比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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,就间接被要求完成任务。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。。。一个没给示例间接上,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,所以完全核心上,还是推理才能的巨幅提升。

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。。。。。。。。。。。。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

我给 Claude 总结 3 个特点,分别是:

独一档的推理才能、跟 GPT4V 打平的多模态、200K 长文本优化。

一、独一档的推理才能

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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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?

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

当然,还可以间接上物理题,间接传图就行。全对。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

化学,也行。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

在中文语境下的一些逻辑怪圈,也没问题。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

完全看,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,终究把他的视觉才能给补齐了,可以间接扔图进去了。

在玩了几个小时后,我完全的评价是,跟 GPT4V 大致打平手。

官方的数据,也大概是这样的倾向。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

一个网站的截图间接还原网页的源代码~

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

猜个地名,那自然更是小 Case。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

再根据作品猜个艺术家?OK。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

当然,也可以整一些花活。比如这个照片。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

Claude3 Opus 给出了标准的答案,完美。

完全上,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…

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

就间接红成半边天,红成这个鬼样子。

这一次,他们终究有了大幅度的改善。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

终究达到了,99%。嗯,还是没有 100%。

我间接甩了我的文章 PDF 数据集上去,测一下我间接写 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,终究给我回复了。。。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

内容倒是对的,没有问题。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

完全精准度和语义理解都很不错。

基于超长文本的对话、总结、查询的才能,也终究在 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。

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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,有独一档的推理才能、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:

比 ChatGPT4 还强?深度测评最新AI神器 Claude3

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。

给TA打赏
共{{data.count}}人
人已打赏
应用

鉴于CPU服务器实现Llama2等利用落地,英特尔展示五代至强可扩张芯片实践

2024-3-16 21:07:00

应用

中国电动汽车百人会2024丨毫末顾维灏:主动驾驭3.0期间,大模型重塑汽车智能化路线

2024-3-17 14:32:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
搜索