一手实测Claude3 - GPT4啊，你的时代终于要过去了

大半夜的，一石惊起千层浪。

Claude3，正式上线。

这个由OpenAI分裂出去的兄弟公司Anthropic，在悄然无息之间，就这么默默地把Claude3发了。

没有所谓的发布会，没有什么华丽的舆论，就仅仅在X上发了个帖子。

我发现现在的这些AI公司真挺有意思，都把X当成发布主阵地了。。。

字很少，但是事挺大。

一口气发了3个模型，Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku。

这个名字就取的...很有故事。

Opus大概意思就是史诗级乐章，牛逼上天那种。

Sonnet是十四行诗。

Haiku是俳句，日本的那种三行短诗。

所以可以简单的理解成：Opus（超大杯）、Sonnet（大杯）、Haiku（中杯）

这三个的区别没什么特别可说的，文章最后放三张截图就能看明白。

主要还是他们附加的这么一张图。

Claude3的Opus模型，全面超越GPT4。

而且还是在几个任务0-shot的情况下。

我用图里面的举下例子，比如MGSM，多语言数学推理这个测试集。

Claude3 Opus达到90.7%的准确率，用的是0-shot，GPT4是8-shot，达到了74.5%。

0-shot意味着大模型没有在Prompt里给任何示例，就直接被要求完成任务。而8-shot则是在干活前，给了8个示例。

你这就能看出来区别了。。。一个没给示例直接上，一个给了8个示例，给了8个示例的GPT-4反而还打不过Claude3。

在复杂的推理任务上，Claude3可以说是全面吊打GPT-4。

而在另几个比如MMLU、GSM8K这种语言类知识类的测试集上，跟GPT4基本上差不太多，所以整体核心上，还是推理能力的巨幅提升。

反正，这个Claude3 Opus还是很吸引我的。。。

但是吧，Claude这个狗东西，果然跟OpenAI学的一套一套的，免费的只能用Sonnet，Opus只有氪了20刀的会员才能用。。。。

呸。。。狗男人。。。

在我TM的炸了8个号之后。。。。。。。。。。。。

所以那咱咋办呢，那只能送他20刀。。。

在疯狂的跑了几个小时之后。。。也测了很多在2023年8月后的case之后。

我给Claude总结3个特点，分别是：

独一档的推理能力、跟GPT4V打平的多模态、200K长文本优化。

 

一. 独一档的推理能力

其实从上文就能看到，Claude3进化最大的，就是推理，就是逻辑。

不过单看参数，肯定感受不到，那就放几个我觉得很有代表性的例子吧。

解释补集法的概念，并用补集法计算这道概率题："一家公司有两个部门，A部门3个男生，2个女生，B部门4个男生，6个女生，现在要派3个人去出差，要求每个部门至少出一人，那么至少有一个女生被派出的概率是多少？"

一道致命题，在已经明确补集法的情况下，GPT4的错误率依然高达50%。但是Claude3 Opus，我测了10遍，准确率90%，就很爽。

张三是一名推销员，她在绿房子卖掉了三分之一的吸尘器，在红房子多卖了 2 台，在橙房子卖掉了剩下吸尘器的一半。如果张三还剩下 5 台吸尘器，她一开始有多少台吸尘器？

当然，还可以直接上物理题，直接传图就行。全对。

化学，也行。

在中文语境下的一些逻辑怪圈，也没问题。

整体看，Claude在逻辑和推理上的进化巨大，初中的理科题基本都能横着走，不过高中题基本都还是全线阵亡状态。

而一些弱智吧的问题或者语义逻辑，都难不倒Claude3了。

 

二. 跟GPT4V打平的多模态

GPT4V也出来很久很久了，多模态，绝对是让人永远离不开的功能之一。

这次Claude3，终于把他的视觉能力给补齐了，可以直接扔图进去了。

在玩了几个小时后，我整体的评价是，跟GPT4V大致打平手。

官方的数据，也大概是这样的倾向。

除了在科学示意图(Science diagrams)这个领域超的稍微多一些之外，其他基本没有差别。

放个科学示意图的Case，还是很强的。

一个网站的截图直接还原网页的源代码~

猜个地名，那自然更是小Case。

再根据作品猜个艺术家？OK。

当然，也可以整一些花活。比如这个照片。

Claude3 Opus给出了标准的答案，完美。

整体上，跟GPT4V大差不差，对中文的支持也不错。算是弥补了一直以来Claude的短板。

 

三. 200K长文本优化

之前我曾写过一篇文章，怒喷过Claude2.1....

花7000块实测Claude2.1 - 200K Token的超大杯效果究竟怎么样？

因为他的上下文准确性实在是太差太差太差了...

就直接红成半边天，红成这个鬼样子。

这一次，他们终于有了大幅度的改善。

终于达到了，99%。嗯，还是没有100%。

我直接甩了我的文章PDF数据集上去，测一下我直接写Kimi的时候，大海捞针里面那个很经典的case：

“你写妙鸭相机那篇文章时，用了一个人的照片作为案例，那个人是谁？”

在过了很久很久以后，终于给我回复了。。。

内容倒是对的，没有问题。

但是这个速度，实在是太慢了，起码等了1分钟左右。

但是有比没有好。

再放一个文档内跨度比较大的查询的case。

整体精准度和语义理解都很不错。

基于超长文本的对话、总结、查询的能力，也终于在Claude3中补齐了。只能说补齐，毕竟，这玩意Kimi都做了快半年了，Claude3现在也就刚刚达到Kimi在长文本这块的水平。。。

但是综合来看，Claude3 Opus，依旧是目前最为水桶的大模型。

或者可以说，就是当前的，No.1。

 

写在最后

当然这次更新，Claude3还有一些别的特点。

比如减少不必要的拒绝，比如准确性更高等等，但是我觉得就不展开说了。

最后再贴三张图给大家看一下Claude 3 Opus、Claude 3 Sonnet 和 Claude 3 Haiku的区别。

三张图一眼就能看明白，牛逼的更贵，便宜的更快。

总结一下。

Claude3这次更新后，有独一档的推理能力、跟GPT4V打平的多模态、还有200K长文本优化。

可以当之无愧的说，就是市面上目前最强的大模型。

不过按照OpenAI和奥特曼的尿性。

他们应该忍不了这口气。

所以评论区里，网友说出了我的心声：

奥特曼赶紧的，发个GPT5狙击Claude3啊，别怂。

打起来。

那样我们才能最快速度，迎接加速而来的。

未来。