深夜重磅，全球首个混合推理模型发布，Claude 能“思考”了

作为Claude有史以来最智能的模型，它采用混合推理方式，既能快速生成响应，也能进行深入的逐步推理。

一个模型，两种思考模式。

此外，Anthropic还发布了一款智能编程工具——ClaudeCode。

官方表示，Claude3.7Sonnet和ClaudeCode标志着AI迈向真正增强人类能力的重要一步，不仅能深入推理、独立执行任务，还能高效协作，让AI在现实世界中发挥更大价值。

太长不看，省流版如下：

Claude3.7Sonnet：全球首款双模式混合推理模型，标准模式快速响应，扩展思考模式进行深度自我反思，在数学、物理和编程等复杂任务上表现卓越，注重实用导向，不必要拒绝减少45%，强化代码协作能力；

ClaudeCode：直接在终端理解并操作代码库，能一次完成需45分钟以上的人工编程任务，专长于测试驱动开发、复杂调试和大规模代码重构，全面支持代码编辑、测试执行等核心开发流程。

全球首款混合推理模型发布，你的Claude会思考了

新发布的Claude3.7Sonnet不仅引入了详细的逐步推理，而且也公开了“思考”过程。感谢DeepSeek的内卷，推动了行业透明度的提升。

就像人类用同一个大脑既能快速反应，又能深入思考一样，Anthropic同样认为推理能力不应依赖于单独的模型。

最好是，一个模型搞定所有场景。

用户可以自由选择是让Claude3.7Sonnet快速作答，还是让其进行更长时间的深度思考。

在标准模式下，它是Claude3.5Sonnet的升级版；切换到扩展思考（ExtendedThinking）模式（可简单理解为推理），它会在回答前进行自我反思，大幅提升在数学、物理、指令理解和编程等复杂任务上的表现。

从基准测试结果来看，Claude3.7Sonnet（扩展思维版）适用于强逻辑推理和数学任务，而Grok3Beta和DeepSeekR1则在特定任务（推理、数学竞赛）上表现更佳。

DeepSeekR1在数学解题能力（97.3%）方面最强，同时在其他任务上也有不错的表现。

在推理模型的优化过程中，Anthropic减少了对数学和计算机科学竞赛问题的侧重，更专注于满足企业对LLM的实际应用需求。

在评估AI解决真实软件问题能力的SWE-benchVerified基准测试中，Claude3.7Sonnet达到了行业领先水平。同时，该模型在TAU-bench测试中也表现不错，拳打旧版本，脚踢OpenAIo1。

值得一提的是，Claude3.7Sonnet在Anthropic内部的Pokémon游戏测试中超越了所有前代模型，展现了更强的决策与规划能力。

该模型现已适用于所有Claude订阅计划，包括免费版、专业版、团队版和企业版，同时也可通过AnthropicAPI、AmazonBedrock和GoogleCloud的VertexAI访问。

值得注意的是，除免费版外，所有平台均支持扩展思考模式（ExtendedThinkingMode）。

当通过API使用Claude3.7Sonnet时，你还可以告诉Claude思考不超过N个token。对于任何N值，其输出限制为128K个token。

无论使用哪种模式，定价与前代模型保持一致。输入100万个token收费3美元，输出100万个token（包括思考过程中使用的token）收费15美元。

一直以来，Claude的编程能力都挺拿得出手，也因此成为许多开发者的首选模型，现在，新发布的Claude3.7Sonnet进一步放大了这个优势。

Cursor、Cognition、Vercel、Replit和Canva等公司均确认该模型在处理复杂代码库、高级工具使用、代码修改规划和全栈更新处理等方面表现出色。

为了优化用户体验，GitHub集成功能已向所有订阅计划开放，开发者可以直接将代码库连接到Claude，实现更高效的协作。

无论是修复Bug、开发新功能还是完善文档，Claude3.7Sonnet都能为个人项目和企业级GitHub代码库提供更好的支持。

在安全性方面，通过与外部专家合作，相比前代模型，Claude3.7Sonnet据说能更准确地区分恶意请求和正常请求，不必要的拒绝减少了45%，能够提供更流畅的交互体验。

截取自Claude3.7Sonnet系统卡

代码写到一半想放弃？试试把复杂问题甩给ClaudeCode

Anthropic还推出了一款智能编程工具——ClaudeCode，目前仅作为研究预览版限量开放。

代码写到一半想放弃？开发者可以直接在终端中将这些复杂问题交给ClaudeCode处理。

ClaudeCode是一个主动协作的AI编程助手，能够搜索和阅读代码、编辑文件、编写并运行测试、提交和推送代码到GitHub，以及使用命令行工具等。

据Anthropic官方介绍，在早期测试中，ClaudeCode能一次性完成通常需要45分钟以上的人工任务，特别是在测试驱动开发（TDD）、调试复杂问题和大规模重构方面表现突出。

ClaudeCode能够直接理解开发者的代码库，并通过自然语言命令帮助用户更高效地编码。它可以无缝集成到开发环境中，无需额外的服务器或复杂的配置，极大地简化了工作流程。

其核心功能包括编辑文件、修复Bug、回答关于代码架构和逻辑的问题、执行测试、修复测试错误、进行代码格式检查，以及搜索Git历史记录、解决合并冲突、创建提交和拉取请求等。

Anthropic表示，在接下来的几周内，他们计划持续优化ClaudeCode，重点改进包括提升工具调用的稳定性、支持长时间运行的命令、改进应用内的渲染效果，以及增强Claude对自身能力的理解。

这次发布预览研究版本也是希望深入了解开发者如何使用Claude进行编程，从而为进一步优化未来的模型版本提供参考。

感兴趣的开发者在官方网站查看相关事项，指路：https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/overview

AI发展速度太快，连起名都跟不上了？

X网友倒是用上了，不过注意点有点偏差，一年前编写的越狱提示词还能用上。

询问strawberry里有多少个r，ClaudeSonnet3.7虽然答错了，但官方似乎特意给这个问题里埋了一个彩蛋。不得不说，官方是懂怎么玩梗的。

知名博主@rowancheung提前用上了Claude3.7Sonnet，并盛赞该模型为世界上最好的编码AI模型，在接收到一个简单的指令后，就生成了一个类似Minecraft的游戏，并且可即刻运行。

耗费的推理Token越多，Claude3.7Sonnet绘制的“彩虹独角兽”效果越好。

我们也简单上手体验了一下Claude3.7Sonnet。

烧一根不均匀的绳要用一个小时，如何用它来判断半个小时？烧一根不均匀的绳，从头烧到尾总共需要一个小时。现在有若干条材质相同的绳子，问如何用烧绳的方法来计时一个小时十五分钟呢?

一道简单的推理题，差点把Claude3.7Sonnet的CPU干烧了。

相信你已经注意到，与DeepSeekR1展示的思考过程相比，Claude3.7Sonnet公开的思考过程相对客观、缺乏个性化表达。

然而，这是有意为之的设计。

Anthropic没有对模型的思维过程进行标准角色训练，而是希望给予Claude最大自由度进行自主思考，但就像人类思维一样，这可能包含不完全正确或尚未成熟的想法。

并且，Anthropic认为所谓“思考”过程不一定真实反映了AI的内部决策逻辑，因此，Anthropic未来将基于用户反馈和研究决定是否继续公开Claude的思维链。

有趣的是，我们之前提到过，随着各家新模型的相继发布，各类版本号和命名规则也是让人眼花缭乱。

去年当OpenAICEOSamAltman被问及公司产品的命名策略时，他也坦言相当头疼。AnthropicCEOAmodei曾表示，虽然Claude的命名方式在早期看起来不错，但随着模型的快速迭代和更新，沿用的命名体系同样变得捉襟见肘。

他指出，目前没有任何AI公司真正“搞定命名”这一问题，大家都在努力寻找更简单、更清晰的命名方式。这或许是AI巨头们少有达成的共识。

Anthropic首席产品官MikeKrieger今天也在X平台公布了Claude3.7Sonnet的幕后命名花絮。内心的纠结过程大概是这样