头版新闻-"jul-670毕业典礼之后"-Openjul-670毕业典礼之后AI最强竞对Claude再次出牌

Openjul-670毕业典礼之后AI最强竞对Claude再次出牌

8月4日，黑龙江省牡丹江市铁岭河牡丹江公路大桥段被淹的房屋和大棚（无人机照片）。新华社记者张涛摄

出品｜虎嗅科技组作者｜余杨编辑｜苗正卿头图｜视觉中国10月22日，由Anthropic开发的Claude 3.5迎来重磅升级，发布了Claude 3.5 Haiku 和 Claude 3.5 Sonnet 。Claude模型也被称为“十四行诗”（Sonnet），Anthropic公司在为其模型命名时，借鉴了文学艺术作品中的术语，其中包括“俳句”（Haiku）、“十四行诗”（Sonnet）和“杰作”（Opus），这些名称不仅代表了模型的不同版本，也反映了它们在功能和性能上的特点。Claude 3.5 Sonnet 有着更强的编程能力，全新功能的computer use（计算机使用），支持像人类一样操作计算机，可以遵循用户的命令在计算机屏幕上移动光标，点击相关位置，并通过虚拟键盘输入信息，模拟人们与自己计算机的交互方式。目前，Claude 3.5 Sonnet 已投入使用。Claude系列大语言模型，一直被广泛认为是OpenAI的ChatGPT和谷歌的Gemini的主要竞争对手。Anthropic在X中发布了模型基准测试结果，与GPT和Gemini在多个领域进行横向对比。这些领域包括研究生水平的推理能力（GPQA Diamond）、本科生水平的知识掌握（MMLUPro）、代码编写能力（Code HumanEval）、数学问题解决能力（MATH）、视觉问答能力（MMMU）以及代理编码（SWE-bench Verified）和代理工具使用（TAU-bench）。在研究生水平推理测试（GPQA Diamond）中，Claude 3.5 Sonnet以65.0%的准确率拔得头筹，Claude 3.5 Haiku则以41.6%的准确率则稍显逊色。而Gemini 1.5 Pro 的准确率为59.1%，居于第二。在本科生水平知识测试（MMLUPro）中，Claude 3.5 Sonnet再次以78.0%的准确率领先，而Gemini 1.5 Pro 则以75.8%的准确率紧随其后。在此次主打的代码编写能力测试（Code HumanEval）中，Claude 3.5 Sonnet以93.7%的准确率取得了最佳成绩，GPT-4o系列模型在这一测试中也展现了不错的性能，准确率为90.2%和87.2%。虽然在数学问题解决测试（MATH）中，Claude 3.5系列稍显逊色，Gemini 1.5 Pro 仍然碾压全场，但对于视觉问答测试（MMMU）和代理编码测试（SWE-bench Verified），Claude 3.5 Sonnet和Claude 3.5 Haiku仍有着不俗的表现。而TO B的代理工具使用测试（TAU-bench），则直接关系到大模型的应用能力，此次主要测试了零售和航空领域。Claude 3.5 Sonnet在零售和航空领域的准确率分别为69.2%和46.0%，而Claude 3.5 Haiku在零售和航空领域的准确率分别为51.0%和22.8%。需要注意的是，OpenAI的o1模型家族由于其依赖于广泛的预响应计算时间，与典型模型存在根本差异，这使得性能比较变得困难，因此在本次评估中被排除在外。这可能不够具像化。Anthropic提供了一个演示，在2分钟的视频中，研究员给Claude提出了一个指令：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的回应首先是，“让我搜索谷歌寻找最佳日出观赏地点”，并自行打开了Google开始搜索。Claude以用户的居住地为出发点，在地图中check了驾驶时间，随后，Claude不仅打开了一个新的网页确认明天的日出时间，还在日历中设置了行程提醒，并附上了Notes，URL和附件。开发者展示出Claude如何操控了自己的笔记本电脑，丝滑地完成了一个任务。Anthropic表示，“我们并没有制作特定工具来帮助 Claude 完成单个任务，而是教它通用的计算机技能——允许它使用为人类设计的各种标准工具和软件程序。我们构建了一个 API，使 Claude 能够感知计算机界面并与之交互。该 API 使 Claude 能够将提示翻译成计算机命令。开发人员可以使用它来自动执行重复性任务、进行测试和 QA 以及进行开放式研究”。在其他的demo中，开发者还让Claude填写了一份来自蚂蚁设备公司的供应商请求表，需要填写的数据散布在电脑的各个角落，Claude跨应用进行了搜索，切换到CRM系统中，滚动页面，查找填表所需的所有信息，然后提交了表格。AI操作电脑的能力代表了一种全新的人工智能开发方法，国内开发者也显示出在该领域深入的努力。10月23日，在荣耀MagicOS 9.0发布会上，新升级的YOYO智能体也展现出 AI 手机端操作能力的类似特质，不仅帮演示者提交了咖啡订单，还填写了博物馆场馆预约信息。一部分关注者对此满怀期待，认为这意味着工作中许多不得不做的繁琐事项，都可以交由AI 代劳了。不过，虽然Claude已经取得了一些成绩，但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。并且，它的操作仍然相对缓慢，且像人类一样会出错。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。但瑕不掩瑜，这并不妨碍我们像莎士比亚一样，将Claude的新技术比作“夏日”。本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com

koa12jJid0DL9adK+CJ1DK2K393LKASDad

编辑:张国柱

TOP1热点：把老祖宗的顶级审美搬回家

编辑丨朱宛玲单立娟李严。

黄医生认为，主要原因是低龄群体认知仍不成熟，缺乏是非判断能力，容易受不良信息影响。同时，年轻人渴望得到更多关注，希望通过改善外表引起他人注意。

TOP2热点：韩国公调处称尹锡悦被捕

我国承诺二氧化碳排放力争于2030年前达到峰值、努力争取2060年前实现碳中和，明确2030年风电和太阳能发电总装机容量达12亿千瓦以上。站在新的历史起点，新能源发展面临着新形势新任务。

（作者乔颖，为上海市精神卫生中心副主任医师）

TOP3热点：合肥地震国精产品网曝黑料在线观看

王成山，男，汉族，1962年11月生，中共党员，天津大学教授、中国工程院院士。他把当好老师、培养好学生作为至高追求，潜心立德树人，执着科研攻关。他做好教学工作，牵头重要课程研发，编纂优质教材，从教以来共培养近200名硕士生、博士生。针对城市电网发展面临的重大技术问题，研发工程化城网结构优化设计系统，广泛应用于城市电网大规模建设改造工程。他积极推动储能技术领域的人才培养和科技创新，组织建设国家储能技术产教融合创新平台，培育勇于创新的技术带头人和具有市场思维的复合型人才，带领的智能电网教师团队入选“全国高校黄大年式教师团队”。曾获全国五一劳动奖章、国家科技进步二等奖、国家级教学成果二等奖、全国创新争先奖等荣誉。

“大刀阔斧做减法，慎之又慎做加法。”保护大美秦岭，守护绿水青山，是这里人们的共识。因而无论艺术作品，还是空间改造，关中艺术合作社和鄠邑区政府都非常慎重，注重的是持续性的文化环境塑造。

TOP4热点：韩警方及公调处千余人抓捕尹锡悦一面亲膜上边奶一个膜边

新华社广州8月6日电题：威武两攻南海美玉——记“最美新时代革命军人”张美玉

新华社成都8月6日电（记者李春宇、姚友明、马思嘉）“看着泳道上拼搏向前的身影，仿佛看到了年轻时候的自己。”在成都大运会上担任中国大学生游泳队教练组副组长的林轶说，“每天都非常忙碌，但更多的是享受。中国选手在大运会上摘金夺银，我可能比队员们还激动。”

TOP5热点：OpenAI 被曝训出 GPT5赵美娜和老周

我们党是按照马克思主义建党原则建立起来的，党的全面领导、党的全部工作要靠党的坚强组织体系去实现。组织严密是马克思主义政党的鲜明特征，也是我们党的光荣传统和独特优势。正如列宁所说：“无产阶级在争取政权的斗争中，除了组织，没有别的武器。”坚强有力的党组织，是我军的优势所在、力量所在。我军始终高度重视党组织建设，班排有党小组，连队有党支部，营级以上单位建立党委。这种组织体系，实现了党的组织架构与军队体制编制的有机结合，实现了党的领导与军事行政领导的内在一致，确保了党对军队的绝对领导。回望我军96年的辉煌历程，正是依靠强有力的组织体系，才确保了党从思想上政治上组织上牢牢掌握部队，确保了我军能够有效履行党和人民赋予的使命任务。