Claude 3.5 Haik 模型发布
刚刚,Anthropic 宣布推出Claude 3.5 Haiku模型,并对 Claude 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。
Claude 模拟人类的电脑交互
- 屏幕查看:AI 能够“查看”计算机屏幕上的内容,识别界面元素,并根据指令进行交互。
- 光标移动:Claude 3.5 能够模拟光标移动,准确定位目标区域,模仿人类在界面上的操作。
- 点击按钮:模拟鼠标点击,执行界面上的按钮操作,推动任务的进一步完成。
- 输入文本:AI 可以在文本框中输入数据,支持表单填写、文档编辑等任务。
自动化复杂的多步骤任务
- 任务自动化:AI 可自动执行多个步骤的复杂任务,如填写在线表格、数据检索、提交报告等,减少人工操作时间。
- 多步骤导航:能够在计算机界面上导航,通过切换窗口、打开菜单、选择选项等完成多步骤任务。
指令翻译与执行
- 指令翻译:开发者可以给 AI 发出高层次的指令,例如“用电脑上的数据填写表格”,Claude 3.5 能够将这些指令翻译成具体的电脑操作步骤。
- 基于 UI 的工作流:不仅可执行单步操作,还可在用户界面中基于任务要求实现多步骤的工作流。
Claude 3.5 Sonnet 改进
- 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。
Claude 3.5 Sonnet 更强的编程能力
-
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。
Claude 3.5 Sonnet 适用更多开发环境
-
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 正式发布
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)。
Claude 3.5 Haiku 主要功能与优势
- 高速度与低延迟: 该模型在响应速度上更快,保持高效的指令跟随能力,适合各种实时应用场景。
- 指令跟随的改进: 能够准确理解和执行复杂任务,包括编程、工具使用等,这使得它在多步骤任务中的表现尤为出色。
- 适合多场景的应用: 无论是用于专门的子代理任务、用户界面任务,还是需要处理大量个性化数据的场景,Claude 3.5 Haiku 都表现出色。
Claude 3.5 Haiku 将在本月晚些时候上线,用户可以通过 Anthropic 的 API 、Amazon Bedrock 和 Google Cloud 的 Vertex AI 访问该模型。
初期版本将仅支持文本输入,未来会加入图像输入功能,进一步扩展其应用范围。
Claude 3.5 Haiku 模型发布! Claude 3.5 Sonnet 重大升级