.anthropic.com/claude-3-model-card

[4]

宪法 AI: https://www.anthropic.com/news/constitutional-ai-harmlessness-from-ai-feedback

[5]

问答偏见基准（BBQ）: https://aclanthology.org/2022.findings-acl.165/

[6]

负责任扩展政策: https://www.anthropic.com/news/anthropics-responsible-scaling-policy

[7]

红队评估: https://www.anthropic.com/news/red-teaming-language-models-to-reduce-harms-methods-scaling-behaviors-and-lessons-learned

[8]

Claude 3 模型: https://www.anthropic.com/claude-3-model-card

[9]

anthropic.com/claude: https://www.anthropic.com/claude