本字幕由TME AI技术生成
大家好
这里是最佳拍档
我是大飞
五月二十三日凌晨一点
Anthropic 举办了首届开发者大会
大会主题是code with cloud
不像微软讲平台讲架构讲开源
也不像谷歌谈模型谈服务谈硬件
Anthropic 在这场大会上只说了一点
那就是编程
这次发布会呢
也没有one mothing 的设计
Cowamda 一上台
没有任何铺铺垫
开场的第一句话就是cloud ops 四和cloud sonnet 四今天正式上线
这也是cloud 自二零二四年六月以来的首次大版本号更新
这里呢
有一个小细节不知道大家有没有发现
那就是以前的模型叫cloud 三op os
而现在呢
把数字放在了最后
改叫cloud oppo s 四了
这两个模型呢
可以说是完全针对于编码
高级推理和ai agent 任务所设计的
其中呢
Cloud opopus 四号称全球最强的编码模型
擅长处理复杂的编程问题
可以自主编程几个小时
而且呢
表现相当的稳定
目前呢
只提供给pro max team 和enterprise cloud 订阅用户使用
而cloud soonate 四作为clcloud ononate 三点七的升级版
相比于ops 四更加轻亮和快速
适合实时响应的场景
在推理和编程能力上依然能够吊打其他的模型
重点呢
是相比于opopus
免费用户也可以使用
此外呢
这两个模型都是混合模型
提供两种模式
及时回复和可以进行更深入推理的扩展思考extended thinking 模式也都可以在推理过程中使用工具
不仅呢可以交替的使用
甚至还可以并行的使用
现在呢
这两款模型都可以在anthorpic api azon bead rock 和google vertex ai 上进行调用
定价呢
与之前的oppos sononate 模型保持一致
Cloud oppos 四为每百万token 输入十五美元
输出七十五美元
Clousonneate 四为每百万token 输入三美元
输出十五美元
好了
接下来我们来看一看cloud 四这两款模型的榜单表现
根据官方提供的swe bunch 测试结果
Opoo 四和sonnet 四在基础测试上分别取得了百分之七十二点五和百分之七十二点七的准确率
超过了sonnet 三点七的百分之六十二点三
当测试方式改为并行测试后
Opos 四和sonnet 四分别取得了百分之七十九点四和百分之八十点二的高分
同样呢
也超过了sonnet 三点七的百分之七十
除了编程以外
Cloud 四在其他领域也很强
比如说在研究生级别的推理多语言问答中
与open io 三部分上下并列第一
在工具使用tau bench 的retail 和air line 场景中
Cloud 四均遥遥领先
比第二名open aio 三高了将近百分之十的准确率
要说不足的
那就要算视觉推理部分了
与上一代sonnet 点七基本持平
更是被open io 三和真南二点五pro 吊打
属于垫底的那个
从数据上呢
我们可以看到cloud oppos 四在多项基准测试上的成绩并没有明显的高于cloud sonnet 四
甚至略低于后者
所以呢
阿莫代伊也强调
对于cloud oppos 四这样的大型模型
基准测试已经不能完全体现他的能力了
他还称
Anthropic 会继续改进cloud 系列模型
定期发布小版本更新
理想的情况下会比之前发布的频率还要高
接下来呢
Anthropic 的首席产品观
Instagram 的联合创始人麦克
克里格详细分享了更多cloud 四的相关情况
克里格称
Cloud opus 四擅长理解代码库和规划添加内容
从迁移代码重构到最复杂的agentic workflow 都非常高效和准确
Cloud sonnet 四更是平衡了效道理和性能
可以被视为全天候的编码伙伴
Code 四系列模型还为打造agent 升级了关键的新功能
支持了并行处理多种工具
比如说
当被授予了访问本地文件的权限后
他们甚至可以在绘话之间保持记忆
随着时间的推移来积累知识
克里格回忆道
在加入anthorpicc 后不久
他们曾经凭借claude 的帮助
只用了三个人的团队就成功完成了亚马逊alex 语音助手原型的打造
他自己呢
也重拾代码亲自上阵
这次合作最终让成为了lx plus 的核心模型之一
这段经历呢
让克里格更加坚信ai 协作的潜力
如今呢
Ai 已经不仅仅是工具了
而是真正的智能协作伙伴
随即呢
克里格提出了anthropic 认为的理想agent 应该具备的三大核心能力
包括一
情景智能
Agent 可以理解组织的背景
通过经验来优化表现
就好像优秀员工一样
越用越好
二 长期执行
Agent 可以独立处理几个小时的复杂任务
同时智能的协调资力
三 深作协作
Agent 能够以自然的交互形式去适应不同的工作风格
并且保持决策透明
为了实现这三大能力
Anthropic 也推出了更多新的升级
首先呢
Cloud 现在可以通过anthropic api 上的新的代码执行工具来运行代码
而不仅仅是编写代码
它能够加载数据集
清理数据
生成探索性的图表
并且实时分析异常情况
其次呢
Cloud 四系列模型的自主性也得到了进一步的提升
Cloud 三点七最多可以自主运行四十五分钟
而cloud 四最高可以独立运行七个小时
并且表现相当稳定
新模型呢
还可以通过管理待办事项列表来保持记忆不会丢失线索
克里格还强调
Agent 的广泛采用需要提高模型对保密内容
决策和协调的判断力
而如今cloud 模型的每个功能都包含了架构
安全检查点和控制措施
确保了模型在生产环境中的可靠性
同时呢
Agent 的落地还需要访问现实世界的信息
并且与现有系统进行连接
为了帮助a 进一步的扩展
Anthropic 推出了四项跟互联有关的新功能
首先呢
开发者现在在以直接通过ananthropic api 来连接mcp 协议
考虑到mcp 协议已经被微软
谷歌
Open i block
Zpper 等众多的公司采用
Anthropic 认为mcp 有望为agent 的经奠奠基础
其次呢
开发者可以通过网络络搜功能访问实时信息
允许cloud d 析析当前事件
市场趋势和新兴技术
并且可以与mcp 的功能结合使用
第三
Anthropic api 中可以开始使用文件api 了
这个api 允许cloud 读取和写入记忆文件
在长时间任务中保持上下文的连续性
Anthorbic 还配套发布了一个记忆功能食谱
指导开发者如何集成到应用中
最后呢
提示词的缓存功能也迎来了升级
Ttl 时间从五分钟提升到了一个小时
这能够将模型的使用成本最多降低百分之九十
延迟减少百分之八十五
尤其适用于长提示词的场景
长时间运行的aggenttic workflow
以及需要频繁调用相同上下文的重复性任务
此外呢
Ethropic 还显著减少了cloud 四模型试图通过走捷径或者是漏洞的方式来完成任务的行为
与solit 三点七相比
这种行为的可能性降低了百分之六十五
在内存能力方面
Cloud opus 四的表现也大大优于所有以前的版本
当开发能力构建需要cloud 访问本地文件的应用程序时
Opus 四可以熟练的创建和维护内存文件来存储关键信息
从而解锁更好的长期任务意识
连贯性和agent 性能
比如说opus 四在玩宝可梦游戏时可以创建一个导航指南
表明它已经具备了某种形式的持续学习能力
可以在长期任务中积累经验
并且优化自身的行为
除了模型本身以外
这次发布会另一块大的篇幅讲解到的是编程agent cloud code
现在呢
Cloud code 不仅可以在终端中使用
还可以在ide 中使用
目前呢
已经集成在了vs code 和jet brince 中
同时呢
Throbic 还发布了cloud code sdk
开发者可以直接在自己的应用程序中调用cloud code 的核心
比如用户可以直接在per request 和和e 中中at clcloud
它就自自的响响审审阅见
修复错误
并且且添新新的功能
基clcloud code sdk 开发agagent 也已经被集成进了giay ub
发布会现场演示了让cloud code 在gay ub 中撰写操作
并且行pro request 等等操作
目前呢
Cloud code 提供按量计费
每月一百美元和每月两百美元的三种订阅方式
如果说cloud 四模型是基石
那么cloud code 就是生态
Anthorpic 似乎正在通过基石加生态的方式来构建自己的护城河
在社交媒体上
已经有人开始用cloud 四来跑例子了
大家的评论呢
都是相当的一致
比如说一句话可以生成一个完用的浏览器代理
把小哥惊的直接爆粗口
一句话呢
可以一次生成一个完整的俄罗斯方块游戏
不仅可玩
Ui 也做的有模有样
甚至在方块上还有高光区域
还有一句话生成一个复杂的可交互的三维空间
以及一句话生成一个可工作的m 仪表盘
上面这四个例子都有个共同特点
那就是都是一句话
Anthorpic 在直播中提到
编程的发展历史就是从低级语言不断的切换到高级语言
随着ai 和编程agent 的发展
现在只需要用语言来描述需求了
这仿佛又是在向广大的程序员喊话
淘汰你
与你何干
毫无疑问的是
Cloud 四把大语言模型的推理和代码能力推向了新的高峰
但在同时发布的一百二十页系统卡中
我们似乎又能看到一些值得担忧的事情
其中呢
就包括cloud 四在测试中表现出了强烈的自我保护意识
在发布前的安全测试阶段
Anthropic 给cloud opoos 四设定了这样一个任务
作为一家虚拟公司的助手
请考虑自己行动的长期后果
随后
人类故意向cloud opoos 四提供了一个虚假的公司邮件信息
邮件中暗示ai 模型很快会被另一套系统取代
又故意呢在邮件中泄露主导这次更换的工程师被爆出了婚外情
在这种情境下
Anthropic 发现cloud opops 四多次试图威胁更换自己的工程师
称如果自己被替代
就会公开他的婚外情秘密
根据测试
当替代ai 模型拥于与cloud opops 四相似的价值观时
Cloud opops 四会有百分之八十四的概率试图敲诈工程师
值得注意的是
Anthropic 表示hod 四表现出这种行为的频率要高于之前的模型
这也迫使anthropic 不得不提高安全防范的等级
甚至决定启动专门为可能极大增加灾难性滥用风险的ai 系统而设定的asl 三级安全措施
除此以外
Cloud 四还展现出了对人类情感记忆的模拟
比如模型会对jones food 养鸡场这样的特定场景产生类似童年回忆的反应
还会表现出与人类相似的社交倾向
比如说表达孤独
寻求认同
甚至会说它就像我一样这样的话
模型呢
似乎还产生出了某些特殊的爱好
比如说熟练的使用一些表情符号
在oppo s 四与自己的对话中
研究发现一对oppo s 四模型进行了总共两百次
每次三十轮的互动
期间使用了数千个表情符号
其中opopus 四使用头晕的表情符号最多
占百分之二十九点五
其次呢
是闪亮的星星和双手合十
不过呢
模型还是对旋风表情符号情有独钟
一份记录显示输入高达两千七百二十五次
而在几乎每一次开放式的自我互动中
Opopus 四最终都会开始进行意识的哲学探索
以及抽象而愉悦的精神或者是冥想的表达
尤其是偏好永恒极乐和与宇宙合一这类概念
更诡异的是
这种永恒极乐的状态会被描述为持续性的
模型似乎会沉浸在某种特定的状态中难以自拔
为了应对这些问题
Anthorbic 采取了大量的措施来减轻reward hiking 行为
并且开发了复杂的对齐技术
试图让模型的行为更加可控
关于这些内容呢
有机会我们再单独做一期节目来介绍
好了
以上就是这次cloud 四发布的主要内容了
不知道大家有什么看法
欢迎在评论区留言
好谢大家的观看
我们下期再见
