Claude 3.5 Haiku 模型发布！ Claude 3.5 Sonnet 重大升级，可操作计算机

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 489 天前的主题，其中的信息可能已经有所发展或是发生改变。

Claude 3.5 Haik 模型发布

刚刚，Anthropic 宣布推出Claude 3.5 HaikuClaude 3.5 Sonnet 进行升级，同时推出了公测版的 computer use 功能，教 AI 像人一样操作计算。

也就是 Claude 能够模仿人类的方式使用电脑，它可以自主查看屏幕、移动光标、点击按钮、输入文本等。还能够自动化执行多个步骤的复杂任务，如填写在线表格、搜索数据、提交报告等，从而大幅减少人工操作时间。

Claude 3.5 能够在计算机界面上导航，通过切换窗口、打开菜单、选择选项等操作，完成多步骤的任务。

开发者可以利用这项功能自动化重复任务、开发和测试软件、进行开放式任务（如研究），甚至在复杂的应用场景中进行交互。

自动化复杂的多步骤任务

指令翻译与执行

该版本在多项行业基准测试中表现优异，尤其在编程和工具使用任务上有显著提升。
在编程测试（ SWE-bench Verified ）中表现提高到 49%，在零售领域的工具使用测试（ TAU-bench ）中提升至 69.2%，航空领域则达到了 46%。
新版 Sonnet 与其前代版本保持相同的价格和速度，并在多步开发过程中提高了推理和编程能力。

显著提升编程任务性能：
- Claude 3.5 Sonnet 在 SWE-bench Verified 编程测试中的得分从 33.4% 提高到 49.0%，表现优于所有其他公开可用的模型（包括 OpenAI 的 o1-preview 和专用的编程模型）。
更好的推理与工具使用：
- 在零售领域的 TAU-bench 工具使用测试中得分从 62.6% 提升到 69.2%；在航空领域的挑战性更大的测试中，从 36.0% 提升到 46.0%。
改进的多步任务处理：
- 新版 Sonnet 在 DevSecOps （开发与安全操作）任务中表现更优，有高达 10% 的推理能力提升，且保持与前代相同的响应速度。

高效编程：
- Claude 3.5 Sonnet 在多步软件开发过程中表现更优，对 AI 代理、工具使用和自动化任务等应用更具优势。
企业合作测试：
- 经过美国和英国 AI 安全研究所的联合预部署测试，确保在关键场景下的性能稳定性与安全性。
用于 DevSecOps 和自主 AI 评估：
- 例如，GitLab 在测试中发现该模型在 DevSecOps 任务上推理更准确，Cognition 公司则利用其在编码、规划和问题解决方面的提升，用于自动 AI 评估。

Claude 3.5 Haiku 是速度最快的新一代模型，在多项测试中超越了上一代的 Claude 3 Opus ，同时保持了低延迟和高指令跟随能力。该模型适用于用户界面任务、个性化体验生成等需求。

Claude 3.5 Haiku 是目前速度最快的模型，同时在多项智能基准测试中表现超越了 Claude 3 Opus 。
在编程测试（ SWE-bench Verified ）中，Claude 3.5 Haiku 的得分为 40.6%，超过许多其他先进模型（如原版 Claude 3.5 Sonnet 和 GPT-4o ）。
该模型在低延迟、跟随指令的准确性以及工具使用的精确度方面都有显著提升。
特别适用于用户界面任务、个性化体验生成和大规模数据处理（如购买记录、定价或库存记录）。