#Claude 3.7
•

這一夜，中國AI徹底翻身了：DeepSeek R1讓全世界刮目相看 | 深度評測

這一張圖，改變了中國的歷史！01 程式碼生成能力：一次成功，完勝Claude 3.7先說程式碼層面的表現。熟悉我的朋友都知道，黃叔之前寫過一本AI程式設計藍皮書，裡面有大量的實戰案例，基本都是用Claude 3.5、3.7跑出來的。即使是一些相對簡單的案例，比如：- 給老外起中文名的AI網頁- 善思flomo瀏覽器外掛用Windsurf+Claude 3.5的組合，往往都需要偵錯幾次，出現各種小bug才能最終搞定。但是！新DeepSeek R1直接一次成功！我測試了給川普起中文名的功能，R1居然給出了"推特神獸"、"川普大帝"這樣的神翻譯，簡直笑死我了！還有flomo瀏覽器外掛，R1也是一次性生成成功，而且可以直接一鍵同步到flomo，完全沒有任何問題：正當我準備繼續測試更多功能的時候，晚上10點多，API就掛了...看來大家都在瘋狂測試啊！當然，R1也不是完美無缺當然，黃叔必須得說一句，新R1在Coding能力的全面性上還是有欠缺的，體現在：客觀地說，新R1在程式設計能力的全面性上還是有些不足：1. 思考過程太冗長：R1需要很長的thinking過程來彌補推理能力，導致響應速度比較慢：2. 缺少多模態能力：不能像Claude那樣通過截圖來描述程式碼錯誤，偵錯起來比較麻煩但即便如此，新R1在程式碼生成方面已經穩穩站在了Claude 3.7和Claude 4之間的水平！02 前端設計審美：已達Claude 4水準這裡第一張圖我們先不說明那個是Claude4.0生成的，那個是Deepseek R1生成的，大家可以看一下兩份設計圖，能否像之前Claude3.7對比其他模型那樣一眼完成識別。揭曉答案：繼續，我測試更多的UI介面設計：大家可以自行對比！在雜誌風格卡片的測試中，我用自己的文章《2個月漲粉10000+，多篇文章閱讀過萬！黃叔是如何在AI浪潮中找到清晰方向的？》作為素材。有趣的是，新R1甚至在某些方面略勝一籌！比如我在提示詞中明確要求使用偏棕色的背景色，R1嚴格按照要求執行，而Claude 4雖然設計質量很高，但在提示詞遵從度上有些偏差。就像老闆給員工佈置任務，員工完成得很好，但和老闆想要的不太一樣——這種情況我在開發其他產品時也遇到過。當然這種情況還是少數，更多情況下可以很好的完成要求，就像下面這樣：這兩個卡片是用我另一篇文章《我用了一個月Dia瀏覽器，已經徹底拋棄了Chrome！》生成的，左側卡片在提示詞的雜誌感要求方面更強一些，右側卡片在提示詞要求的其他細節如背景元素等方面略勝一籌。繼續換個風格看一下，這次我們用日本平面設計風格：特別值得一提的是，在測試日本平面設計風格時，我只是簡單地在提示詞中寫了"日本平面設計風格"：DeepSeek R1在推理過程中，竟然先詳細分析了"日本平面設計風格到底是什麼風格"，然後才輸出設計稿！這種自主學習和推理的能力，真的讓人刮目相看。下面是一個美漫風格的卡片：這兩張卡片對比下來左側的明顯更符合美漫風格，設計質量也更好，這裡不知道是不是因為Claude 4的訓練資料更多的是英文資料所以對美漫風理解更深刻？有懂的朋友歡迎留言確認一下是否有這方面的影響。最後是一張二次元科幻風的卡片對比：這個案例Claude4.0在顏色搭配和光影效果上做的更好一些，新R1相對簡單了一些，使用單色還是比較難體現出科幻的氛圍和光影感。經過和一位設計師朋友的深度討論，我們得出了一個重要結論：頂級AI模型的前端設計能力，已經進入了需要專業設計師才能區分質量差異的階段！對於我這樣的非設計師來說，第一感覺就是"差不多"、"都挺好"，已經很難評價Claude 4和新DeepSeek R1的輸出質量了。再結合新R1在功能程式碼上的巨大進步，這真的要出大事了！頂級模型的前端設計能力，已經進入了一個需要專業設計師去區分設計質量的階段！再結合新R1在功能程式碼上的進步，真的出大事了！03 為什麼說這改變了中國的歷史？從多個評測案例來看，新DeepSeek R1確實接近Claude 4的水平。這一點我和歸藏以及其他朋友交流後，大家都比較認同。退一步說，即使只是達到Claude 3.7的水平，這也已經超級牛逼了！國產AI的歷史性突破黃叔一直有個觀點：今年國內大模型在程式設計能力上會追平Claude 3.5的水準。如果真的實現了，那意味著：- 無需魔法：國內使用者可以直接使用- 價格低廉：成本優勢明顯- 本土化服務：更適合中國使用者需求這樣的組合，一定會引爆國內AI市場！因為程式設計的價值實在太大了！真沒想到，還沒到6月份，甚至是在輝達發財報的前夜，中國之光DeepSeek就用一個"小"更新，直接擊穿了所有人的預期！這種感覺就像是：你以為自己在追趕，結果一不小心就超車了！寫在最後哎，這個世界變化真的太快了！再保守就要錯過更多機會了。 (AI產品黃叔)
這一夜，中國AI徹底翻身了：DeepSeek R1讓全世界刮目相看 | 深度評測
科技#中國AI#DeepSeek R1#Claude 3.7
•

Gemini 2.5 Pro強勢更新並霸榜，Claude 3.7首次遭遇全方位碾壓！

Gemini 2.5 Pro 更新來了，這次的Claude 3.7被打得毫無還手之力！這兩天AI界最引人注目的新聞莫過於Google DeepMind推出的最新模型Gemini 2.5 Pro在LMArena各大排行榜全面登頂了！而且，這不僅僅是簡單的一兩個領域的領先，而是首次實現了文字、視覺、Web開發全方位霸榜，Claude 3.7甚至首次在WebDev Arena上失守。Gemini 2.5 Pro霸榜之路，勢不可擋！根據LMArena（@lmarena_ai）的消息，Gemini 2.5 Pro橫掃多個AI競技場：文字領域（程式碼生成、風格控制、創意寫作等）穩居第一；視覺能力碾壓其他選手，領先幅度高達70分；Web開發能力首次超越Claude 3.7，躍居榜首！這也是史上第一次有單一模型在文字、視覺和Web開發領域實現如此全面的統治。從LMArena公佈的資料來看，Gemini 2.5 Pro的表現不僅贏得了榜單，更贏得了社區使用者的高度認可。Google DeepMind的新大招：編碼能力再升級Google DeepMind官方發推表示，他們推出的Gemini 2.5 Pro（I/O版）在編碼能力上做了重大升級：你可以用一個提示詞建構更豐富的網頁應用、遊戲、模擬環境等等。他們還展示了通過@GeminiApp如何從自然界的圖片中快速生成對應的程式碼，展示了模型令人驚豔的創造力：不僅如此，Gemini 2.5 Pro在WebDev Arena中首次超過Claude 3.7，這個榜單主要測試模型建構吸引人的網頁應用的能力。Google官方也在推特中強調了這一突破：此外，這個版本還顯著提升了程式碼轉換、編輯能力和開發複雜智能體的表現。開發者們現在可以在Google AI Studio、Vertex AI以及Gemini App中使用這個強大的新工具。為什麼新版Gemini 2.5 Pro如此厲害？Gemini 2.5 Pro能有如此表現，並非偶然。官方表示，此次更新主要針對使用者在實際編碼中的痛點做了針對性的最佳化，例如：顯著減少呼叫工具的失敗率；增強了多模態推理能力；改進了視訊理解能力，在VideoMME基準測試中取得了高達84.8%的表現；全新升級的UI介面建構能力，讓Web應用更美觀、功能更強大。Google DeepMind CEO Michael Truell還特別強調了其內部觀察：「新版Gemini 2.5 Pro顯著降低了呼叫工具的失敗率，極大提高了實際編碼場景中的效率。」創造力的新天地Google發佈的官方部落格中表示，Gemini 2.5 Pro已通過Google AI Studio和Vertex AI全面向開發者開放，使用者可以在Gemini App中體驗各種豐富的功能，如Canvas功能。部落格地址：https://blog.google/products/gemini/gemini-2-5-pro-updates/TheQuickTechGuy(@GoogleDeepMind) 表示對Gemini 2.5 Pro能力的認可：「將自然圖片轉化為程式碼，這種創意真是太棒了！期待它在更複雜的Web應用和模擬環境中的表現。」而Andrew Hoskins(@NeuralNinjas)也對Gemini 2.5 Pro給出了很高的評價，同時好奇下一次能否有競爭對手@Grok出來挑戰一下：「Google DeepMind 🔥恭喜！不知道@grok能不能下一次奪回冠軍？」一些質疑和看法但並非所有人都盲目樂觀，比如Vladimir Goncharov提出了一些嚴肅的質疑，他表示新版本在幾個測試中反而有退步，比如：HLE測試：18.8 → 17.8 🔴GPQA：84.0 → 83.0 🔴SimpleQA：52.9 → 50.8 🔴雖然有一些指標有提升，比如LiveCodeBench和Aider，但整體上表現不如預期，他認為Gemini 2.5 Pro實際表現更像是Gemini 2.4。Gemini 2.5 Pro全面領跑儘管存在一些質疑，但Gemini 2.5 Pro此次的表現足以證明，它在文字、視覺和Web開發領域的綜合能力已經登頂，目前看來，短期內難有對手。這個最新版本甚至提前在Google I/O大會之前發佈，也引發了許多使用者對大會將有更多驚喜的期待。此外Google DeepMind首席科學家Jeff Dean還指出，Gemini 2.5 Pro的更新修復了03-25初始版本中人們注意到的功能呼叫問題：Gemini 2.5 Pro，AI領域的全新標竿，喊話Anthropic 將全面取代Claude 3.7成為當下最炙手可熱的模型：不服來戰！(AGI Hunt)
Gemini 2.5 Pro強勢更新並霸榜，Claude 3.7首次遭遇全方位碾壓！
科技#Gemini 2.5 Pro#Claude 3.7
•

劍指OpenAI，Anthropic推出全球首個“混合推理模型”，最新估值615億美元

2月25日消息，美國當地時間週一， 由OpenAI前員工創辦的人工智慧公司Anthropic突發連招。在技​​術方面，Anthropic宣布推出全球首個「混合推理」AI模型，向OpenAI、DeepSeek等對手發起挑戰。在營運方面，該公司表示即將完成35億美元融資，估值達615億美元。 全球首款「混合推理」AI模型 Anthropic此次發布的新模型名為Claude 3.7 Sonnet，它賦予了用戶前所未有的控制權，讓他們可以決定AI在生成回答前花費多少時間進行「思考」。同時，Anthropic也推出了AI程式助理Claude Code。這些措施標誌著Anthropic正大舉進軍企業AI市場，或將徹底改變企業建置軟體和自動化工作的方式。 Claude 3.7 Sonnet引入了「思考模式」切換功能，讓使用者可以根據任務複雜度優化AI的回應時間。 Anthropic研究產品管理負責人Dianne Penn表示：“我們認為推理是AI的核心組成部分，而不是需要額外付費才能使用的功能。就像人類一樣，AI應該既能快速響應，又能進行複雜思考。對於簡單問題，它應該立即給出答案；但對於復雜的任務，它則需要更多的處理時間。”
劍指OpenAI，Anthropic推出全球首個“混合推理模型”，最新估值615億美元
科技#Anthropic#混合推理模型#OpenAI
•

全全球首個混合推理模式降世！程式設計師集體過年，最強AI程式秒全場，多平台火速接入

今天，Anthropic重磅發布首個混合推理模型－Claude 3.7 Sonnet 。這個模型在編碼和前端Web開發方面表現突出，使用者既可以讓模型給出即時答案，也可以給出經過深思熟慮的答案。 可切換兩種思考模式，精準把控思考時間。 Anthropic也推出了代理程式編碼工具Claude Code，可以搜尋和讀取程式碼、編輯檔案、編寫和執行測試、提交和推送程式碼到GitHub以及使用命令列工具。在早期測試中，Claude Code可以一次完成通常需要45分鐘手動操作的工作。 目前，Claude 3.7 Sonnet已經在全平台上線，包括亞馬遜雲端服務Bedrock平台、Google雲，而要想要擴展思考模式，除免費版外其他都可以用。在標準和擴展思維模式下，Claude 3.7 Sonnet的價格與先前產品相同：每百萬輸入tokens收費3美元，每百萬輸出tokens收費15美元——其中包括思考tokens。
全全球首個混合推理模式降世！程式設計師集體過年，最強AI程式秒全場，多平台火速接入
科技#Anthropic#Claude 3.7#Claude