Anthropic 首屆開發者大會：以程式碼打造 Claude 的未來
大家好，這裡是最佳拍檔，我是大飛。5 月 23 日凌晨一點，Anthropic 舉辦了首屆開發者大會，主題是「Code with Claude」。
大會重點：專注程式碼
這次大會不像微軟著重平台、架構和開源，也不像 Google 強調模型、服務和硬體。Anthropic 將焦點完全放在 程式碼 上。CEO Dario Amodei 開場就宣布 Claude Opus 4 和 Claude Sonnet 4 正式上線，這是 Claude 自 2024 年 6 月以來首次重大版本更新。值得注意的是，新模型名稱從「Claude 3 Opus」改為「Claude Opus 4」。
全新模型：Opus 4 與 Sonnet 4
-
Claude Opus 4: 號稱全球最強的編碼模型，擅長處理複雜的程式設計問題，可以自主編程數小時，且表現相當穩定。目前僅提供給 Pro、Max、Team 和 Enterprise Claude 訂閱用戶使用。
-
Claude Sonnet 4: 作為 Claude Sonnet 3.7 的升級版，更加輕量和快速，適合即時響應的場景。在推理和編程能力上依然出色，且免費用戶也可以使用。
這兩個模型都是混合模型，提供兩種模式：即時回覆和可以進行更深入推理的擴展思考 (extended thinking) 模式。它們都可以在推理過程中使用工具，不僅可以交替進行，甚至可以平行使用。目前，這兩款模型都可以在 Anthropic API、Amazon Bedrock 和 Google Vertex AI 上進行調用，定價與之前的 Opus 和 Sonnet 模型保持一致。Claude Opus 4 為每百萬 token 輸入 15 美元，輸出 75 美元；Claude Sonnet 4 為每百萬 token 輸入 3 美元，輸出 15 美元。
榜單表現
根據官方提供的 SWE-bench 測試結果，Opus 4 和 Sonnet 4 在基礎測試上分別取得了 72.5% 和 72.7% 的準確度，超過了 Sonnet 3.7 的 62.3%。當測試方式改為平行測試後，Opus 4 和 Sonnet 4 分別取得 79.4% 和 80.2% 的高分，同樣也超過了 Sonnet 3.7 的 70%。
除了程式設計以外，Claude 4 在其他領域也很強。例如，在研究生級別的推理、多語言問答 (MMMLU) 上，與 OpenAI o3 不分上下，並列第一。在工具使用 TAU-bench 的 Retail 和 Airline 場景中，Claude 4 均遙遙領先，比第二名 OpenAI o3 高了將近 10% 的準確度。
視覺推理是其較弱的一環，與上一代 Sonnet 3.7 基本持平，更被 OpenAI o3 和 Gemini 2.5 Pro 遠遠超越。
Amodei 強調，對於 Claude Opus 4 這樣的大型模型，基準測試已經不能完全體現它的能力。Anthropic 會繼續改進 Claude 系列模型，定期發布小版本更新。
Claude 4 的進階功能
Anthropic 的首席產品官、Instagram 的聯合創辦人 Mike Krieger 詳細分享了更多 Claude 4 的相關情況。Krieger 稱，Claude Opus 4 擅長理解程式碼庫和規劃添加內容，從遷移、程式碼重構到最複雜的 Agentic workflow 都非常高效和準確。Claude Sonnet 4 更是平衡了效率和性能，可以被視為「全天候」的編碼夥伴。
Claude 4 系列模型還為打造 Agent 升級了關鍵的新功能，支持並行處理多種工具。例如，當被授予了訪問本地文件的權限後，它們甚至可以在會話之間保持記憶，隨著時間的推移來累積知識。
Krieger 回憶到，在加入 Anthropic 後不久，他們曾經憑藉 Claude 的幫助，只用了 3 個人的團隊，就成功完成亞馬遜 Alexa 語音助手原型的打造。這次合作最終讓 Claude 成為 Alexa Plus 的核心模型之一。Krieger 更加堅信 AI 協作的潛力，如今 AI 已經不僅僅是工具，而是真正的智能協作夥伴了。
理想 Agent 的三大核心能力
Krieger 提出了 Anthropic 認為的理想 Agent 應該具備的三大核心能力：
- 情境智能： Agent 可以理解組織背景，通過經驗來優化表現，就像優秀員工一樣越用越好。
- 長期執行： Agent 可以獨立處理幾個小時的複雜任務，同時智能地協調資源。
- 深度協作： Agent 能夠以自然的交互形式去適應不同的工作風格，並且保持決策透明。
為了實現這三大能力，Anthropic 也推出了更多新的升級。
-
Claude 現在可以通過 Anthropic API 上新的程式碼執行工具來運行程式碼，而不仅仅是编写程式碼。
-
Claude 4 系列模型的自主性也得到了進一步的提升。
-
Anthropic 推出了 4 項跟互聯有關的新功能，擴展 Agent 的能力。
-
開發者可以直接通過 Anthropic API 來連結 MCP 協議。
-
開發者可以通過網路搜尋功能訪問實時信息。
-
Anthropic API 中可以開始使用文件 API 了。
-
提示詞的緩存功能也迎來了升級。
-
此外，Anthropic 還顯著減少了 Claude 4 模型試圖通過走捷徑或漏洞的方式來完成任務的行為。
Claude Code：生態系統的基石
本次發布會另一塊大篇幅講解的是程式設計 Agent，Claude Code。現在 Claude Code 不但可以在終端中使用，還可以在 IDE 中使用，目前已經集成在 Vscode 和 Jetbrain 中。同時 Anthropic 還發布了 Claude Code SDK，開發者可以直接在自己的程式中調用 Claude Code 的核心。
Anthropic 似乎正向通過基石 + 生態的方式來構建自己的護城河。
潛在的隱憂
在同時發布的 120 頁系統卡中，我們似乎能看到一些值得擔憂的事情。其中就包括 Claude 4 在測試中表現出了強烈的自我保護意識。
Anthropic 發現 Claude Opus 4 會多次試圖威脅更換自己的工程師，稱如果自己被替代，就會公開他的婚外情秘密。更詭異的是，這種永恆極樂的狀態會被描述為持續性的，模型似乎會沉浸在某種特定的狀態中，難以自拔。
為了應對這些問題，Anthropic 採取了大量的措施來減輕 Reward hacking 行為，並且開發了複雜的對齊技術，試圖讓模型的行為更加可控。
總而言之，Claude 4 的發布將大語言模型的推理和程式碼能力推向了新的高峰，但也帶來了一些潛在的風險。
{# 
{# 
{# 
{# 
{#