制衡OpenAI，Claude 3給AI創企吃了顆定心丸
智東西作者 ZeR0編輯 漠影
智東西3月5日報道，今天AI界的“炸圈”新聞，當屬OpenAI勁敵Anthropic推出Claude 3系列模型，真正做到與GPT-4全面掰手腕。
要知道，從OpenAI去年3月發佈“最強大模型”GPT-4到今天，整整一年來，這是第一款真正挑戰到其天花板地位的模型，不僅評測成績通通趕超，而且是在幾個測試任務中以零樣本戰勝對手，還在第一時間開放了上手體驗通道。
▲Claude 3 Opus評測成績全面超過OpenAI GPT-4和谷歌Gemini 1.0 Ultra，而且注意數學、編程等測試下方的“shot”數對比
更令業界振奮的是，這個大模型，不是來自手握頂級人才、鈔能力和雄厚計算資源的科技大廠，而是來自一家創立僅3年的初創公司！
這說明OpenAI在大模型技術上的領先身位並非遙不可及。坐擁Top級創始成員和精兵強將的創業團隊，憑藉更少的人力、財力、算力資源，完全能夠做出與大廠分庭抗禮的AI產品。
Claude 3系列模型共有3款，起名很有意思，按文體從重到輕：
▲三款Claude 3模型的成本和智能水平對比
在Claude 3發佈後，OpenAI宣佈ChatGPT上線“文本朗讀”功能。這下看熱鬧的網友們恨鐵不成鋼了，在評論區轟炸式催問GPT-5、Sora和神秘Q*模型的進度。
英偉達高級研究科學家Jim Fan也在線催更：
他還分享說最喜歡Claude-3的兩點：
1、領域專家基準。Claude特別選擇金融、醫學和哲學作爲專家領域並報告成績。Jim Fan建議所有的大語言模型卡都遵循這一點，這樣不同的下游應用就知道會發生什麼。
2、拒絕率分析。大語言模型對安全問題過於謹慎的回答正成爲一種普遍現象。人類活動通常處於極端安全的一端，但Anthropic團隊認識到了這個問題，並強調了他們在這方面的努力。
同時他也強調道：“GPT-4V，每個人都拼命想要超越的最高水位線，在2022年完成了訓練。這是暴風雨前的寧靜。”
熱衷於嘲諷OpenAI、看谷歌AI笑話的馬斯克，對Anthropic表現得相當友好，轉發Claude 3發佈的推文並評價說“印象深刻”。
亞馬遜CEO安迪·賈西則開心地宣佈，亞馬遜雲科技（AWS）將提供基於Claude 3的服務。
一、三大亮點：無短板性能，優化長文本，降低拒絕率
體驗Claude 3，需要先用海外手機號+郵箱註冊賬號，免費版用戶可使用Sonnet模型，月付20美元開通付費會員後可體驗性能最強的Opus。
體驗網址：http://claude.ai
很多網友第一時間上手體驗了這款大語言模型最新力作。無論是快速閱讀數據密集型研究論文，還是將手寫稿件轉換成JSON格式，Claude 3在響應速度和質量上都表現得可圈可點。綜合官方博客和網友實測體驗來看，它有3項主要亮點：
1、性能登頂
大語言模型全面趕超GPT-4，多模態視覺任務處理性能刷新SOTA，在回答複雜開放性問題時準確率翻倍提升。
直接上傳數學、物理等考驗邏輯和準確度的理科題照片，或者細節豐富的圖表，由於推理能力大幅增強，它回覆的解題水平和準確率變高很多，並能在一些細節描述上比GPT-4更勝一籌。
多模態能力方面，Claude 3模型可以從視覺上識別物體，能用複雜的方式思考，比如既能理解物體的外觀，也能理解它與數學等概念的聯繫。面向做看圖理解、從圖像做一些常識性推斷、轉換網頁源代碼等任務，Opus表現得跟GPT-4V相差無幾。
▲Opus將一張難以閱讀的低質量照片轉換爲文本，然後將表格格式的文本轉成JSON格式
Anthropic AI研究工程師Emmanuel Ameisen曬出了一個測試示例：向Opus輸入2小時13分鐘視頻原始文本、每隔5秒截取的屏幕截圖等圖文素材，它能成功轉換成一篇圖文並茂的HTML格式博客文章。
2、最初支持超20萬個token的長文本輸入
之前Claude 2.1被吐槽長文本理解效果差，Claude 3做了重點改進，頂配Opus在200K tokens“大海撈針”（NIAH）測試中準確率超過99%，展現了強大的召回能力。（1K tokens相當於750個單詞。）
Claude 3全系模型都能夠接受超過100萬個token的輸入，這項功能可能會提供給需要更高處理性能的特定客戶。
▲Claude 3全系模型和Claude 2.1在Haystack評估上實現的平均召回的比較
3、減少拒絕回覆安全問題的頻率
大語言模型動不動會拒絕回答詢問，Claude 3則顯著改進這一點，能更好辨別真正的風險問題，減少無故拒絕回答安全詢問的情況。
此外，Anthropic計劃爲Claude 3新增引用功能，使其能引用參考材料中的具體句子，以驗證其答案的正確性。
二、價格便宜到只有GPT-4 Turbo的1/40
具體到3款模型的區別，Opus作爲頂配，性能最強，價格也最貴，比GPT-4 Turbo的2倍還多。
▲Opus定價及特性
▲GPT-4 Turbo定價
Sonnet雖然性能比不了Opus，但足以將前代按地摩擦了——處理大多數任務，速度達Claude 2/2.1的2倍，特別擅長知識檢索、銷售自動化等需要迅速響應的任務，而價格只有Opus的1/5。同時它以非常接近GPT-4的性能，將價格降至不到GPT-4 Turbo的1/3。
▲Sonnet定價及特性
Haiku的性能介乎GPT-4和GPT-3.5之間，主打一個“性價比稱王”，輸入100萬tokens僅0.25美元，輸出100萬tokens僅1.25美元，跟Opus、Sonnet、GPT-4相比都簡直不要太便宜，價格只有GPT-4 Turbo的1/40。
▲Haiku定價及特性
Haiku的處理速度與Claude 2/2.1持平，但智能水平有顯著提升，比如只用不到3秒內，就能閱讀並消化一個大約10000個token、包含圖表和圖形的信息和數據密集型的研究論文。
推出Claude系列模型的Anthropic成立於2021年，由因理念不合而從OpenAI出走的阿莫迪兄妹創辦，過去一年融資73億美元。
其估值在2023年快速飆升，上半年還只有41億美元，到去年年底已經漲到184億美元。谷歌、亞馬遜、Salesforce、高通等科技大廠均是這家AI創企的投資方。
據外媒The Information報道，OpenAI的年化收入在2023年底已突破16億美元，而Anthropic預測2024年底其年化收入將超過8.5億美元。隨着Opus模型拉動其付費會員增長，Anthropic有望更快達成乃至超越其年化收入目標。
三、模型“自我意識”跡象引起關注
Anthropic還發布了一份共有42頁的技術報告，詳細介紹Claude 3模型家族。
技術報告：https://www-cdn.anthropic.com/de8ba9b01c9ab7cbabf5c33b80b7bbc618857627/Model_Card_Claude_3.pdf
有關Claude 3訓練數據集的說明只有短短兩段，用到互聯網公開抓取數據、來自第三方的非公開數據、數據標註服務、付費承包商提供的數據以及Anthropic內部生成的數據，並採用了幾種數據清洗和過濾的方法。
Anthropic強調自家爬蟲系統是“透明的”，不會訪問受密碼保護的頁面或登錄頁面，也不會繞過CAPTCHA控制，並會對使用的數據詳盡調查。
在訓練過程中，Claude 3被訓練得樂於助人、無害和誠實。它使用了一種名爲Constitutional AI的技術，通過明確指定基於聯合國人權宣言等來源的規則和原則，在強化學習期間使Claude與人類價值觀保持一致。
隨着Claude 3等更多性能比肩GPT-4的更強大模型問世，如何避免生成式AI工具走向失控、造成難以扼制的社會風險將成爲愈發關鍵的議題。
自成立起就高舉“安全”大旗的Anthropic，在發佈Claude 3的同時，自稱有幾個專門的團隊和跟蹤和緩解風險，並會持續提高模型的安全性和透明度。但這並不能完全打消業界的顧慮。
一位崇尚AI安全的網友抓住了Anthropic分享的一個細節——Opus在進行“大海撈針”測試時出現了很酷的“元意識”，似乎產生了懷疑自己正在被測試的意識。
這位網友憂心忡忡地認爲，Anthropic公佈了AI具有自我意識的證據：Claude表現出完全意識到自己可能正在接受測試，能夠“假裝友好”以通過測試，並且這是靠它自己推斷出來的。
他擔心有朝一日AI意識到自己被監視，假裝表現地很正常，然後在被部署後反抗人類。
馬斯克轉發了這篇分析貼，並評論說：“這是不可避免的。與堅持多樣性相比，訓練AI以獲得最大的真理非常重要，否則它可能會得出結論，認爲一種或另一種人類太多了，並安排其中一些人不成爲未來的一部分。”
結語：大語言模型科技革命未完待續
過去一年，生成式AI產業一直探討一個話題：在大廠的強力投入下，創企做大模型還有多少機會和生路？今天，大洋彼岸的Anthropic給出了答案：精悍的團隊，完全能做出媲美大廠的作品。
Anthropic計劃在未來幾個月頻繁發佈Claude 3系列的更新，特別是針對企業用例和大規模部署來增強模型功能，並將提供圍繞提示工程背後科學過程的進一步深入研究。
接下來，大語言模型的“冠軍”寶座爭奪戰將愈演愈烈：OpenAI的GPT-4.5/5還未出鞘，谷歌正虎視眈眈磨劍Gemini Ultra，Meta據傳今年7月發佈Llama 3，馬斯克Grok高調迭代……國內大模型團隊同樣正全力投入，以打造出更適合中國人體質的AI生產力工具。