今天小編分享的科學經驗：首個混合推理模型Claude 3.7發布！編程能力全面領先，還能精準控制思考時間，歡迎閱讀。
Claude 深夜重磅發布新模型——
Claude 3.7 Sonnet，首個混合推理模型問世，在編碼和前端 Web 開發方面顯著提升，實現了全面領先。
與 o3-mini 實際對比，相同的提示詞下，Claude 3.7 Sonnet 的表現。
o3-mini：
Claude 3.7 Sonnet：
（提示詞：編寫一個 p5.js 腳本，模拟 100 個彩球在球體内彈跳。每個球都應留下一條逐漸消失的軌迹，顯示其最近的運動軌迹。容器球體應緩慢旋轉。确保實現适當的碰撞檢測，使球保持在球體内。）
還有用它來做視頻遊戲。
作為混合推理模型，它有兩種思考模式：
近乎實時地反應 & 擴展地、循序漸進（step-by-step）地思考。
擴展思維模式下，它在數學、物理、指令遵循、編碼等多個任務中有額外的提升。
API 用戶甚至還可以精準控制模型的思考時間。目前已經在全平台上線，包括亞馬遜雲服務 Bedrock 平台、谷歌雲，而要想要擴展思考模式，除免費版外其他都可以用。
模型更新，價格不變——
與前代產品相同，每百萬輸入 token 3 美元，每百萬輸出 token 15 美元（其中包括思考代币）。
除此之外，他們還發布了他們首個編碼工具Claude Code：
它能夠一次性完成原本需要 45 分鍾以上手動才能完成的工作。
網友們紛紛表示，已經迫不及待地想用上了。
不過，為什麼是 3.7 版本呢？
Claude 3.7 Sonnet：首個混合推理模型
官方此次首先表示，他們開發 Claude 3.7 Sonnet 這個的理念與市場上其他推理模型不同。
類比于人類大腦有快速反應和深度思考兩種一樣，他們認為推理應該是前沿模型的綜合能力，而不是完全獨立的模型。
由此，Claude 3.7 Sonnet 在多個方面都有體現這個理念。
首先，Claude 3.7 Sonnet 既是普通的 LLM 模型，又是推理模型：
您可以選擇何時讓模型正常回答，何時讓模型在回答前思考更長時間。
在标準模式下，Claude 3.7 Sonnet 是 Claude 3.5 Sonnet 的更新版。在擴展思維模式下，它會在回答前進行自我反思，從而提高其在數學、物理、遵循指令、編碼和許多其他任務上的表現。
在兩種模式下，對模型的提示方式類似。
這是代碼生成任務下，兩種思維模式回答之間的區别。
其次，控制思考預算，用速度和成本來換取答案的質量。
API 用戶可以告訴 Claude 思考的數量不超過 N 個 token，N 的值可以是任何值，但輸出上限不能超過 128K 個 token。
模型能力的表現，也就取決于允許思考的 token 數量。例如以下在 AIME 2024 的成績圖。
第三，優化重點轉向更能反映用戶需求的現實世界任務，對數學和計算機競賽問題優化較少。
△解決實際的概率問題
編碼任務，網友們對它這種「vibe coding」（面對非開發人員的 AI 輔助編碼）印象深刻。
有網友實測發現，确實能解決其他模型無法解決的問題。> 你能用 p5js 編寫最復雜的布料模拟嗎？
結果 Grok 3 和 o1 pro 沒有可用的結果。而 Claude 3.7 Sonnet 的表現是：
在代理工具使用上面，實現了 SOTA。
Claude 3.7 Sonnet 在指令遵循、一般推理、多模态能力和代理編碼方面表現出色，擴展思維在數學和科學方面提供了顯著的提升。
除了傳統的基準測試之外，它甚至在寶可夢遊戲測試中超越了所有以前的模型——
團隊為 Claude 配備了基本内存、螢幕像素輸入以及按鍵和螢幕導航的功能調用，使其能夠超越通常的上下文限制，持續玩遊戲，并通過數以萬計的互動進行遊戲。
最終實驗表明，它是迄今所有 Sonnet 模型中表現最好的，它成功與三個寶可夢道館館主（遊戲的 Boss）戰鬥并赢得他們的徽章。相比之下，Claude 3.0 Sonnet 甚至無法離開故事開始的地方 Pallet Town 的房子。
x 軸表示 Claude 在玩遊戲時完成的互動次數；y 軸表示遊戲中的重要裡程碑，包括收集某些物品、導航到某些區網域以及擊敗某些 Boss。
此次，研究人員使用了并行測試時間計算來提高模型的性能。
他們的方法是對多個獨立思考過程進行采樣，并在事先不知道真實答案的情況下選出最佳答案。其中一種方法是使用多數投票；選擇最常見的答案作為 " 最佳 " 答案。另一種方法是使用另一個語言模型（比如 Claude 的第二個副本），要求它檢查自己的工作或學習的評分函數，然後選出它認為最好的答案。
結果在 GPQA 評估中，這一方法讓模型取得了驚人的改進。
GPQA 是一組常用的具有挑戰性的生物、化學和物理問題。 Claude 3.7 Sonnet 使用 256 個獨立樣本的等效計算、學習的評分模型和最大 64 token 的思維成本之下，取得了 84.8% 的 GPQA 分數（包括 96.5% 的物理子分數）。
此外，Claude 3.7 Sonnet 還對有害請求和良性請求進行了更細致的區分，與前代版本相比，不必要的拒絕次數減少了 45% 。
Claude 首個編碼工具面世
Claude Code，從官方透露的功能看，它可以搜索和讀取代碼、編輯檔案、編寫和運行測試、提交和推送代碼到 GitHub 以及使用命令行工具。
目前還只是早期的預覽版，可直接在終端運行。
早期測試中，Claude Code 可以一次性完成了通常需要 45 分鍾以上手動操作才能完成的任務，從而減少了開發時間和開銷。
在接下來的幾周内，他們計劃結合他們使用情況不斷改進它——
比如增強工具調用的可靠性，增加對長時間運行的命令的支持，改進應用内渲染，并擴展 Claude 對其功能的理解。
除此之外，他們還改進了 Claude.ai 上的編碼體驗。GitHub 集成現已在所有 Claude 使用平台中提供，開發人員可以将其代碼存儲庫直接連接到 Claude。
參考鏈接：
[ 1 ] https://www.anthropic.com/news/claude-3-7-sonnet
[ 2 ] https://www.anthropic.com/research/visible-extended-thinking
[ 3 ] https://docs.anthropic.com/en/docs/build-with-claude/extended-thinking
[ 4 ] https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/overview
[ 5 ] https://x.com/deedydas/status/1894110678027571412
[ 6 ] https://x.com/_akhaliq/status/1894106278185898489
