Anthropic發佈全球首個混合推理模型與全新程式碼“神器”：雙面王牌組合

Anthropic公司正式發佈了他們最新的AI王牌組合—— Claude 3.7 Sonnet 和 Claude Code！各種能力超群，只是數學能力還是不及DeepSeek等，感覺Claude所有重點都在程式碼能力

第一時間（熬夜🤣）給大家劃個重點

Claude 3.7 Sonnet：混合推理架構登場，打造前所未有的智能巔峰！

Anthropic毫不掩飾對Claude 3.7 Sonnet的自信，直接稱其為 “迄今為止最智能的模型”，更重要的是，它還開創性地成為了 “市場上首個混合推理模型”！

與以往模型不同，Claude 3.7 Sonnet 的獨特之處在於其 “混合” 能力：

•  極速響應與深度思考並存： 它既能像獵豹一樣 “即時響應”，滿足對速度有極致要求的場景；又能進行 “擴展的、逐步思考”，處理需要複雜推理的任務。深度思考的過程不再是黑箱操作，而是 “對使用者可見的”！
•  思考時長由你掌控： 對於API開發者而言，Anthropic 開放了 “思考預算 (budget for thinking)” 的精細控制權。你可以根據任務的複雜程度和對結果質量的要求，設定模型思考的tokens上限 (最高可達 128K tokens 輸出限制)。 這意味著開發者可以根據實際需求，在 速度、成本和答案質量 之間自由調優，實現真正的 “按需定製”！👍 這種靈活性是前所未有的，也體現了Anthropic對開發者需求的深刻理解
•  標準模式與擴展思考模式： Claude 3.7 Sonnet 在 標準模式 下，是 Claude 3.5 Sonnet 的升級版，性能已經非常出色。 而在 擴展思考模式 下，它會進行 “自我反思 (self-reflects)” 後再給出答案，這使得它在 數學、物理、指令跟隨、編碼 等多個領域的性能都得到顯著提升。更棒的是，無論在那種模式下，prompt的編寫方式都基本一致，降低了使用者的學習成本

💪 程式碼能力史詩級躍升！Claude Code橫空出世，賦能智能體編碼新範式！

如果你是一名開發者，尤其是專注於 程式設計和前端Web開發，那麼Claude 3.7 Sonnet 和 Claude Code 的組合絕對會不失所望！ Anthropic 明確指出，新模型在 “編碼和前端Web開發” 領域取得了 “特別強勁的改進”

更重要的是“Claude Code” —— 一個跨時代的 “智能體編碼命令列工具”！ 這不僅是 Claude 系列的首款程式碼工具，更預示著AI輔助程式設計進入了一個全新的階段。 目前 Claude Code 以 “限量研究預覽版” 的形式推出

Claude Code 的強大之處在於，它將 AI 的程式碼智能直接融入開發者的工作流中，讓你能夠在熟悉的 終端環境 下，“直接委託實質性的工程任務給 Claude”。 想像一下，你只需在命令列輸入指令，就能讓 AI 智能體完成程式碼搜尋、檔案編輯、測試編寫和運行、程式碼提交和推送等一系列複雜的程式設計任務

Claude Code 的核心能力包括：

•  程式碼檢索與閱讀： 快速搜尋和理解程式碼庫，不再需要在海量程式碼中手動翻找
•  檔案編輯： 智能修改程式碼檔案，無論是簡單的bug修復還是複雜的重構，都能輕鬆應對
•  測試編寫與運行： 自動生成和執行測試用例，確保程式碼質量，提升軟體可靠性
•  程式碼提交與推送 (GitHub 整合)： 無縫整合 GitHub，方便程式碼的版本控制和協作
•  命令列工具整合： 靈活使用各種命令列工具，擴展功能，滿足更複雜的需求。

Anthropic 強調，Claude Code 在 測試驅動開發、複雜問題偵錯和大規模重構 等場景中尤其得心應手。 在早期測試中，Claude Code 能夠在 “單次操作中完成通常需要 45 分鐘以上的手動工作”，顯著縮短開發時間和成本

Claude Code 目前處於研究預覽的 beta 階段：

https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/overview

📊 權威評測資料震撼發佈：實力碾壓，問鼎多項榜單！

性能是檢驗 AI 模型實力的硬指標。Anthropic 在公告中展示了 Claude 3.7 Sonnet 在多個權威基準測試上的卓越表現，用資料說話，實力盡顯：

•  SWE-bench Verified (軟體工程基準測試): Claude 3.7 Sonnet 以 70.3% (使用定製 scaffold) 和 62.3% (標準 scaffold) 的驚人成績，再次成為該榜單的王者，遠超 OpenAI 的 GPT-4 和 DeepSeek R1 等強勁對手。 SWE-bench Verified 專注於評估 AI 模型解決真實世界軟體問題的能力，Claude 3.7 Sonnet 的優異表現充分證明了其在實際編碼場景中的強大實力。值得注意的是，70.3% 的高分使用了 “定製 scaffold”，並在問題子集上進行了內部評分，而 62.3% 的分數則使用了 bash/editor 工具和一個 “思考工具”，在 500 個問題上進行了單次嘗試，沒有額外的測試時計算

•  TAU-bench (智能體工具使用基準測試): Claude 3.7 Sonnet 在 TAU-bench 的 零售 (retail) 和 航空 (airline) 兩個場景中，分別取得了 81.2% 和 58.4% 的領先成績。 TAU-bench 考察的是 AI 智能體在複雜的真實世界任務中，與使用者和各種工具進行有效互動的能力。Claude 3.7 Sonnet 在此項測試中再次拔得頭籌，印證了其作為智能體工具的卓越性能。為了獲得這些分數，Anthropic 使用了 prompt addendum 指導 Claude 更好地利用 “planning” tool，鼓勵模型寫下思考過程

通用benchmark測試

總而言之，Claude 3.7 Sonnet 在 指令跟隨、通用推理、多模態能力和智能體編碼 等多個關鍵領域都展現出了卓越的性能，在 數學和科學 方面，擴展思考模式帶來了顯著的提升但是沒有超越deepseek等模型。 在 Anthropic 內部的 Pokémon gameplay tests (寶可夢遊戲測試) 中，Claude 3.7 Sonnet 也超越了以往的所有模型

寫在最後：

按照Anthropic的說法：Claude 3.7 Sonnet 和 Claude Code 的發佈，是在 “建構真正增強人類能力的 AI 系統” 道路上邁出的重要一步。 Anthropic 堅信，憑藉其強大的 “深度推理、自主工作和有效協作” 能力，AI 將把我們帶向一個更加美好的未來，在那裡，AI 將 “豐富和擴展人類所能成就的一切”

Anthropic 也在公告中展望了 Claude 的發展藍圖，描繪了 Claude 從 “助手 (assists)” 到 “合作者 (collaborates)” 再到 “先鋒 (pioneers)” 的進化路徑，預示著 AI 在未來將扮演越來越重要的角色，最終將能夠 “找到突破性的解決方案，解決需要團隊數年才能完成的挑戰性問題”。 (AI寒武紀)