新火种AI|Claude 3.5一夜封王超越GPT-4o!留给OpenAI的时间真的不多了...

AI大模型更新换代的速度,的确快到令人难以想象。

相信很多人现在对“最先进AI大模型”的印象还停留在GPT-4,但事实上,大模型领域的头把交椅早已悄然易主了好几回。就在GPT-4惊艳全球不久之后,其“死对头” Anthropic发布了Claude 3系列,瞬间将GPT-4拉下了神坛。随后,OpenAI发布了GPT-4o,又暂时抢回来了属于自己的领先地位。

但如今,OpenAI不得不再次面临严峻挑战。就在最近,Anthropic发布了Claude 3.5 Sonnet,不仅较先前版本各方面性能都有了质的提升,还又一次将GPT-4o按在地上摩擦。

Claude 3.5 Sonnet昨夜震撼上线!性能更突出,价格更便宜,直接吊打GPT-4o。

6月20日深夜,Anthropic突然发布了下一代旗舰大模型Claude 3.5 Sonnet。

那么,Claude 3.5 Sonnet究竟惊艳在哪里呢?

首先,跟自己上一版本中最强的Claude 3 Opus相比,Claude 3.5 Sonnet不仅速度提升了200 %,其成本还直接降低了80 %,性价比直接拉满

此外,Claude 3.5 Sonnet拥有最强视觉模型,在所有标准测试中,均超越了前代Claude 3 Opus。

更重要的是,Claude 3.5 Sonnet不仅跟自己比才厉害,其各项性能和效率也遥遥领先于GPT-4o。

尤为值得一提的是,Claude官网上还推出新功能——Artifacts 预览版。说白了,这就是创建了一个动态工作区。用户可以通过Claude生成文档,代码,矢量图,或是简单的游戏。而Artifacts则可以出现聊天界面旁边,这样用户能够实时查看,迭代和创建自己的作品。外界认为,Artifacts 预览这一功能的出现,标志着Claude将从对话式 AI 进化为协作式工作环境

目前,Claude 3.5 Sonnet 已经在 Claude.ai 和 Claude iOS 应用程序上免费提供,而 Claude Pro 和 Team 计划订户则可以享受更高速率。此外,Claude 3.5 Sonnet 还可以直接通过 Anthropic API,亚马逊云科技 Bedrock 等渠道使用。

除了在性能上全面碾压,其价格也明显低于GPT-4o。

如今,Claude 3.5 Sonnet已经面向全球开启免费试用了。在费用上,Sonnet处理每百万输入token仅需3美元,每百万输出token仅为15美元。对比之下,GPT-4o的每百万输入token收费5美元,每百万输出token为15美元。

压力给到了OpenAI:GPT-5何时能问世?

对于Anthropic此次发布的新产品,外界普遍持有肯定的态度

前OpenAI对齐团队负责人Jan Leike就表示,自己很喜欢喜欢Sonnet新模型。他提到,自己会要求Sonnet解释ML论文。虽然不一定全对,但会比自己粗读略读的结果要好,速度也快得多。可以说,自动对齐的研究距离我们越来越近了。

Anthropic的产品经理Michael Gerstenhaber则直接将自己公司的新模型称之为“世界上最智能的模型”。他表示,“我们正处于这个行业寒武纪大爆发的开端”。而更加先进的Claude 3.5 Haiku和最强版Claude 3.5 Opus会在今年晚些时候陆续推出。由此可见,各大模型厂商们是彻底卷起来了,竞争也越来越激烈。

而好奇的网友们也在Claude 3.5 Sonnet发布的第一时间上手测评。大家发现,Sonnet写代码的速度着实惊人。有的网友仅仅通过一次对话,就用threejs+cannonjs创建出一个3D太阳系模型,包含了物体和碰撞效果。还有网友认为,使用Claude 3.5 Sonnet进行编码的效率比其他任何大型语言模型都要高,还可以达到GPT-4的10倍。特别是在全新的Artifacts功能的加持下,用户可以边聊天边生成和运行代码,简直令人惊叹。还有网友借助Sonnet力量,在不到2分钟的时间里做出了一个戴着太阳镜的小狗吃骨头的游戏。

正如前面提到的那样,Claude 3.5引入的超强实时交互功能Artifacts,毫无疑问,这一亮点开启了交互式AI最有潜力的形式。它标志着Claude从对话式AI向协作工作环境的转变,而在不久的未来,Anthorpic还会设想整个组织都能在共享空间中集中知识,文档以及工作,而Claude会随时提供服务。

Claude 3.5 Sonnet表现如此出色,很多网友戏言:压力直接给到OpenAI了。毕竟,如果今年年底GPT-5再不发布,OpenAI被中美两国的大模型迅速赶超这件事将会成为不争的事实。

即便GPT-5如期而至,大家也会担忧,相较GPT-4,新一版的推理能力会不会显著提高?现在硅谷坊间盛传,一次显著的性能提升至少要依靠10万张,乃至20万,30万张GPU卡。在这种情况下,OpenAI是否会有足够的GPU卡来训练高质量数据?就目前来看,这一切都是未知数。

Anthropic与OpenAI之间再添新仇!两大AI独角兽公司之间的较量愈演愈烈...

大家对Claude和GPT之间的角力如此关注,这其中有一个很关键的因素,那就是大模型比拼背后潜藏的,是Anthropic与OpenAI之间的“爱恨情仇”。

就在今年5月,也就是Claude 3 Opus强势上线的时候,Anthropic的创始人Dario Amodei和Daniela Amodei(二人是兄妹)就对OpenAI展开了暗戳戳的“嘲笑”,称Anthropic的人工智能是世界上最好的。他们表示,Claude 3 Opus是世界上最强大的人工智能模型(在当时) 。

Amodei兄妹曾是OpenAI的前员工。2020年6月,就在OpenAI发布第3代大语言模型GPT-3的半年之后,负责OpenAI研发的研究副总裁Dario Amodei和安全政策副总裁Daniela Amodei决定离职。究其原因,是因为他们对当时OpenAI管理层的理念和政策不甚认同,在价值观上存在着严重的偏差。离职后,他们创建了一家专注于安全的人工智能公司,即Anthropic。

值得一提的是,Anthropic的创始团队其实就是GPT系列产品的早期开发者,这也是他们后来所推出的Claude系列可以与GPT系列想抗衡的重要原因。

Anthropic团队有一个很明确的目标,就是构建一套“可靠,可解释,可控”的以人类(利益)为中心的人工智能系统。

事实上,这些关键词是OpenAI的昔日愿景。但在2019年之后,尤其是OpenAI接受了微软100亿美元的投资之后,愿景与现实起了冲突。如今,Amodei兄妹重拾了老东家的愿景,并研发出了更为智能的AI大模型,直接站在了老东家的对立面,成为其名副其实的竞争对手。

如今3年过去了,Anthropic拥有7名联合创始人,发展稳定,业务蒸蒸日上,还与谷歌,亚马逊之间展开了价值数十亿美元的合作关系。反观OpenAI,却在过去的几个月里损兵折将:创始成员Andrej Karpathy在2月份离开了 OpenAI,联合创始人 Ilya Sutskever前段时间官宣离职等核心成员离职的事情不断发生。

毫无疑问,这两大AI独角兽公司未来的竞争会日趋白热化。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/857765.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

“循环购“:快消品行业的创新商业模式引领者

大家好,我是吴军,来自一家在软件开发与商业模式创新领域享有盛誉的公司。我们专注于为企业提供全方位的商城系统搭建及商业模式定制服务。迄今为止,我们已经成功地为众多企业打造了超过200种独特的商业模式,助力他们实现了显著的商…

【PL理论】(26) 内存管理:C语言实现内存管理的方式 | 栈帧的分配和释放 | C/C++ 手动内存管理

💭 写在前面:在前面的章节中,语言的语义只分配了新的内存位置,我们没有讨论内存位置的释放。在实际的语言中,内存位置在执行过程中会被不断地分配和释放。下面的章节,我们将讨论编程语言的这种内存管理&…

基于IDEA的Maven(依赖介绍和引用)

如何通过一个坐标信息(依赖)去引用 ,某个"jar 包" 会在这篇博客进行学习。 目录 一、学习开始 (0)项目的结构组成和 "pom.xml" 文件内容。 (1)首先需要一个标签&#xf…

方差分析【单/双因素方差分析】

文章目录 方差分析一、单因素方差分析(Analysis of Variance)1.方差分析在做什么?2.方差分析的思路:3.方差分析中的计算:4.构造F统计量: 二、双因素方差分析(Two-way ANOVA)1.双因素方差分析在做什么&#…

时序预测 | Matlab基于Transformer多变量时间序列多步预测

目录 效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab基于Transformer多变量时间序列多步预测; 2.多变量时间序列数据集(负荷数据集),采用前96个时刻预测的特征和负荷数据预测未来96个时刻的负荷数据; 3…

53【场景作图】纵深感

1 想清楚什么是前 什么是后 如果背景虚化,就不要处理地很平面,如果很平面,就留一个清晰的边缘 2 重叠 遮挡 被遮挡的物体会更远

微信小程序在独立分包中安装自定义依赖组件,构建自定义 npm 依赖

在微信小程序app.json文件中创建一个独立分包 然后在分包文件夹下 创建一个 package.json文件,在文件中添加你要安装的依赖文件及版本 在终端中开始安装依赖:npm i 依赖安装完成后,会产生一个 node_modules文件 需要项目的根目录下的projec…

动态规划:基本概念

Dynamic Programming 动态规划(Dynamic Programming, DP) 是一种算法设计技巧,通常用来解决具有重叠子问题和最优子结构性质的问题。它通过将问题分解为更小的子问题,逐步解决这些子问题并将结果存储起来,以避免重复计…

外星人Alienware m18R1 原厂Windows11系统

装后恢复到您开箱的体验界面,包括所有原机所有驱动AWCC、Mydell、office、mcafee等所有预装软件。 最适合您电脑的系统,经厂家手调试最佳状态,性能与功耗直接拉满,体验最原汁原味的系统。 原厂系统下载网址:http://w…

“拿来主义”学习边框动画(附源码)

“拿来主义”学习边框动画,附源码,CV可用 扫码关注:小拾岁月,发送 “边框动画”,获取源码。 需求分析 从边框的旋转动画,我们可以看出,可以在按钮元素的下方添加给 360旋转 的元素。同时&…

观察者模式(大话设计模式)C/C++版本

观察者模式 扩展&#xff1a;观察者模式——委托 C 参考&#xff1a;https://www.cnblogs.com/Galesaur-wcy/p/15905936.html #include <iostream> #include <list> #include <memory> #include <string> using namespace std;// Observer类 抽象观…

人工智能导论笔记

有关知识表示和推理的零碎知识点 人工智能导论复习题和概念-CSDN博客 机器学习篇 机器学习分类&#xff08;根据样本数据是否带有标签&#xff09;&#xff1a;监督的机器学习、无监督的机器学习、半监督学习。 监督学习又称为“有教师学习”。在监督学习中&#xff0c;模型…

MySQL 面试突击指南:核心知识点解析2

事务并发可能引发的问题 MySQL 是一个客户端/服务器架构的软件,对于同一个服务器来说,可以有多个客户端与之连接,每个客户端与服务器连接后,可以称为一个会话(Session)。每个客户端都可以在自己的会话中向服务器发出请求语句,一个请求语句可能是某个事务的一部分,也就…

什么是距离选通型水下三维激光扫描仪?(下)

距离选通激光水下成像的发展 距离选通激光成像技术始于上世纪60年代&#xff0c;受制于高性能脉冲激光器和选通成像器件发展的制约&#xff0c;激光距离选通成像技术在随后的二十年发展缓慢&#xff0c;直到20世纪90年代&#xff0c;随着硬件技术的不断成熟&#xff0c;该技术…

Prompt 提示词工程:翻译提示

近期在对计算机学习时&#xff0c;许多内容需要看原始的英文论文&#xff0c;对于我这种学渣来说特别不友好&#xff0c;&#x1f937;&#x1f3fb;‍♀️无奈只能一边看翻译&#xff0c;一边学习。 之前有搜到过专门的翻译工具&#xff0c;无奈都是按照字数算费用的&#xf…

【FreeRTOS】删除任务 用遥控器控制音乐

参考《FreeRTOS入门与工程实践(基于DshanMCU-103).pdf》 学习视频&#xff1a;【FreeRTOS入门与工程实践 --由浅入深带你学习FreeRTOS&#xff08;FreeRTOS教程 基于STM32&#xff0c;以实际项目为导向&#xff09;】 【精准空降到 01:22】 https://www.bilibili.com/video/BV1…

模拟原神圣遗物系统-小森设计项目,设计圣遗物词条基类

项目分析 首先需要理解圣遗物的方方面面 比如说圣遗物主词条部分和副词条部分都有那些特点 稍等一会&#xff1a;原神&#xff0c;启动&#xff01; 在此说明了什么&#xff1f; 这是完全体 &#xff1a;主副 词条都有 如果 升级直接暴击率 那么就留点 或者是另外的元素充能 …

关于笔记本电脑连接电源时触摸板失灵、卡顿、乱飘的问题

目录 前言 问题原因 解决方法 前言 我查阅了相关的资料和方法如下&#xff08;很感谢这位楼主大佬提供的问题所在&#xff09;&#xff1a; 问题原因 解决方法 那么解决方法无非就是几种&#xff08;方法仅供参考&#xff0c;不排除一些危险性&#xff09;&#xff1a; 1…

“论面向对象的建模及应用”必过范文,软考高级,系统架构设计师论文

论文真题 软件系统建模是软件开发中的重要环节,通过构建软件系统模型可以帮助系统开发人员理解系统,抽取业务过程和管理系统的复杂性,也可以方便各类人员之间的交流。软件系统建模是在系统需求分析和系统实现之间架起的一座桥梁,系统开发人员按照软件系统模型开发出符合设…

【人工智能】—XGBoost算法在构建互联网防火墙异常行为识别模型应用案例

摘要&#xff1a; 近年来&#xff0c;各地党委、政府加快推进新型工业化&#xff0c;部署实施制造强市战略&#xff0c;提出工业企业“智改数转”是推动全市工业经济稳增长的重要引擎&#xff0c;更是稳增长、促发展的重要抓手。今天博主就以互联网防火墙异常行为识别为例给大家…