Anthropic 发布 Claude 3.7 Sonnet 模型,向 OpenAI、DeepSeek 及整个 AI 行业发出警示。这个新模型让用户能够前所未有地控制 AI 在生成响应前的"思考"时间。此次发布同时伴随着命令行 AI 编程助手 Claude Code 的推出,标志着 Anthropic 正积极进军企业级 AI 市场,这可能会重塑企业软件开发和工作自动化的方式。
当前形势紧迫。上个月,DeepSeek 推出的 AI 模型以远低于美国系统的成本实现了相当的性能,这一消息震惊科技界,导致英伟达股价下跌 17%,引发了对美国 AI 领导地位的担忧。如今,Anthropic 押注于对 AI 推理的精确控制,而不仅仅是原始速度或成本节约,以此获得竞争优势。
Anthropic 的研究产品管理负责人 Dianne Penn 在接受 VentureBeat 采访时表示:"我们认为推理是 AI 的核心组成部分,而不是需要额外付费才能使用的独立功能。就像人类一样,AI 应该能够同时处理快速响应和复杂思考。对于'现在几点了?'这样的简单问题,它应该立即回答。但对于复杂任务,比如规划一个为期两周的意大利旅行并考虑无麸质饮食需求,它需要更多的处理时间。"
基准测试数据支持 Anthropic 的雄心愿景。在扩展思考模式下,Claude 3.7 Sonnet 在研究生级别推理任务中达到 78.2% 的准确率,挑战 OpenAI 的最新模型并超越 DeepSeek-R1。
在实际应用中的指标更具说服力。该模型在零售导向的工具使用方面得分为 81.2%,在指令遵循方面显著提升 (93.2%) —— 这些都是竞争对手要么表现不佳,要么尚未公布结果的领域。
虽然 DeepSeek 和 OpenAI 在传统数学基准测试中领先,但 Claude 3.7 的统一方法证明,单一模型可以有效地在快速响应和深度分析之间切换,这可能让企业不再需要为不同类型的任务维护多个 AI 系统。
Anthropic 同时推出了 Claude Code,这是一个命令行工具,允许开发者将复杂的工程任务直接委托给 AI。该系统在提交代码更改前需要人工批准,体现了业界对负责任 AI 开发的日益关注。
Penn 还用一个意想不到的例子说明了 AI 能力的巨大进步:"我们一直让不同版本的 Claude 玩宝可梦...这个版本已经到达了枯叶市,抓到了多只宝可梦,甚至会刷级升级。它能针对对手选择合适的宝可梦对战。"
对企业客户来说,这可能意味着不必再维护多个用于不同任务的 AI 系统,而是部署一个更强大的统一解决方案。接下来的几个月将揭示 Anthropic 在统一 AI 推理上的押注是否会重塑企业市场,或仅仅成为行业快速发展中的又一次尝试。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。