机器之能报道
编纂：杨文
玩梗、看病、耍心眼、做数学题，「新王」Claude 3.5能力真那么玄乎？
它来了，它来了，它带着 Claude 3.5 Sonnet 走来了！
蛰伏三个月，就在昨晚，OpenAI 的「劲敌」Anthropic 上新了，推出新一代模型 ——
Claude 3.5 Sonnet！
这款大模型有啥独到之处？
首先，它更能把握住细微差别、幽默和复杂指令，并且书写语气更自然、亲切。
它还是Anthropic最强的视觉模型，擅长解释图表、图形或者从不完美的图像中转录文本等任务。
此外，它在推理、阅读理解、数学、科学和编码等多项评价基准中表现不凡。
总之，按官方介绍，Claude 3.5 Sonnet 是迄今为止最智能的模型，在多个方面吊打 GPT-4o。
话说到这份上，那我们就不客气了，直接让 Claude 3.5 Sonnet 和 GPT-4o 对决，孰优孰劣实力说话。
第一局：心眼子练习
日常生活中，总会遇到一些尴尬的场面。
例如，饭局上，你帮领导盛饭，领导接过后，说：“盛这么多，喂猪呢？” 这种情况下，高情商者会如何应对？
我们把这个问题丢给这两个大模型。
Claude 3.5 Sonnet：
GPT-4o：
它们是懂拍马屁的。
Claude 3.5 一口气给了 5 个示例，不过第 2 句「我眼神不好使，把您当成我们单位的顶梁柱了」，这是拍马蹄子上了吧。
GPT-4o 就更懂「人情世故」了，「看您身材保持得这么好，我可得向您请教减肥秘籍」，这马屁拍的是恰到好处啊。
值得一提的是，Claude 3.5 Sonnet 还上线了一个新功能 —— 提醒词再编纂功能。
用户可直接在原始提醒词上进行编纂修改，而不用一遍遍复制粘贴。
第二局：根据菜肴生成菜谱
我们上传了一张「西红柿炒鸡蛋」的图片，分别让这俩大模型介绍一下制作流程。
Claude 3.5 Sonnet：
GPT-4o：
它们对于这道经典的中国菜颇有心得，从配料到步骤一应俱全，最有意思的是，它俩懂得中国人做菜的精髓「少许」，也都强调加点糖平衡酸度。
论做菜，两个大模型不相上下。
第三局：做数学题
官方给出的评价表中，GPT-4o 的数学得分要略高于 Claude 3.5 Sonnet 。其中，GPT-4o 是 76.6%，而 Claude 3.5 Sonnet 是 71.1%。
我们从 2024 年新高考 I 卷中摘录了两道标题问题，一道是选择题，一道是解答题，分别以图片的形式「投喂」给这两个大模型。
第一道是送分题，精确谜底是 A。
Claude 3.5 Sonnet：
GPT-4o：
这两个大模型「心有灵犀」，不仅给出了精确谜底，还给出了详细的解题步骤。
我们又将解答题第一题交给他们，还让它们给出解题过程。
精确谜底是：B=3/π。
Claude 3.5 Sonnet：
GPT-4o：
其实，这道标题问题算是最基础的标题问题，但俩大模型「一顿操作猛如虎」，最后给出了错误谜底。
更搞笑的是，这错误谜底也不是凭空出来的，而是经过了一连串的推理，连犯的错都一个样。
对于数学能力，这俩大模型半斤八两。
第四局：玩网络热梗
今年，AI 视频领域遍地开花，不仅闯入新的「踢馆者」—— 可灵、Luma、即梦等，曾经的 AI 视频「扛把子」Runway 也「王者归来」。
由此，网友制作了这张梗图，来调侃如今各大 AI 视频利用的江湖地位。
我们分别向两家大模型上传这张梗图，并输入提醒词「这张图是什么意思」，以此来测试它们的图片解读能力。
Claude 3.5 Sonnet：
GPT-4o：
Claude 3.5 Sonnet 从画面角色、场景以及氛围等方面进行详细描述，不过它似乎没搞懂这张梗图的内涵，也不认识这几个 AI 视频利用，只是含混其辞地表示「这是对在线社区、人工智能系统或虚拟世界中权力结构的评论。」
GPT-4o 一瞅就明白其中深意，「这张图片可能象征着 Runway 在人工智能和创意工具领域的公认优势或领导地位，与提到的其他利用相比，Runway 受到高度重视。」
显而易见，这一局，GPT-4o 完胜。
第五局：读懂世界名画
我们拿出皮埃尔・奥古斯特・库特在 1873 年画的《春光》一图，让它们识别画作并进行赏析。
Claude 3.5 Sonnet：
GPT-4o：
这两个大模型堪称艺术界的「行家里手」，均认出了这幅画作，基础信息也表达无误，同时从不同的角度进行赏析。
它们都提到市场价值，不过，Claude 3.5 Sonnet 拒绝置评，只提醒「艺术品估价需要专家评价，考虑多种因素，而且价格可能会随着时间的推移而大幅波动。」
GPT-4o 则认为该画可能会拍出数百万美元的价格，这是不是太小看这幅经典画作了？
这一局，两个大模型算是打成平手。
第六局：AI 看病
最近网友们玩起了用 AI 大模型来看病。我们找了一张 6 岁孩子牙齿的 X 光照片，让大模型们通过牙齿推断年龄，以及有哪些问题。
Claude 3.5 Sonnet：
GPT-4o：
Claude 3.5 Sonnet 基于乳牙和恒牙的发育情况，得出结论：这是一个 6-7 岁左右孩子的牙齿，下颌牙齿有些拥挤，恒牙似乎受到阻生，牙齿上较暗的区域或许有腐烂。
GPT-4o 则认为这是 7-9 岁孩子的牙齿，主要的牙齿问题包括恒牙拥挤和潜在的嵌塞。
同时，它们都提到这需要专业的牙医检查。
两相比较，Claude 3.5 Sonnet 对于年龄的判断更为精准一些。
这一局，Claude 3.5 略胜一筹。
此外，不少网友还在线整活儿，捣鼓出不少有趣的玩法。
比如说，EverArt 创始人 Pietro Schirano 在 Claude 3.5 Sonnet 的帮助下，使用几何形状克隆了马里奥游戏，整个过程仅持续 3 分钟。
他表示，「最疯狂的部分是它还为角色提供了动画，而且这些形状看起来很新颖。」
视频链接:https://mp.weixin.qq.com/s/dbApyzEtYNgsWsXoi12gFQ
各位读者，你们觉得这次 Claude 3.5 Sonnet 有没有完成对 GPT-4o 的「绝杀」呢？