本帖最后由 垚麟 于 2024-3-5 00:49 编辑
3月4日，领先的人工智能初创公司Anthropic发布了Claude 3系列AI大模型。该系列包括三种型号：Opus、Sonnet 和即将推出的 Haiku。
去年的这个时候，Anthropic 被视为一家有前途的生成式人工智能初创公司，由前 OpenAI 研究高管创立。12 个月后，它成为最热门的人工智能初创公司之一，支持者包括谷歌、Salesforce 和亚马逊，其产品在企业和消费者领域与ChatGPT 直接竞争。去年，这家初创公司完成了五笔不同的融资交易，总计约 73 亿美元。
据该初创公司称，该系列中功能最强大的 Claude 3 Opus 在各种基准测试中均优于 OpenAI 的竞争对手模型 GPT-4 和 Google 的Gemini 1.0 Ultra。
“这是车型中的劳斯莱斯，至少在目前是这样，”首席执行官达里奥·阿莫迪在接受采访时表示。
Claude 3 Opus 收取每 100 万条称为代币的数据的费用为 15 美元，而处理相同数据的同类模型的费用至少低30%。相比之下，OpenAI 对输入其 GPT-4 Turbo 模型的每百万代币收取 10 美元的费用。
Anthropic 总裁 Daniela Amodei 表示，尽管价格较高，但客户仍会选择 Claude 3 Opus，“如果他们需要执行认知上最复杂的任务”，例如准确处理复杂的财务分析。
Anthropic 表示，其 Claude 3 模型将通过亚马逊和谷歌的云平台提供。
以下是Anthropic官网发布的新闻重点：
今天，我们宣布推出 Claude 3 模型系列，它为广泛的认知任务树立了新的行业基准。该系列包括三种最先进的型号（按功能升序排列）：Claude 3 Haiku、Claude 3 Sonnet 和 Claude 3 Opus。每个后续型号都提供越来越强大的性能，允许用户为其特定应用选择智能、速度和成本的最佳平衡。 Opus 和 Sonnet 现已可在 claude.ai 中使用，而 Claude API 现已在159 个国家/地区广泛使用。俳句即将推出。
智能的新标准 Opus 是我们最智能的模型，在人工智能系统的大多数常见评估基准上都优于同行，包括本科水平专家知识 (MMLU)、研究生水平专家推理 (GPQA)、基础数学 (GSM8K) 等。它在复杂任务上表现出接近人类水平的理解力和流畅性，引领通用智能的前沿。 所有Claude 3模型都显示出在分析和预测、细致内容创建、代码生成以及西班牙语、日语和法语等非英语语言对话方面的增强能力。
近乎即时的结果 Claude 3 模型可以支持实时客户聊天、自动完成和数据提取任务，其中响应必须立即且实时。
Haiku 是智能类别市场上速度最快且最具成本效益的型号。它可以在不到三秒的时间内阅读 arXiv 上包含图表和图形的信息和数据密集的研究论文（约 10k 代币）。发布后，我们期望进一步提高性能。
对于绝大多数工作负载，Sonnet 的速度比 Claude 2 和 Claude 2.1 快 2 倍，且智能水平更高。它擅长执行需要快速响应的任务，例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 型号具有与其他领先型号相当的复杂视觉功能。他们可以处理各种视觉格式，包括照片、图表、图形和技术图表。我们特别高兴能够为我们的企业客户提供这种新模式，其中一些客户的知识库高达 50% 以各种格式编码，例如 PDF、流程图或演示幻灯片。
更少的拒绝 以前的克劳德模型经常做出不必要的拒绝，这表明缺乏语境理解。我们在这一领域取得了有意义的进展：与前几代模型相比，Opus、Sonnet 和 Haiku 拒绝回答接近系统护栏的提示的可能性明显降低。如下所示，Claude 3 模型对请求表现出更细致的理解，能够识别真正的伤害，并且拒绝回答无害提示的频率要少得多。
提高准确性 各种规模的企业都依赖我们的模型来为其客户提供服务，因此我们的模型输出必须保持大规模的高精度。为了评估这一点，我们使用了大量复杂的事实问题来针对当前模型中已知的弱点。我们将答案分为正确答案、错误答案（或幻觉）和承认不确定性，其中模型表示它不知道答案，而不是提供不正确的信息。与 Claude 2.1 相比，Opus 在这些具有挑战性的开放式问题上的准确性（或正确答案）提高了一倍，同时也减少了错误答案的水平。
除了产生更值得信赖的回复之外，我们很快还将在 Claude 3 模型中启用引用，以便他们可以指向参考材料中的精确句子来验证他们的答案。
长上下文和近乎完美的回忆 Claude 3 系列型号在发布时最初将提供 200K 上下文窗口。然而，所有三种模型都能够接受超过 100 万个代币的输入，我们可能会将其提供给需要增强处理能力的精选客户。
为了有效地处理长上下文提示，模型需要强大的回忆能力。 “大海捞针”（NIAH）评估衡量模型从大量数据中准确回忆信息的能力。我们通过在每个提示中使用 30 个随机针/问题对之一并在不同的众包文档库上进行测试，增强了该基准的稳健性。 Claude 3 Opus 不仅实现了近乎完美的召回率，超过 99% 的准确率，而且在某些情况下，它甚至通过识别“针”这句话似乎是人类人为插入到原文中来识别评估本身的局限性。
更容易使用 Claude 3 模型更擅长遵循复杂的多步骤指令。他们特别擅长遵守品牌声音和响应准则，并开发用户可以信赖的面向客户的体验。此外，Claude 3 模型更擅长以 JSON 等格式生成流行的结构化输出，从而可以更轻松地指导 Claude 进行自然语言分类和情感分析等用例。
| 
