Anthropic 发布升级版 Claude 3.5 Sonnet、Claude 3.5 Haiku 及 computer use 公测

更新（2024年12月3日）：我们已修订 Claude 3.5 Haiku 的定价。该模型现在的价格为输入 $0.80 MTok / 输出 $4 MTok。

今天，我们宣布推出升级版 Claude 3.5 Sonnet，以及一款新模型 Claude 3.5 Haiku。升级版 Claude 3.5 Sonnet 相较其前代实现了全面改进，在编码方面提升尤为显著——而这正是它此前已领先的领域。Claude 3.5 Haiku 在许多评估中达到了我们此前最大模型 Claude 3 Opus 的性能，速度则与上一代 Haiku 相近。

我们还推出了一项突破性的新能力公开测试版：计算机使用。该能力今日在 API 上可用，开发者可以指示 Claude 像人一样使用计算机——查看屏幕、移动光标、点击按钮和输入文本。Claude 3.5 Sonnet 是首个提供计算机使用公开测试版的前沿 AI 模型。现阶段，它仍处于实验性阶段——有时笨拙且容易出错。我们提前发布计算机使用功能，以获取开发者的反馈，并预计该能力将随时间迅速改进。

Asana、Canva、Cognition、DoorDash、Replit 和 The Browser Company 已经开始探索这些可能性，执行需要数十步、有时甚至数百步才能完成的任务。例如，Replit 正在利用 Claude 3.5 Sonnet 的计算机使用和 UI 导航能力，为其 Replit Agent 产品开发一项关键功能，用于在应用构建过程中对其进行评估。

升级版 Claude 3.5 Sonnet 现已面向所有用户开放。从今天起，开发者可以在 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 上使用计算机使用测试版进行构建。新的 Claude 3.5 Haiku 将于本月晚些时候发布。

Claude 3.5 Sonnet：业界领先的软件工程能力

更新后的 Claude 3.5 Sonnet 在行业基准测试中展现出广泛改进，在智能体编码和工具使用任务上提升尤为强劲。在编码方面，它将 SWE-bench Verified 上的性能从 33.4% 提升至 49.0%，得分高于所有公开可用的模型——包括 OpenAI o1-preview 等推理模型以及专为智能体编码设计的专用系统。它还在 TAU-bench 这一智能体工具使用任务上提升了性能，零售领域从 62.6% 提升至 69.2%，在更具挑战性的航空领域从 36.0% 提升至 46.0%。新的 Claude 3.5 Sonnet 以与其前代相同的价格和速度提供这些进步。

早期客户反馈表明，升级版 Claude 3.5 Sonnet 代表了 AI 驱动编码的一次重大飞跃。GitLab 在 DevSecOps 任务中测试了该模型，发现它提供了更强的推理能力（各用例中最高提升 10%），且没有增加延迟，使其成为驱动多步骤软件开发流程的理想选择。Cognition 使用新的 Claude 3.5 Sonnet 进行自主 AI 评估，与上一版本相比，在编码、规划和问题解决方面都取得了显著改进。The Browser Company 在使用该模型自动化基于 Web 的工作流程时指出，Claude 3.5 Sonnet 的表现优于他们此前测试过的所有模型。

作为我们与外部专家持续合作的一部分，美国人工智能安全研究所（US AISI）和英国安全研究所（UK AISI）对新 Claude 3.5 Sonnet 模型进行了联合部署前测试。

我们还评估了升级版 Claude 3.5 Sonnet 的灾难性风险，发现根据我们的负责任扩展政策，ASL-2 标准对该模型仍然适用。

Claude 3.5 Haiku：最先进的技术与实惠和速度相结合

Claude 3.5 Haiku 是我们最快模型的下一代。在与 Claude 3 Haiku 相似的速度下，Claude 3.5 Haiku 在各项技能上都有所提升，并在许多智能基准测试中超越了上一代最大的模型 Claude 3 Opus。Claude 3.5 Haiku 在编码任务上尤其强大。例如，它在 SWE-bench Verified 上得分 40.6%，超过了使用公开可用最先进模型的许多智能体——包括最初的 Claude 3.5 Sonnet 和 GPT-4o。

凭借低延迟、改进的指令遵循和更准确的工具使用，Claude 3.5 Haiku 非常适合面向用户的产品、专门的子智能体任务，以及从海量数据（如购买历史、定价或库存记录）中生成个性化体验。

Claude 3.5 Haiku 将于本月晚些时候在我们的第一方 API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 上提供——最初为纯文本模型，随后将支持图像输入。

负责任地教 Claude 操作计算机

通过计算机使用，我们正在尝试一些根本性的新事物。我们不是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。开发者可以利用这一新兴能力来自动化重复流程、构建和测试软件，以及进行开放式任务，如研究。

为了实现这些通用技能，我们构建了一个 API，允许 Claude 感知计算机界面并与之交互。开发者可以集成此 API，使 Claude 能够将指令（例如，“使用我电脑和在线数据填写此表单”）转换为计算机命令（例如，检查电子表格；移动光标打开网络浏览器；导航到相关网页；用这些页面的数据填写表单；等等）。在OSWorld（评估 AI 模型像人类一样使用计算机的能力）上，Claude 3.5 Sonnet 在仅截图类别中得分 14.9%——明显优于次优 AI 系统的 7.8%。当获得更多步骤来完成任务时，Claude 得分 22.0%。

虽然我们预计这一能力在未来几个月会迅速提升，但 Claude 目前使用计算机的能力仍不完善。一些人们毫不费力就能完成的动作——滚动、拖拽、缩放——目前对 Claude 来说仍存在挑战，我们鼓励开发者从低风险任务开始探索。由于计算机使用可能为垃圾信息、虚假信息或欺诈等更常见的威胁提供新的载体，我们正采取主动措施来促进其安全部署。我们开发了新的分类器，可以识别计算机使用是否正在被使用，以及是否正在造成危害。你可以在我们关于开发计算机使用的文章中，进一步了解这项新技能背后的研究过程，以及对安全措施的更多讨论。

展望未来

从这项仍处于最早阶段技术的初步部署中学习，将帮助我们更好地理解能力日益强大的 AI 系统所蕴含的潜力与影响。

我们很高兴你能探索我们的新模型以及计算机使用的公开测试版——也欢迎你与我们分享反馈。我们相信这些进展将为你与 Claude 协作的方式开辟新的可能性，我们期待看到你会创造出什么。

相关内容

Anthropic 投资 1 亿美元培训 10,000 名工程师，以弥合企业 AI 人才缺口

Anthropic 将向 Claude Frontier Academy 投资 1 亿美元，到 2027 年底培训 10,000 名 Frontier Deployed Engineers，来自 Accenture、Bain、CBA、Deloitte、McKinsey、Morgan Stanley 和 Novo Nordisk 的首批学员已经开课。

阅读更多

Barclays 扩展 Claude 应用，以升级运营并改善客户体验

英国全能银行 Barclays 正在扩大与 Anthropic 的战略合作，以在其全球业务中整合安全的企业级 AI 系统。

阅读更多

Claude 发现了一种具有类 CRISPR 重复序列的新型酶系统

我们宣布在 Anthropic 成立一个新的生命科学研究小组和实验室。本文介绍了这项工作背后的团队，并分享了早期成果：在我们的科学家仅提供高层级指导的情况下，Claude 发现了一种特性令人联想到 CRISPR 的新型酶系统。

阅读更多