# 深夜重磅！全球首个混合推理模型发布，Claude 能「思考」了，实测发现这些细节 - 作者：莫崇宇 - 发布时间：2025-02-25 07:46 - 分类：软件 - 原文：https://www.ifanr.com/1615508 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/3333.jpeg) 就在刚刚，Claude 3.7 Sonnet 正式发布。 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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/1-11.gif) 此外， Anthropic 还发布了一款智能编程工具——Claude Code。 官方表示，Claude 3.7 Sonnet 和 Claude Code 标志着 AI 迈向真正增强人类能力的重要一步。它们不仅能深入推理、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： - Claude 3.7 Sonnet：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 - Claude Code：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正式发布，你的 Claude 会思考了 新发布的 Claude 3.7 Sonnet 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模型快速作答，还是让其进行更长时间的深度思考。 在标准模式下，它是 Claude 3.5 Sonnet 的升级版；在扩展思考（Extended Thinking）模式下，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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/2-12.png) 从基准测试结果来看，Claude 3.7 Sonnet（扩展思维版）适用于强逻辑推理和数学任务，而 Grok 3 Beta 和 DeepSeek R1 则在特定任务（推理、数学竞赛）上表现更佳。 DeepSeek R1 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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/3-15.png) 在专门评估 AI 解决真实软件问题能力的 SWE-bench Verified 基准测试中，Claude 3.7 Sonnet 达到了行业领先水平。同时，该模型在 TAU-bench 测试中也表现突出，展现了其在与用户及工具交互方面的优异能力。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/4-9.png) 值得一提的是，Claude 3.7 Sonnet 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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/5-11.png) 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 Anthropic API、Amazon Bedrock 和 Google Cloud 的Vertex AI 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（Extended Thinking Mode）。 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。 在过去，Claude 出色的编程能力让其成为许多开发者的首选模型，现在，Claude 3.7 Sonnet 也进一步放大了其优势。 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，Claude 3.7 Sonnet 都能为个人项目和企业级 GitHub 代码库提供更好的支持。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/6-11.png) 在安全性方面，通过与外部专家合作，相比前代模型，Claude 3.7 Sonnet 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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/8-8.png) ▲截取自 Claude 3.7 Sonnet 系统卡 ### 代码写到一半想放弃？把复杂问题甩给 Claude Code Anthropic 还推出了一款用于智能编程工具——Claude Code，目前作为限量研究预览版开放，开发者可以直接在终端中将大量工程任务交给 Claude 处理。 新推出的 Claude Code 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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/9-10.png) 据 Anthropic 官方介绍，在早期测试中，Claude Code 能一次性完成通常需要 45 分钟以上的人工任务，大幅减少开发时间和工作量，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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/10-9.png) 作为一款终端运行的智能编程助手，Claude Code 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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/11-10.png) Anthropic 表示，在接下来的几周内，他们计划持续优化 Claude Code，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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/12-5.png) 询问 strawberry 里有多少个 r，Claude Sonnet 3.7 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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/13-7.png) 知名博主 @rowancheung 提前用上了 Claude 3.7 Sonnet，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。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/14-5.png) 耗费的推理 Token 越多，Claude 3.7 Sonnet 绘制的「彩虹独角兽」效果越好。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/15-3.png) 我们也简单上手体验了一下 Claude 3.7 Sonnet。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/16-2.png) ![](https://s3.ifanr.com/wp-content/uploads/2025/02/16-4.png) ![](https://s3.ifanr.com/wp-content/uploads/2025/02/16-3.png) ![](https://s3.ifanr.com/wp-content/uploads/2025/02/16-1.png) 「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 Claude 3.7 Sonnet 的 CPU 干烧了。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/18.gif) 相信你已经注意到，与 DeepSeek R1 展示的思考过程相比，Claude 3.7 Sonnet 公开的思考过程比较客观、缺乏个性化表达，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，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 认为模型所展示的思考过程不一定真实反映了其内部决策逻辑，因此，Anthropic 正在权衡未来版本是否继续公开 Claude 的思维过程，并评估其利弊，未来将基于用户反馈和研究进展进一步调整。 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/18.gif) 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 OpenAI CEO Sam Altman 被问及公司产品的命名策略时，他也坦言相当头疼。 Anthropic CEO Amodei 也曾表示，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。这或许也是 AI 巨头们少有达成的共识。 Anthropic 首席产品官 Mike Krieger 也在 X 平台公布了 Claude 3.7 Sonnet 的幕后命名花絮。 内心的纠结过程大概是这样👇 ![](https://s3.ifanr.com/wp-content/uploads/2025/02/19-1.png)