花7000块实测Claude2.1 - 200K Token的超大杯效果究竟怎么样？ * { 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; }
花7000块实测Claude2.1 - 200K Token的超大杯效果究竟怎么样？
原创 数字生命卡兹克 数字生命卡兹克 2023-11-23 21:05 天津
昨天Claude2.1正式发布了，更新了一系列的新能力，不过只对API用户开放。
大概总结一下，200K Tokens的上下文窗口、模型幻觉率的显着降低、系统提示以及他们的新测试功能：工具使用。
其他的没啥可说的，重点聊聊这个200K Tokens的上下文。
记得几个月之前，Claude率先推出100K Token，引起了不小的风波，毕竟在那个上下文都还只有4K Tokens的年代，100K Token可是扎扎实实的降维打击。
而这次，Claude2.1号称全球第一，扔出了2倍容量的200K Token。大家可能对Token没啥概念。我换种描述来说。
200K Token等于470页的PDF材料。
按Claude自己的话说，你可以扔你整个代码库和技术文档、扔一整个财务报表，甚至把《奥德赛》或者《伊利亚特》扔进去。
这下是不是就大概有点数了？以前4K的小窗口，扔个几页PDF都费劲，现在，随便扔。
但是支持这么大的容量以后，使用起来到底怎么样？你不能光加容量，但是质量不加吧，就好比你喝瑞幸，以前是个普通中杯，给你放了半杯的冰，现在他说升级了，给你来了一口缸，但是缸里依然还特么的全是冰，咖啡就那么几口，那这升级有蛋用，对吧。
Token也是一样的道理，你说是升级了200K，但你实际到50K就全都忘干净了，那你100K和200K有啥区别？
所以X上一个大佬Greg Kamradt，为了弄明白Claude2.1的200K Token，究竟实测效果怎么样，就调用Claude 的API做了个压力测试。
他做个压力测试，花了1016 美金。。。。
你没看错，1016美金，折合人民币一共7255元。。。
只能说，太特么壕了，壕特么上天了。。。
直接放他的测试结果图，为了大家阅读体验良好，我给做成中文版的了（图片可能在公众号上有压缩看不清，看完文章后可以对着我公众号私信”测试图”，我自动发你高清的原图）。
这个测试Greg Kamradt将其命名为”大海捞针”压力测试。
测试的目的是评估Claude从大量文本中检索信息的能力，特别是当信息被放置在文档的不同位置时的准确率。
横轴表示上下文长度（以Token表示），纵轴表示文档深度的百分比，这表示事实被放置在文档的位置。
横轴应该比较好理解，就是给的信息总量Tokens数，从1K到200K不等。
纵轴我稍微解释一下，“文档深度百分比”实际上是表示要信息（事实）被放置在整个文档中的位置，就是你要从大海里捞的那根针所处的位置。
你可以想象一篇文章，它从头到尾都有文字。如果我们把这篇文章比作一堆纸叠在一起，那么“文档深度”的百分比就像是你从最顶部的纸张向下数，直到你找到那条信息所在的地方。
如果信息在文档的最开始部分，那么它的文档深度接近0%。
如果信息在文档的正中间，那么它的文档深度接近50%。
如果信息在文档的最末尾，那么它的文档深度接近100%。
如果一篇文章有100行，一个重要的事实被放在了第50行，我们可以说这个事实的文档深度是50%。如果这个事实在第25行，那么深度是25%；如果在第75行，深度就是75%。这个百分比告诉我们事实在文章中的位置，而不管文章有多长。
大概就是这个意思。
可以看到，整个测试，Claude红了半边天，一半都检索失败，根本找不到。
甚至可以看到文档到了200K的时候，除非你把那根”针”放在最顶部或者最底部，也就是文档深度0%的位置，才能成功。
甚至你放在1%的文档深度的位置都能失败，简直就离谱。
发现：
-
在20万个令牌（近470页）的文档深度下，Claude 2.1能够回忆起某些事实
-
位于文档最顶部和最底部的事实被几乎100%准确地回忆起来
-
位于文档顶部的事实的回忆表现不如底部（与GPT-4类似）
-
从大约90K个令牌开始，文档底部的回忆表现开始逐渐变差
-
在较低的上下文长度下，并不保证有良好的表现
结论以及如何做：
-
提示工程很重要。值得对您的提示进行调整，并进行A/B测试以测量检索的准确性
-
不能保证您的事实一定会被检索到。
-
更少的上下文 = 更高的准确性 - 这是众所周知的，但是如果可能的话，减少您发送给模型的上下文量可以增加它的回忆能力
-
位置很重要。但是放在文档最开始和文档深度50%到100%区间的事实似乎能被更好地回忆起来。
-
提示工程很重要 - 值得对您的提示进行调整，并进行A/B测试以测量检索的准确性
可以看到，Claude2.1的这个200K表现并不尽人意，更不能对它抱有过高的信任。总量达100K之后，检索成功率甚至只有50%不到。
前几天GPT4也发布了128K的版本，虽然它比Claude2.1少了近一半，但依然是个容量极大的超大杯了。
我们再看看Greg Kamradt之前做的GPT4 128K的评测，来跟Claude2.1做一个横向的对比。
绿油油一片。
整个检索成功率几乎都保持着成功，只有到了73K以后，在7%~50%的文档深度之间，成功率才有所降低。
可以从这个压力测试看出来，GPT4保持着遥遥领先的姿态，甩了Claude一大截。
Token这个东西，容量越大当然越好，但是相应的，质量你得跟上吧。
光大容量，结果掀开一看，全是冰块，那还玩个屁。
OpenAI的一出闹剧，依然改变不了GPT4在AI行业的王者地位。
希望后来者，能真正的给OpenAI一些压力。
想要高清图的，可以对着我公众号私信”测试图”，就自动发你了。
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