剛剛Anthropic公司正式發(fā)布了他們最新的AI王牌組合—— Claude 3.7 Sonnet 和 Claude Code！各種能力超群，只是數(shù)學(xué)能力還是不及DeepSeek等，感覺Claude所有重點(diǎn)都在代碼能力。

第一時間（熬夜??）給大家劃個重點(diǎn)

Claude 3.7 Sonnet：混合推理架構(gòu)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(chuàng)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(dú)特之處在于其 “混合” 能力：

? 極速響應(yīng)與深度思考并存： 它既能像獵豹一樣 “即時響應(yīng)”，滿足對速度有極致要求的場景；又能進(jìn)行 “擴(kuò)展的、逐步思考”，處理需要復(fù)雜推理的任務(wù)。深度思考的過程不再是黑箱操作，而是 “對用戶可見的”！

? 思考時長由你掌控： 對于API開發(fā)者而言，Anthropic 開放了 “思考預(yù)算 (budget for thinking)” 的精細(xì)控制權(quán)。你可以根據(jù)任務(wù)的復(fù)雜程度和對結(jié)果質(zhì)量的要求，設(shè)定模型思考的tokens上限 (最高可達(dá) 128K tokens 輸出限制)。 這意味著開發(fā)者可以根據(jù)實際需求，在 速度、成本和答案質(zhì)量 之間自由調(diào)優(yōu)，實現(xiàn)真正的 “按需定制”！?? 這種靈活性是前所未有的，也體現(xiàn)了Anthropic對開發(fā)者需求的深刻理解。

? 標(biāo)準(zhǔn)模式與擴(kuò)展思考模式： Claude 3.7 Sonnet 在 標(biāo)準(zhǔn)模式 下，是 Claude 3.5 Sonnet 的升級版，性能已經(jīng)非常出色。 而在 擴(kuò)展思考模式 下，它會進(jìn)行 “自我反思 (self-reflects)” 后再給出答案，這使得它在 數(shù)學(xué)、物理、指令跟隨、編碼 等多個領(lǐng)域的性能都得到顯著提升。更棒的是，無論在哪種模式下，prompt的編寫方式都基本一致，降低了用戶的學(xué)習(xí)成本。

?? 代碼能力史詩級躍升！Claude Code橫空出世，賦能智能體編碼新范式！

如果你是一名開發(fā)者，尤其是專注于 編程和前端Web開發(fā)，那么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(fā)” 領(lǐng)域取得了 “特別強(qiáng)勁的改進(jìn)”。

更重要的是“Claude Code” —— 一個跨時代的 “智能體編碼命令行工具”！ 這不僅是 Claude 系列的首款代碼工具，更預(yù)示著AI輔助編程進(jìn)入了一個全新的階段。 目前 Claude Code 以 “限量研究預(yù)覽版” 的形式推出。

Claude Code 的強(qiáng)大之處在于，它將 AI 的代碼智能直接融入開發(fā)者的工作流中，讓你能夠在熟悉的 終端環(huán)境 下，“直接委托實質(zhì)性的工程任務(wù)給 Claude”。 想象一下，你只需在命令行輸入指令，就能讓 AI 智能體完成代碼搜索、文件編輯、測試編寫和運(yùn)行、代碼提交和推送等一系列復(fù)雜的編程任務(wù)。

Claude Code 的核心能力包括：

• ? 代碼檢索與閱讀： 快速搜索和理解代碼庫，不再需要在海量代碼中手動翻找。
• ? 文件編輯： 智能修改代碼文件，無論是簡單的bug修復(fù)還是復(fù)雜的重構(gòu)，都能輕松應(yīng)對。
• ? 測試編寫與運(yùn)行： 自動生成和執(zhí)行測試用例，確保代碼質(zhì)量，提升軟件可靠性。
• ? 代碼提交與推送 (GitHub 集成)： 無縫集成 GitHub，方便代碼的版本控制和協(xié)作。
• ? 命令行工具集成： 靈活使用各種命令行工具，擴(kuò)展功能，滿足更復(fù)雜的需求。
• Anthropic 強(qiáng)調(diào)，Claude Code 在 測試驅(qū)動開發(fā)、復(fù)雜問題調(diào)試和大規(guī)模重構(gòu) 等場景中尤其得心應(yīng)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(fā)時間和成本。

Claude Code 目前處于研究預(yù)覽的 beta 階段：

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

權(quán)威評測數(shù)據(jù)震撼發(fā)布：實力碾壓，問鼎多項榜單！

性能是檢驗 AI 模型實力的硬指標(biāo)。Anthropic 在公告中展示了 Claude 3.7 Sonnet 在多個權(quán)威基準(zhǔn)測試上的卓越表現(xiàn)，用數(shù)據(jù)說話，實力盡顯：

?SWE-bench Verified (軟件工程基準(zhǔn)測試): Claude 3.7 Sonnet 以 70.3% (使用定制 scaffold) 和 62.3% (標(biāo)準(zhǔn) scaffold) 的驚人成績，再次成為該榜單的王者，遠(yuǎn)超 OpenAI 的 GPT-4 和 DeepSeek R1 等強(qiáng)勁對手。 SWE-bench Verified 專注于評估 AI 模型解決真實世界軟件問題的能力，Claude 3.7 Sonnet 的優(yōu)異表現(xiàn)充分證明了其在實際編碼場景中的強(qiáng)大實力。值得注意的是，70.3% 的高分使用了 “定制 scaffold”，并在問題子集上進(jìn)行了內(nèi)部評分，而 62.3% 的分?jǐn)?shù)則使用了 bash/editor 工具和一個 “思考工具”，在 500 個問題上進(jìn)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(zhǔn)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(lǐng)先成績。 TAU-bench 考察的是 AI 智能體在復(fù)雜的真實世界任務(wù)中，與用戶和各種工具進(jìn)行有效交互的能力。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?jǐn)?shù)，Anthropic 使用了 prompt addendum 指導(dǎo) 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(tài)能力和智能體編碼 等多個關(guān)鍵領(lǐng)域都展現(xiàn)出了卓越的性能，在 數(shù)學(xué)和科學(xué) 方面，擴(kuò)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(nèi)部的 Pokémon gameplay tests (寶可夢游戲測試) 中，Claude 3.7 Sonnet 也超越了以往的所有模型。

寫在最后：

按照Anthropic的說法：Claude 3.7 Sonnet 和 Claude Code 的發(fā)布，是在 “構(gòu)建真正增強(qiáng)人類能力的 AI 系統(tǒng)” 道路上邁出的重要一步。 Anthropic 堅信，憑借其強(qiáng)大的 “深度推理、自主工作和有效協(xié)作” 能力，AI 將把我們帶向一個更加美好的未來，在那里，AI 將 “豐富和擴(kuò)展人類所能成就的一切”。

Anthropic 也在公告中展望了 Claude 的發(fā)展藍(lán)圖，描繪了 Claude 從 “助手 (assists)” 到 “合作者 (collaborates)” 再到 “先鋒 (pioneers)” 的進(jìn)化路徑，預(yù)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(tuán)隊數(shù)年才能完成的挑戰(zhàn)性問題”。