一手实测Claude3 - GPT4啊，你的时代终于要过去了 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
一手实测Claude3 - GPT4啊，你的时代终于要过去了
原创 数字生命卡兹克 数字生命卡兹克 2024-03-05 05:48 天津
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。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言