Claude 3.7 Sonnet – Anthropic 推出的首款混合推理模型-爱论文

Claude 3.7 Sonnet是什么

Claude 3.7 Sonnet 是 Anthropic 公司推出的全球首款混合推理模型，具备“标准模式”和“扩展思考模式”两种运行方式。标准模式下，Claude 3.7 Sonnet能快速生成响应；扩展思考模式基于逐步推理解决复杂问题。模型在数学、物理和编程等复杂任务上表现出色，在编码能力上全面领先。Claude 3.7 Sonnet 优化了安全性，减少不必要的拒绝。Claude 3.7 Sonnet支持基于 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 访问。

Claude 3.7 Sonnet的主要功能

混合推理模式：标准模式：快速生成响应，适合日常对话和简单任务。扩展思考模式：进行深度自我反思和逐步推理，适合复杂任务，如数学、物理、逻辑推理和编程。复杂任务处理能力：在数学、物理、编程等需要强逻辑推理的领域表现卓越。在基准测试中表现出色，如 SWE-bench Verified 和 TAU-bench 测试。代码协作能力：支持代码编辑、测试执行等开发流程。支持与 GitHub 集成，帮助开发者修复 Bug、开发新功能和处理全栈更新。安全性提升：更准确地区分恶意请求和正常请求，与前代相比减少不必要的拒绝（减少 45%）。多平台支持：适用于免费版、专业版、团队版和企业版订阅计划，通过 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 访问。灵活的使用方式：在 API 使用中，用户能指定思考的 token 数量，输出限制为 128K token。

Claude 3.7 Sonnet的性能表现

推理能力任务表现：在数学、物理、指令执行、编程等任务中，扩展思考模式下的Claude 3.7 Sonnet表现优异，相比上一代模型提升超过10%。SWE-bench：Claude 3.7 Sonnet创下70.3%的高分，刷新了SOTA（State of the Art）记录。编码能力：SWE-bench Verified测试：Claude 3.7 Sonnet的编码能力显著提升，高效地解决了现实世界中的软件问题。多模态和智能体能力：OSWorld测试：Claude 3.7 Sonnet能基于虚拟鼠标点击和键盘按键完成任务。Pokémon 游戏测试：Claude 3.7 Sonnet基于扩展思考能力和智能体训练，获得相应的徽章，表现远超早期版本。测试时计算Scaling：串行测试时计算：在生成最终输出之前，执行多个连续的推理步骤，持续增加计算资源投入。例如，在数学问题求解中，其准确率随着思考Token数量的增加呈对数增长。并行测试时计算：通过采样多个独立的思维过程，选择最佳结果（如多数表决或评分模型），显著提升模型性能。在GPQA测试中，Claude 3.7 Sonnet基于并行计算达到了84.8%的总体得分（其中物理学部分高达96.5%）。

Claude 3.7 Sonnet的项目地址

项目官网：：https://www.anthropic.com/news/claude-3-7-sonnet

Claude 3.7 Sonnet的模型定价

输入 Token：3美元/百万输入 Token。输出 Token：15美元/百万输出 Token。

Claude 3.7 Sonnet的应用场景

软件开发与编码：帮助开发者处理复杂代码库、编写高质量代码、进行全栈更新及修复错误，支持从简单的代码生成到复杂的系统架构设计。前端开发：优化前端开发流程，生成 HTML、CSS 和 JavaScript 代码，支持响应式设计和交互式界面开发。数学与科学问题解决：基于扩展思考模式，解决复杂的数学和物理问题，支持逻辑推理和逐步解答。企业级任务自动化：在企业环境中，用在自动化处理复杂的业务流程、生成报告、优化工作流以及执行指令性任务。多模态交互与协作：支持多模态输入和输出，适用于需要结合文本、图像或其他数据类型的复杂任务，例如智能客服、教育辅助和创意设计。