剑指OpenAI，Anthropic推出全球首个“混合推理模型”，最新估值615亿美元
腾讯科技约 7 分钟2月25日消息，美国当地时间周一， 由OpenAI前员工创办的人工智能公司Anthropic突发连招。在技术方面，Anthropic宣布推出全球首个 “混合推理”AI模型，向OpenAI、DeepSeek等对手发起挑战。在运营方面，该公司表示即将完成35亿美元融资，估值达到615亿美元。
全球首款 “混合推理”AI模型
Claude 3.7 Sonnet引入了“思考模式”切换功能，允许用户根据任务复杂度优化AI的响应时间。Anthropic研究产品管理负责人Dianne Penn表示：“我们认为推理是AI的核心组成部分，而不是需要额外付费才能使用的功能。就像人类一样，AI应该既能快速响应，又能进行复杂思考。对于简单问题，它应该立即给出答案；但对于复杂的任务，它则需要更多的处理时间。”
她补充道：“我们不将推理、规划和自我修正视为AI的独立能力。在理想情况下，模型本身应该能够识别问题是否需要更深入的思考，并自动调整，而不是要求用户来选择不同的推理模式。”
基准测试数据支持了Anthropic的雄心。在扩展思考模式下，Claude 3.7 Sonnet在研究生级别的推理任务中，准确率达到78.2%，不仅对OpenAI的最新模型发起挑战，还超越了DeepSeek-R1的表现。
以下为Anthropic官文全文：
今天，我们正式推出Claude 3.7 Sonnet，这是我们迄今为止最智能的模型，也是市场上首款“混合推理”模型。Claude 3.7 Sonnet能够生成近乎即时的响应，也能进行长时间的推理，并将这些思考过程展示给用户。API用户还可以精细控制模型的思考时间。
Claude 3.7 Sonnet在编程和前端Web开发方面表现尤为突出。伴随着新模型的发布，我们还推出了一款命令行工具Claude Code，专门用于辅助编程。Claude Code目前以有限研究预览的形式提供，允许开发者直接从终端将大量工程任务委托给Claude完成。
Claude 3.7 Sonnet现已登陆所有Claude订阅计划（包括免费版、Pro版、Team版和企业版），并支持Anthropic API、Amazon Bedrock和Google Cloud的Vertex AI平台。除了免费版Claude之外，其他版本都可以使用扩展思考模式。
无论是标准模式还是扩展思考模式，Claude 3.7 Sonnet的定价均与之前版本保持一致：每百万输入token收费3美元，每百万输出token收费15美元（其中包含思考token）。
Claude 3.7 Sonnet：让前沿推理变得实用
Claude 3.7 Sonnet的开发理念与市场上其他推理模型截然不同。就像人类的大脑既可以处理快速反应，也能进行深度思考，我们认为推理应该是前沿模型的集成能力，而非完全独立的模型。这种统一的方法也为用户创造了更无缝的体验。
Claude 3.7 Sonnet通过多种方式体现了这一理念：
——双重模式：Claude 3.7 Sonnet既是普通的大语言模型（LLM），也是推理模型。用户可以选择让模型在正常模式下给出快速响应，或进行更长时间的思考后再回答。在标准模式下，Claude 3.7 Sonnet是Claude 3.5 Sonnet的升级版；在扩展思考模式下，它会在回答问题前进行自我反思，从而在数学、物理、指令遵循、编程等任务中表现更佳。我们发现，无论在哪种模式下，提示模型的方式都相似。
——精细控制：通过API使用Claude 3.7 Sonnet时，用户可以设置思考的token预算，最高可达128K token。这使得用户能够在速度（和成本）与回答质量之间做出权衡。
——现实任务优化：在开发推理模型时，我们减少了对数学和计算机科学竞赛题的优化，转而更关注反映企业实际使用LLM的现实任务。
早期测试表明，Claude的编程能力处于行业领先地位。
Cursor表示，Claude再次成为处理实际编程任务的最佳选择，特别是在处理复杂代码库和高级工具使用方面取得了显著进展。
Cognition发现，Claude在规划代码变更和处理全栈更新方面远超其他任何模型。
Vercel强调了Claude在复杂代理工作流中的卓越表现，而Replit成功利用Claude从零开始构建复杂的Web应用和仪表盘，而其他模型则难以胜任。
Canva的评估显示，Claude始终能生成生产级代码，设计品味出众，且错误率大幅降低。
在SWE-bench Verified和TAU-bench等基准测试中，Claude 3.7 Sonnet均达到了最先进的性能水平，展现了其解决现实世界软件问题和复杂任务的能力。
图注：在SWE-bench Verified基准测试中，Claude 3.7 Sonnet的性能表现最佳。该测试旨在评估AI模型解决现实世界软件问题的能力
图注：Claude 3.7 Sonnet在TAU-bench基准测试中表现优异。该测试框架专注于评估AI模型在复杂现实任务中的表现，包括与用户和工具的交互
图注：Claude 3.7 Sonnet在指令遵循、通用推理、多模态能力以及智能体编码方面表现卓越，其扩展思考模式在数学和科学任务中尤为突出，显著提升了性能。不仅如此，在传统基准测试之外，其表现甚至在内部Pokémon游戏测试中超越了所有之前的模型
Claude Code：增强开发者编程体验
自2024年6月以来，Sonnet已成为全球开发者的首选模型。今天，我们进一步赋能开发者，推出首款智能体级编码工具Claude Code，并以有限研究预览的形式提供。
Claude Code是一个活跃的协作者，能够搜索和读取代码、编辑文件、编写和运行测试、提交代码到GitHub，并使用命令行工具——同时让用户随时掌握每一步进展。
尽管Claude Code尚处于早期阶段，但它已成为我们团队不可或缺的工具，尤其是在测试驱动开发、调试复杂问题和大规模重构方面。在早期测试中，Claude Code一次性完成了通常需要45分钟以上手动工作的任务，明显减少了开发时间和工作量。
未来几周，我们将根据使用情况不断改进Claude Code，包括增强工具调用的可靠性、支持长时间运行的命令、优化应用内渲染，并扩展Claude对其自身能力的理解。
我们还改进了Claude.ai的编码体验。GitHub集成现已覆盖所有Claude订阅计划，使开发者能够直接将代码库连接到Claude。
Claude 3.7 Sonnet是我们迄今为止最强大的编码模型。通过对个人、工作和开源项目的深入理解，它成为修复漏洞、开发新功能和构建文档的强力伙伴。
展望未来