Anthropic于昨日首次推出“混合推理模型”Claude 3.7 Sonnet。该模型在数学和编程等复杂问题处理上表现优于前代，其核心定义为单一模型兼具实时响应与深度思考能力。
不同于OpenAI、DeepSeek等厂商单独发布推理模型的趋势，Anthropic产品研究负责人Dianne Penn表示，公司旨在简化模型使用流程。Anthropic认为推理并非独立功能，而是应无缝整合到基础模型中的人工智能特性，正如其博客所述：
我们认为，推理不应被视为由独立模型提供的功能，而应作为一种能力，无缝整合到具备其他能力的边界模型中。这类似于人类并不拥有两个独立的大脑来分别处理可立即回答的问题和需要深思熟虑的问题。
这一策略也与OpenAI近期路线图吻合。Sam Altman在上周发布的帖子中表示，希望优化产品组合并回归统一智能。
Claude 3.7 Sonnet 详细信息
据Dianne Penn介绍，Claude 3.7 Sonnet在代理编程、金融及法律任务中性能显著提升。
在衡量现实世界编码任务的SWE-Bench测试中，Claude 3.7 Sonnet正确率达62.3%，高于OpenAI o3-mini的49.3%；在评估AI与模拟用户及外部API交互能力的TAU-Bench测试中，Claude 3.7 Sonnet得分81.2%，优于OpenAI o1的73.5%。
尽管目前暂不支持网络搜索，但3.7版本知识库已更新至2024年10月。用户可选择是否启用“推理”能力，开发者还可通过scratchpad（思维链）引导模型思考方式并设定响应时间。
Penn透露，Anthropic员工利用新模型构建前端网站设计和互动游戏，在编码任务上通过创建测试集并迭代调整场景，单次耗时可达45分钟。
基于 Pokémon 游戏的评估
通过将模型API与模式验证结合，公司在GBA经典游戏《Pokémon Red》中测试了模型推进能力。相比3.5版本无法离开真新镇，3.7版本成功击败多位道馆馆主。Anthropic指出，仅到达最后一位馆主Surge便执行了35,000次动作，具体计算量及耗时尚未公开。
定价与访问渠道
Claude 3.7 Sonnet将于周一在Claude应用上线，并通过Anthropic API、Amazon Bedrock及Google Cloud Vertex AI向开发者开放。
该模型定价与前代3.5 Sonnet一致：每百万输入token 3美元，输出token 15美元。相较于OpenAI o3-mini（输入$1.10/输出$4.40）和DeepSeek R1（输入$0.55/输出$2.19），价格较高，差异主要源于其混合模型架构。
Claude Code
除新模型外，Anthropic还推出了面向代理编程的命令行工具Claude Code（有限研究预览）。该工具被定义为能搜索阅读代码、编辑文件、编写运行测试、提交GitHub及使用命令行的活跃助手。
演示显示，开发者可用自然语言指令（如“解释此项目结构”）分析项目、修改代码库，工具不仅能说明更改内容，还能自动测试项目错误。
凭借Claude 3.7 Sonnet和Claude Code，一向稳健的Anthropic实现了显著突破。其在混合模型和统一人工智能领域的先行布局，折射出AI领域日益激烈的竞争态势。