原创 zJz 2025-05-23 04:01 北京
小细节：以前叫 Claude 3 Opus，现在数字后置，改叫 Claude Opus 4 了Claude 4 正式发布一句话总结：这俩模型，完全针对编码、高级推理和AI Agent任务设计。Claude Opus 4：号称全球最强编码模型，擅长处理复杂的编程问题，可以自主编程数小时，表现出色且稳定。Claude Sonnet 4：作为 Claude Sonnet 3.7 的升级版，相比 Opus 4，更轻量更快速，适合实时响应的场景，在推理和编程能力上依然吊打其他模型，重点是：免费用户可用。两个模型均可以在推理过程中使用工具，在推理和工具使用之间交替进行，并且可以并行使用工具。先看榜单表现——根据官方提供的 SWE-bench 测试结果，Opus 4 和 Sonnet 4 在基础测试上分别取得 72.5% 和 72.7% 的准确率，超过 Sonnet 3.7 的 62.3%。当测试方式改为“并行测试”时， Opus 4 和 Sonnet 4 分别取得 79.4% 和 80.2% 的高分，同样的，也超过了 Sonnet 3.7 的 70%。
SWE-bench Verified: 真实软件工程任务性能基准测试。意思就是：Opus 4 和 Sonnet 4 是最强的编程模型。除了编程，在其它领域也很强：在研究生级别的推理领域（Graduate-level reasoning)、多语言问答（MMMLU） ，与 OpenAI o3 不分上下，并列第一。在工具使用（Agentic tool use）领域遥遥领先，比第二 OpenAI o3 将近高 10% 的准确率。要说不足的，那就要算视觉推理部分（Visual Reasoning），与上一代 Sonnet 3.7 基本持平，属于垫底那个。除了性能更强以外，Claude 4 还有下列改进：可以同时使用多个工具，加强了指令遵循能力，显著提高了记忆能力。Claude Opus 4 和 Sonnet 4 是混合模型，可以提供两种模式：近乎即时的响应和用于更深层次推理的扩展思考。Opus 4 对付费用户开放，包括 Pro、Max、Team 和 Enterprise Claude 套餐，Sonnet 4 面向免费用户开放。而且通过 Anthropic API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 提供 API 支持。定价与之前的 Opus 和 Sonnet 模型保持一致：每百万 Token 输入分别为：15 美元和 3 美元。每百万 Token 输出分别为：75 美元和 15 美元。总结一下，就是：代码能力继续领先，其它方面也不落后。Claude Code 正式发布除了模型本身，本次发布会另一个大篇幅讲解的是编程 Agent——Claude Code：Claude Code 不但可以在终端中使用，还可以在 IDE 中使用，目前已经集成在 Vscode 和 Jetbrain 中。同时，还发布了 Claude Code SDK，开发者可以直接在自己的程序中调用 Claude Code 的核心。基于 Claude Code SDK 开发的 Agent 已经被集成进了 Github，现场演示了让 Claude Code 在 Github 中进行文档撰写，并进行合并请求(Pull Request)操作。而且还请来了 Github 的 CEO 站台：如果说 Claude 4 模型是 Anthropic 的基石，那 Claude Code 则是 Anthropic 的生态。基石 + 生态=护城河。其它亮点借助新的 Code Execution Tool 和 Files API，Claude 4 不仅仅是执行代码，而是可以读取结果，并根据结果进行修正，还可以重构代码，进行提交。最终的结果就是 Claude 4 可以在无人干预的情况下，连续自动工作 7 个小时！要知道，这可是 100% 投入，0% 摸鱼的 7 个小时啊！Anthropic 的首席产品官 Mike Krieger 还介绍了一个它们的内部数据，在广泛使用 AI 工具后，新员工平均上手时间从 2 到 3 周，大幅缩短到 2 至 3 天。还介绍了 API 平台，通过对 MCP 的自动化编排，模型可以根据任务的需求，自动的按步骤调用合适的工具。实测效果炸裂目前社区已经有人开始用 Claude 4 跑例子了，大家的评价及其统一：牛 x！一句话，生成一个可用的浏览器代理，把小哥惊的直接爆粗口：一句话，一次生成一个可工作的俄罗斯方块游戏。不仅仅可玩，UI 也不含糊，甚至在方块上有高光区域。还有这个，一句话生成了复杂的，可交互的三维空间：一句话，生成一个可工作的 CRM 仪表盘：
