Claude 3.7 Sonnet - Anthropic 推出的首款混合推理模型

Claude 3.7 Sonnet是什么

Claude 3.7 Sonnet 是 Anthropic 公司推出的全球首款混合推理模型，有「标准模式」和「扩展思考模式」两种跑法。标准模式下，Claude 3.7 Sonnet 响应很快，适合日常对话；扩展思考模式会逐步推理，用来解决复杂问题。数学、物理、编程这类任务它的表现都靠前，编码能力尤其突出。Claude 3.7 Sonnet 在安全性上也做了优化，不必要的拒绝少了很多。访问方面，Claude 3.7 Sonnet 支持 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI。

Claude 3.7 Sonnet的主要功能

• 混合推理模式：
  • 标准模式：快速生成响应，适合日常对话和简单任务。
  • 扩展思考模式：会做深度自我反思和逐步推理，数学、物理、逻辑推理、编程这类复杂任务交给它。
• 复杂任务处理能力：数学、物理、编程这些讲究强逻辑推理的领域，它的成绩都很好；SWE-bench Verified、TAU-bench 等基准测试里也表现不错。
• 代码协作能力：代码编辑、测试执行这些开发环节都接得住。它还和 GitHub 集成，修 Bug、做新功能、处理全栈更新都能帮上忙。
• 安全性提升：恶意请求和正常请求分得更准，不必要的拒绝比前代少了 45%。
• 多平台支持：免费版、专业版、团队版、企业版都能用，入口是 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI。
• 灵活的使用方式：通过 API 调用时，思考用多少 token 可以自己指定，输出上限是 128K token。

Claude 3.7 Sonnet的性能表现

•  推理能力任务表现：
  • 数学、物理、指令执行、编程这些任务里，开扩展思考的 Claude 3.7 Sonnet 比上一代提升了超过 10%。
  • SWE-bench：Claude 3.7 Sonnet 拿到 70.3%，刷新了 SOTA（State of the Art）记录。
• 编码能力：
  • SWE-bench Verified测试：Claude 3.7 Sonnet 的编码能力比前代强了不少，现实里的软件问题解决起来更快。
• 多模态和智能体能力：
  • OSWorld测试：Claude 3.7 Sonnet 能靠虚拟鼠标点击和键盘按键完成任务。
  • Pokémon 游戏测试：Claude 3.7 Sonnet 靠扩展思考和智能体训练拿到对应徽章，成绩比早期版本好得多。
• 测试时计算Scaling：
  • 串行测试时计算：出最终结果之前先跑多个连续的推理步骤，算力一路加下去。比如解数学题，思考 Token 越多，准确率按对数往上走。
  • 并行测试时计算：采样多条独立的思路，再用多数表决或评分模型挑出最好的那条，性能因此提升不少。GPQA 测试里，走并行计算的 Claude 3.7 Sonnet 总体得分 84.8%，物理部分到了 96.5%。

Claude 3.7 Sonnet的项目地址

• 项目官网：：https://www.anthropic.com/news/claude-3-7-sonnet

Claude 3.7 Sonnet的模型定价

• 输入 Token：每百万输入 Token 收费 3 美元。
• 输出 Token：每百万输出 Token 收费 15 美元。

Claude 3.7 Sonnet的应用场景

• 软件开发与编码：复杂代码库能处理，代码能写，全栈更新和修错也在行；从简单的代码生成到复杂的系统架构设计，它都接得住。
• 前端开发：前端流程能省不少步骤，HTML、CSS、JavaScript 代码直接生成，响应式设计和交互式界面都支持。
• 数学与科学问题解决：开扩展思考模式，复杂的数学、物理问题能解，逻辑推理和逐步解答都有。
• 企业级任务自动化：企业里可以用它自动跑复杂业务流程、生成报告、优化工作流，指令性任务也能执行。
• 多模态交互与协作：多模态的输入输出都支持，要同时处理文本、图像或其他数据的任务都适合，比如智能客服、教育辅助、创意设计。