亭亭玉立国色天香四月天Cla亭亭玉立国色天香四月天ude 3.5深夜觉醒，编程干翻o1，Agent一夜变天_ZAKER新闻

Cla亭亭玉立国色天香四月天ude 3.5深夜觉醒，编程干翻o1，Agent一夜变天_ZAKER新闻

半个世纪间，中美关系有起伏波折，现在，更不乏一些美国政客，当面说一套，背后做一套，访华回国之后，立马换了一副嘴脸，继续对华打压。

编辑：编辑部 HYZ太科幻了，深夜上线的 Claude，可以像人类一样使用计算机了？查看屏幕、移动光标、点击按钮、输入文本，还能查找代码错误、自动搜集信息填表。AI 推理已至瓶颈，下一个爆破点，就是 AI 操作电脑！Claude 3.5 深夜迎来重磅升级！不出所料，Anthropic AI 这周终于有了大动作——首发 Claude 3.5 Haiku，全新升级版 Claude 3.5 Sonnet 也来了。不过，「超大杯」Opus 依然没有亮相。让人惊艳的是，进化后的 Claude 3.5 Sonnet 一举击溃 OpenAI o1，堪称最强推理模型。它在各个方面得到了全面显著的提升，尤其是业界领先的编码能力。而 Claude 3.5 Haiku 与上一代最强 Claude 3 Opus 性能相当，成本、速度与上一代 Haiku 相近。甚至，Claude 现在能够像人类一样操作计算机，不仅可以查看屏幕、移动光标，还可以单机按钮、键入文本！Anthropic 开发者关系主管表示，「计算机使用」是全新人机交互范式的第一步。同时也是，AI 模型应该具备的全新基础能力。许多做浏览器智能体的初创公司，一夜之间过时了。网友们纷纷感叹：Agent 和工作流都要变天了 ……会自己用电脑的 AI 来了？在公测中，Anthropic 引入一项突破性的新功能：计算机使用能力。从今天起，开发者可以通过 API，指导 Claude 像人类一样使用计算机了。Claude 3.5 Sonnet 是首个在公测中提供此功能的模型。当然，这项功能仍处于实验阶段，使用起来还有些笨拙，可能出错。而 Anthropic 选择提前发布此功能，也是为了获得开发者反馈，将之快速改进。为什么要训练 AI 操作电脑？Anthropic 表示，在过去几年里，强大的 AI 开发已经达到了许多里程碑，比如执行复杂逻辑推理，以及识别和理解图像的能力。而下一个突破点，就是 AI 操作电脑了！如果模型不必通过专门定制的工具进行交互，而是按指示就能使用所有软件，这一定代表着未来的方向。基本电脑操作在这个 demo 中，Anthropic 研究员给 Claude 提出了一个极有难度的挑战：我的朋友要来旧金山，我想明天早上和他一起在金门大桥看日出。我们将从太平洋高地出发。你能帮我们找到一个绝佳的观赏地点，查看一下开车时间和日出时间，然后安排一个日历活动，让我们有足够的时间到达那里吗？Claude 自行打开了 Google，开始了搜索。金门大桥和用户居住地有多远呢？Claude 会自己打开地图查找距离。了解所需信息之后，它打开了日历，为主人安排好了日程。Loaded: 63.95%Picture-in-PicturePauseCurrent Time 0:23/Duration 2:04FullscreenMute自动播放自动编码写网站开发者展示出 Claude 如何操控了自己的笔记本电脑，丝滑地完成了一个网站编程任务。首先，Claude 在小哥的 Chrome 浏览器中导航到了 Claude.ai，并且让 Claude 为自己创造了一个 90 年代主题的个人主页。只见它自己输入网址，键入提示，向另一个 Claude 发出请求。Claude.ai 返回了一些代码，渲染出来的画面看起来很不错，但小哥希望在自己的电脑本地上对网站做一些修改。于是他让 Claude 下载文件，然后在 VS Code 中将其打开。Claude 成功完成了这些指令。然后小哥让 Claude 启动了一个服务器，然后就可以在浏览器中实际查看这个文件了。Claude 打开了 VS Code 终端，尝试启动一个服务器，然后却遇到了错误：机子上并没有安装 Python。结果，通过查看终端输出，Claude 自己发现了这个问题！它用 Python 3 再次尝试，成功运行起了服务器。不过，终端输出中有个错误，顶部还缺少了一个文件图标。开发者小哥请 Claude 来识别这个错误，在文件中修复它。令人惊喜的是，Claude 在 VS Code 中找到了引发错误的行，删除了整行，然后保存文件、重新运行网站。这次，网站完全正确！Loaded: 21.87%Picture-in-PicturePlayCurrent Time 0:00/Duration 3:03FullscreenMute自动播放自动寻找数据填表假设我们需要填写一份来自「蚂蚁设备公司」的供应商请求表，但需要填写的数据散步在电脑的各个角落，Claude 能帮我们完成吗？只见它开始截取小哥的屏幕截图，并且很快发现：蚂蚁设备公司并不在表格中。这时，它立刻切换到 CRM 系统中，去搜索这个公司。找到后，它开始滚动页面，查找填表所需的所有信息，然后提交了表格。这也就意味着，我们工作中许多不得不做的繁琐事项，都可以交由 Claude 代劳了！现在，这个功能已经在 API 中可用了。Loaded: 34.30%Picture-in-PicturePlayCurrent Time 0:00/Duration 2:02FullscreenMute自动播放现在，Asana、Canva、Cognition、DoorDash、Replit 和 The Browser Company 等多家知名公司，已经在探索 Claude 的新潜能，让它们执行数十步甚至数百步的复杂任务了。比如，Replit 正在利用 Claude 3.5 Sonnet 的计算机使用和用户界面导航能力，为 Replit Agent 开发功能，在构建应用程序过程中对其实时评估。远低于人类，但未来可期新升级后的 Claude 3.5 Sonnet，电脑使用能力究竟如何？在 OSWorld 测试中，它在仅基于屏幕截图的任务类别中得分为 14.9%，明显超越了排名第二的 AI 系统（7.8%）。当允许更多操作步骤来完成任务时，Claude 得分提高到了 22.0%。这表明模型与环境的多次交互，能够优化任务性能。虽然这一结果比之前有了大幅提升，但仍然远低于人类 72.36% 的表现。这也暗示了，Claude 3.5 Sonnet 未来还有很大的改进空间。毕竟，人类毫不费力完成的一些操作（滚动、拖动、缩放），目前对于 Claude 来说极具挑战。升级版 Claude 3.5 Sonnet，编码王者干翻 o1在各项行业基准测试中，升级版 Claude 3.5 Sonnet 性能得到了全方位提升。特别是，智能体编码、工具使用任务中取得显著突破。论文地址：https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf在编码能力方面，它在 SWE-bench Verified 测试中，性能从 33.4% 大幅提升至 49.0%。这超越了所有公开可用的模型——包括 OpenAI o1-preview 等推理模型和专为智能体编码设计的专门系统。此外，在 TAU-bench（一项评估智能体工具使用能力的基准测试）中，Claude 3.5 Sonnet 也表现出色：在零售领域的得分从 62.6% 提高到 69.2%，在更具挑战性的航空领域则从 36.0% 跃升至 46.0%。从下表中，可以看出推理测试基准 GPQA（Diamond）上，新版 Claude 3.5 Sonnet 大幅超越 GPT-4o。在视觉 QA、数学推理、文档视觉问答、图表问答、科学表格基准测试中，Claude 3.5 Sonnet 性能成为业界新标杆。值得一提的是，新版 Claude 3.5 Sonnet 性能突破同时，仍保持了与前代模型相同的价格和运行速度。一些早期测试用户的反馈，进一步印证了升级后 Claude 3.5 Sonnet，在 AI 驱动编码领域实现「质」的飞跃。GitLab：在 DevSecOps 任务测试中，发现 Claude 3.5 Sonnet 在不增加延迟的前提下，推理能力显著提升（各用例最高提升 10%），使其成为驱动复杂软件开发流程的理想选择Cognition：将新版 Claude 3.5 Sonnet 应用于自主 AI 评估，在编码、规划和问题解决等方面，相较前代模型均取得了实质性进步The Browser Company：在使用该模型自动化网络工作流程时发现，Claude 3.5 Sonnet 的表现超越了他们此前测试过的所有模型此外，在安全部署前，Claude 3.5 Sonnet 已经在美国 AI 安全研究所（US AISI）和英国安全研究所（UK AISI）进行了联合测试。而且，经过自身评估，Anthorpic 在「Responsible Scaling Policy」中制定的 ASL-2 标准仍然适用于新模型。如前所述，升级版的 Claude 3.5 Sonnet 现在已经可以在网页、终端 APP 上使用了。API 的定价起始为每百万输入 Token 3 美元，每百万输出 Token 15 美元。通过使用智能缓存技术可节省高达 90% 的成本，而使用批处理 API 则可节省 50% 成本。应用场景Claude 3.5 Sonnet 能够理解细微的指令和上下文，识别并纠正自身错误，还能从复杂数据中生成深入的分析和洞察。结合最先进的编码、视觉识别和写作能力，Claude 3.5 Sonnet 可以被应用于各种场景。- 模拟人类操作电脑通过 API 集成 Claude，开发者可以指导 Claude 像人类一样使用电脑——通过观察屏幕、移动鼠标、点击按钮和键入文字。Claude 3.5 Sonnet 是首个能够以这种方式可靠使用电脑的前沿 AI 模型，虽然目前在公开测试阶段仍具实验性质，但其能力会随时间持续提升。- 代码自动生成Claude 3.5 Sonnet 可以协助整个软件开发生命周期——从初始设计到错误修复，从系统维护到性能优化。可以直接将它被集成到产品中，或通过 Claude.ai 平台将其用作智能编码助手。- 智能对话系统凭借增强的推理能力和亲和、自然的语气，Claude 3.5 Sonnet 非常适合开发需要跨系统连接数据并执行操作的智能对话系统。- 智能知识问答Claude 3.5 Sonnet 具有大规模上下文处理能力和极低的幻觉率，使其成为处理大型知识库、文档和代码库问答任务的理想选择。- 视觉信息提取Claude 3.5 Sonnet 能够轻松从图表、图形和复杂示意图等视觉材料中提取信息——这使其成为数据分析和数据科学任务的理想人工智能模型。- 流程自动化Claude 3.5 Sonnet 能够实现重复性任务或流程的自动化。它具备业界领先的指令执行能力，能够处理复杂的流程和操作。全新 Claude 3.5 Haiku，智能超越上代老大哥从上一代对标来看，Claude 3.5 Haiku 称得上是「最小杯」。这是 Anthropic 速度最快的模型。它不仅保持乐了与 Claude 3 Haiku 相同的运行成本和相近的处理速度，还在各项技能全面提升。甚至，在多项智能基准测试中，Claude 3.5 Haiku超越了上一代最强大的模型 Claude 3 Opus。同样，Claude 3.5 Haiku 在编码任务上的表现尤为卓越。比如，在 SWE-bench Verified 测试中，它取得了 40.6% 的高分，超越了许多使用公开可用的最先进模型的 AI 智能体——包括原始版本的Claude 3.5 Sonnet 和 GPT-4o。Claude 3.5 Haiku 具备了三点突出优势：1. 低延迟响应2. 更精准的指令执行能力3. 更准确的工具使用这些特性使得模型特别适用于，面向用户的产品开发、专门的子智能体任务处理、基于海量数据（如购买记录、价格信息或库存数据）生成个性化体验。本月末，Claude 3.5 Haiku 将在多个平台上推出，包括 Anthropic API、Amazon Bedrock 和谷歌云的 Vertex AI。（最初会以纯文本模型形式推出，随后会加入图像输入功能）Claude 3.5 Haiku 的定价起始为每百万输入 Token 0.25 美元，每百万输出 Token 1.25 美元。通过使用提示词缓存技术可节省高达 90% 的成本，而使用消息批处理 API 则可节省 50% 的成本。应用场景凭借快速的处理速度、改进的指令执行能力和更准确的工具使用，Claude 3.5 Haiku 非常适合面向用户的产品、专门的辅助任务，以及从海量数据中生成个性化体验。- 代码自动补全Claude 3.5 Haiku 能够提供快速、准确的代码建议和补全，有效加速开发工作流程。特别适合那些希望简化编码过程并提高生产力的软件开发团队。- 智能聊天机器人借助增强的对话能力和快速的响应时间，Claude 3.5 Haiku 在驱动能处理大量用户互动的响应式聊天机器人方面表现出色。对于需要可扩展互动能力的客户服务、电子商务和教育平台来说，它尤其有价值。- 数据提取和自动标注Claude 3.5 Haiku 能高效处理和分类信息，在快速数据提取和自动标注任务中表现优异。这一能力对于需要处理金融、医疗保健和研究领域大量非结构化数据的组织特别有用。- 自动实时内容审核Claude 3.5 Haiku 通过其改进的推理和内容理解能力，提供可靠、即时的内容审核服务。这对于那些需要大规模维护安全、适当内容的社交平台、在线社区和媒体组织来说极具价值。如何教会 Claude 操作电脑Anthropic 表示，人类轻松执行的操作——滚动、拖拽、缩放，目前对 Claude 来说仍然很有挑战性。而对于垃圾邮件、虚假信息、欺诈这类风险，公司正在寻找安全部署的策略，比如开发了识别系统，检测是否发生危害。研究过程Anthropic 在工具使用和多模态的工作，为 AI 识别和解释图像奠定了基础。在此基础上，Claude 还需要推理如何以及何时根据屏幕内容执行操作。为此，研究者训练 Claude 准确计算像素，从而完成命令，因为它必须计算出需要垂直或水平移动鼠标指针多少像素，才能点击正确的位置。在此期间，Claude 迅速将学习成功从计算器和文本编辑器这类简单软件的训练中，迁移到了其他应用（注意，期间它不允许联网）。这种训练让它能将用户指令转化为一系列逻辑步骤，执行操作。遇到障碍时，甚至还能自我纠正、重试任务。小插曲Anthropic 开发者关系主管 Alex Albert 还分享了，团队在开发计算机使用功能时的一个有趣故事。当时，他们举行了一场工程师的 bug bash（漏洞排查活动），以确保发现 API 所有潜在的问题。这意味着，要把一群工程师关在一个房间里几个小时。当时，恰好大家都饿了。其中一位工程师灵机一闪，「不如让 Claude 来个实战演习，自主打开 DoorDash 帮我们订餐」。没想到，大约一分钟后，Claude 为工程师们定来了披萨。展望未来AI 操作电脑能力代表了一种全新的人工智能开发方法。迄今为止，LLM 开发者一直在努力使工具适应模型，创造特殊的环境，让 AI 使用专门设计的工具来完成各种任务。现在，Anthropic「反其道而行之」——他们选择让模型去适应工具。也就是，Claude 能像人类一样，融入我们日常使用的计算机环境，直接使用现有的软件。虽然 Claude 已经达到了当前的最高水平，但它的操作仍然相对缓慢且容易出错。我们日常使用电脑时的许多操作，如拖拽、缩放等，Claude 都还无法做到。此外，Claude 目前观察屏幕的方式类似于快速翻阅一本「画册」——通过连续截图并拼接在一起，而不是观察连续的视频流。这意味着它可能会错过一些短暂的动作或通知。有趣的是，Anthropic 在录制 Demo 时，还遇到了一些有趣的小插曲。比如，在一次演示中，Claude 不小心点击停止了一个长时间运行的屏幕录制，导致所有录像都付诸东流。而在另一次编码演示中，Claude 则突然「走神」，开始饶有兴趣地浏览起黄石国家公园的照片。总之，Claude 如今的表现让人对未来充满期待：AI 操作电脑的能力将神速进步，那一天，软件开发小白都能轻松使用它。

koa12jJid0DL9adK+CJ1DK2K393LKASDad

编辑:安怡孙

TOP1热点：新人结婚 女方回礼嫁妆多到用货车拉

拿不出钱的王女士向纳雍县公安局求救。接到报警后，民警添加了阿贵的QQ，以便获取他的具体位置。看到民警QQ空间身穿制服的照片，阿贵立即删除了对方，“如果被公司看到我要被打死。”。

拿不出钱的王女士向纳雍县公安局求救。接到报警后，民警添加了阿贵的QQ，以便获取他的具体位置。看到民警QQ空间身穿制服的照片，阿贵立即删除了对方，“如果被公司看到我要被打死。”

TOP2热点：干饭哥盛李豪选拔赛第一

涉事中学

“护身军刀2023”演习从7月21日持续至8月4日，除了美澳之外，还拉了德国、日本、韩国等13个国家参加。此外，菲律宾、新加坡和泰国作为观察员参加演习。这15个国家共派出20多艘舰艇、60多架飞机、3万多兵力参演，演习区域涉及澳大利亚的多个地点，包括模拟陆地和空中战斗以及两栖登陆作战。韩联社称，今年的演习将开展登陆、防空、反潜、反舰、海上机动等课目。德国也首次派出210名伞兵和海军陆战队员参演，“以加强欧洲国家在该地区的存在”。

TOP3热点：拜登最后一次以总统身份离开空军一号古言高能LH

据韩媒报道，崔恩顺被控于2013年4月1日至10月11日期间，在京畿道城南市岛村洞购买土地的过程中，伪造余额证明，谎称分次存入总计349亿韩元（约合1.95亿元人民币）。同年8月7日，她还涉嫌与他人合谋，就这块地皮提起诉讼，要求退回首付款，并向法院提交了约100亿韩元（约合5600万元人民币）的伪造存款余额证明。

截至发稿时，股东大会仍在进行中。

TOP4热点：花滑运动员朱易遭网暴 1人被拘丽莎-安

据警方调查，阿斌前往泰国是正常出境，至于如何到达缅甸的，目前尚无法核实。在警方建议下，晓霞于5月16日向中国驻缅甸大使馆递交了《领事协助信息表》。她和哥哥也不敢贸然向缅甸当地警方报警，“一旦在当地报警被园区的人知道，就不只是殴打那么简单了。”

中国新闻周刊了解到，上世纪60年代，李崇新的弟弟汤姆依然在按月向老家汇款。虽然每个月只有3-5英镑（牙买加直至上世纪60年代初仍是英国殖民地），但按那个年代的物价水平，对于老家人的温饱生计无疑是一笔较大的补贴。苏珊娜正是通过汇票的信息得到了线索，并策划了2018年的返乡寻亲之旅。

TOP5热点：刘晓庆 哪有这样内讧的你好骚哦我好喜欢什么歌的歌词

据上游新闻此前报道，事故发生时，馆内共有19人，其中4人自行脱险，15人被困，其中4人无生命危险。

他们的受教育程度也不一样。

TOP6热点：特朗普即将就职 外交部回应NP高辣

据最新消息，波兰方面24日称，将在俄白之间部署新的作战部队。波兰防长布瓦什恰克表示，一个新的工兵营将很快在8月成立，并部署在奥古斯托夫市。该市位于白俄罗斯和俄罗斯加里宁格勒州之间的苏瓦乌基走廊。他还补充道：“这是我们从零开始建造的另一个军事单位，我向你们保证，这不是最后一个。”布瓦什恰克承诺，将很快宣布新的国防投资，并呼吁波兰年轻人踊跃参军。

而俄军对这个地方的空袭已经持续了快一周。法新社称，自本周一俄罗斯宣布退出黑海粮食协议后，俄军明显加大了对这个港口城市的攻击力度。敖德萨在过去一周里，几乎每天都遭俄军炮袭。

TOP7热点：比特币再创新高 超41万人爆仓又黑又密又大又圆像什么

在出发之前，警方还通过小杰提供的信息联系上了阿兵的房东杨姐。

莫斯科还指责西方和基辅要为一名俄罗斯战地记者的死亡负责。莫斯科说，这名记者是被集束炸弹炸死的，并承诺将对肇事者作出“回应”。

TOP8热点：台湾台南市6.2级地震已致15人受伤一本大道色卡1卡2卡3

现场照片

现场照片

TOP9热点：四天内中美高层互动频频 专家解读边说嗯一边喘气的声音怎么形容

法国总统马克龙资料图图源：视觉中国

事实上，实力较强的大国都不是ICC的成员国，这使其权威性大打折扣。国际刑事法院（ICC）成立于2002年，位于荷兰海牙，其主要功能是对犯有灭绝种族罪、危害人类罪、战争罪、侵略罪的个人进行起诉和审判。截至2023年2月，有123个国家加入了《国际刑事法院罗马规约》，成为国际刑事法院的成员国。另外有31个国家签署了该规约，但是并未得到各自国家立法机构的批准。美国、俄罗斯、中国、印度、印度尼西亚都不是国际刑事法院的成员国。

TOP10热点：离岸人民币日内涨超800点搜同2023地址IPV6

半个世纪间，中美关系有起伏波折，现在，更不乏一些美国政客，当面说一套，背后做一套，访华回国之后，立马换了一副嘴脸，继续对华打压。

据韩媒报道，崔恩顺被控于2013年4月1日至10月11日期间，在京畿道城南市岛村洞购买土地的过程中，伪造余额证明，谎称分次存入总计349亿韩元（约合1.95亿元人民币）。同年8月7日，她还涉嫌与他人合谋，就这块地皮提起诉讼，要求退回首付款，并向法院提交了约100亿韩元（约合5600万元人民币）的伪造存款余额证明。