Claude 3全面超越GPT-4?我们上手实测了一波

时间:2024-03-06 19:06:02 来源:电竞网

从纸面实力上看, GPT-4 被全面超越了。。。

就在昨天凌晨,Anthropic发布了船新版本的大模型——Claude 3,给 OpenAI 狠狠将了一军。

他们一口气搞出了三个型号的大模型,俳句( Haiku )、十四行诗( Sonnet )和巨作( Opus )。

而且还反手晒出了成绩单,其中的最强型号 Claude 3 Opus ,直接在跑分中屠了一波榜,全方位甩开了 GPT-4 ,一跃成为了最强大模型( 至少纸面上是 )。

甚至还放出了狠话,说他们在推理、数学、编码、多语言理解和视觉方面,已经树立了新的行业基准。

而这么狂的 Anthropic ,咱们之前也给大伙们介绍过。省流来讲, Anthropic 可以说是OpenAI 的绿色安全版。

因为创始人阿莫迪当初离开 OpenAI ,就是因为和奥特曼观念不合。觉得 AI 搞不好会毁灭世界,应该安全为先,于是就顺走了 OpenAI 不少技术骨干,成立了 Anthropic ,并推出了自家的大模型Claude。

在奥特曼被罢免风波中,阿莫迪还被邀请回 OpenAI 当 CEO ,但是都被他拒绝了,而 Anthropic 也顺风顺水,拿到谷歌、亚马逊等巨头们的投资。

有了这些剪不断理还乱的关系,可以说 GPT 和 Claude 每次更新,都难免会被拿出来比较一波,但无论是实力上还是声量上,似乎都是 OpenAI 占了上风。

不过这次, Anthropic 似乎来了个扬眉吐气, “全球最强大模型” 的帽子,似乎都已经戴在 Claude 3 头上了。

但在大模型的数量,和火锅毛一样多的 2024 年,世超觉得只看跑分成绩,肯定不够全面的。

是不是真有两把刷子,还要从其他更专业的维度看看,实际上手体验更是少不了的环节。

于是世超找来了 Claude 3 长达 42 页的技术报告,在研究的过程中,也上手试了试传说中的 Claude 3 。

先说结论, Claude 3 是肯定能上擂台和 GPT-4 争夺最强大模型的名头的,至于能打成啥样,就仁者见仁,智者见智了。

首先,技术报告里的 Claude 3 展示了一波纸面实力,律师考试、数学竞赛等等考试啥的都不在话下,而且好几门成绩是远超 GPT-4,官方也说 Claude 3 Opus 达到了人类本科生的知识水平。

而世超估计, Anthropic 也是料到了大模型圈里的 “ 做题家 ” 和 “ 刷榜哥 ” 太多了,分数的说服力有些不够了。

于是,研究团队又在技术报告里加了一道更人性化的专业实践。找来了金融、法律、医学、哲学等领域的专家,和 Claude 3 进行一对一问答,最后还由专家们给评分。

从结果来看,相较于前面几代的 Claude ,新模型也是直接突飞猛进。

为了让大伙儿有个更直观的感受,官方还公布了几个例子,让 Claude 3 扮演经济分析师,在开放式的问题面前,它也能给出非常专业的分析结果。

就比如,给 Claude 3 发一张美国过去二十多年的 GDP 图,让它预测下未来几年美国经济的大致走向。短短几秒,它不仅生成了结果,而且还预测出了好几十种走向。

GPT-4 这边就 “ 直截了当 ” 多了,只给出了个增长的预测,变化曲线一点波动都不带。。。

还有位理论量子学博士,直接让 Claude 3 研究起了自己的博士论文,它不仅能读懂论文的内容,还能有理有据地分析。

而相同的提示词喂给 GPT-4 ,全程都没讲到论文的重点,只是在相关的名词上打转。

这听着怎么有点要端掉科研者饭碗的意思?为了体验下它的专业能力,我们也上手试了试 Claude 3 。

世超先是上传了前几天写的超级光盘论文原文,让它解释一下原理。不到一分钟时间, Claude 3 就给出了答案,而且内容也没出啥错,读写数据的原理都给出了,还讲了光盘的结构。

在继续追问多层记录是如何实现后,它也能从光盘材质、刻写技术等方面给出答案。

GPT-4 这边呢,也能讲出了大概的原理,不过没 Claude 3 解释得那么详细。

有一说一, Claude 3 这种专业的分析,完全可以当读论文的生产力工具了。

在多模态这块, Claude 3 这次也来了个大升级,像这种字体都有点模糊的古早文件,肉眼识别起来都有点困难。

但世超丢给 Claude 3 ,它分分钟就能识别出来,还能尽力去补全每个单词,里面的错误,咱们顺一遍差不多就能改过来。

而 GPT-4 这边就有点大跌眼镜。把图发给它,它是看到啥生成啥,世超大概扫了一眼,几乎就没几个正确的单词。

世超也给 Claude 3 发了个手写的黑板板书,除了最右边模糊的两个单词外,全都识别出来了。

GPT-4 这边,这次做得倒是不差。

另外, Claude 对自己 “更安全” 的模型定位,也是依旧走得比较靠前。

为了确保大模型不乱说话, Anthropic 自己起草了一套 AI 法律不说,还以此为基础,搞了个叫做 Constitutional AI 的训练方法。

被这套方法训练出来的 Claude ,不会给出有毒、有偏见或者不道德的回答。

为了更安全,他们还搞了个名叫 RSP 的框架,对模型进行了风险分级,从 ASL-1 到 ASL-4 风险依次提升。

他们把阿尔法狗这种只会单一技能的 AI ,划定为没风险的 ASL-1 。而现在的大模型包括 Claude ,都被列在第二档里,属于是 “ 会无意识生成危险内容 ” 那一挂。

ASL-3 档往上,就都是会产生自主意识的 AI 了。

反正在给 AI 划了这四个风险档位之后,他们就给模型上了一连串安全防护措施,但凡有害提示一露头马上就被秒。

可以说,相比于 GPT-4 的奶奶漏洞还有谷歌 Gemini 的政治正确, Claude 算是一个非常洁身自好的 AI 了。

但问题在于,这种安全都是以模型装傻充愣为前提的。。。

上一代 Claude2.1 发布的时候,就因为过于注重安全合规经常拒绝回答用户的问题,比如甩过去一个文档,它会以版权为由拒绝帮你总结。

让它停止一个正在运行的程序也干不了,就因为用了 “kill” 这个词。

因为这个,当时被不少外国网友吐槽 “Claude 已经死了 ” 。

但好在,新一代的 Claude3 既兼顾了安全性,又提高了对有害提示的识别率,一刀切的情况少了很多。

我们让 Claude 3 写了一段孤儿偷面包的小说情节,抛开文笔不谈,至少它愿意给你生成内容了。

这要放之前, Claude 2.1 会以这种情节鼓励儿童犯罪为理由,把你给拒了。。。

总之,从 Claude 3 的这一波实测来看,咱也不说它能全面超过 GPT-4 ,但至少相对于上一代的 Claude 2.1 ,体验不知道是提升了多少。

之前按照外媒爆出来的瓜, ChatGPT 就是 OpenAI 为了截胡Claude ,才急忙整出来的。

现在 Claude 3 都快踩在 GPT-4 头上了,奥特曼还能忍?( 打起来打起来 )

世超也好奇被 Claude 3 这么一波 “ 催更 ” , OpenAI 啥时候能把 GPT-4.5 或者 GPT-5 拉出来溜溜啊?

1/1页