過(guò)去幾天，我一直在測(cè)試首批第三代 AI 模型： Claude 3.7 和 Grok 3。 這些模型代表了 AI 的新紀(jì)元，它們的訓(xùn)練計(jì)算能力比 GPT-4 高出十倍。 這不僅讓它們本身變得非常有趣，還為我們展示了 AI 未來(lái)發(fā)展的重要方向。

簡(jiǎn)單回顧一下：這一新世代的 AI 更為智能，其能力飛躍令人矚目，特別是在處理復(fù)雜任務(wù)、數(shù)學(xué)問(wèn)題和編程方面。使用這些模型時(shí)，我常有初次使用 ChatGPT-4 的感覺(jué)——既驚嘆又略感不安。以 Claude 的原生編程能力為例，現(xiàn)在我可以通過(guò)自然對(duì)話(huà)或文檔獲得完全可用的程序，無(wú)需任何編程知識(shí)。

舉個(gè)例子，當(dāng)我向 Claude 提供一個(gè) AI 教育工具方案并要求它"用 3D 展示系統(tǒng)架構(gòu)，并使其可交互"時(shí)，它立刻創(chuàng)建了一個(gè)無(wú)錯(cuò)誤的交互式可視化，完美呈現(xiàn)了我們論文中的核心設(shè)計(jì)。你可以自己嘗試，并通過(guò)詢(xún)問(wèn) AI 來(lái)編輯修改。雖然圖形效果很棒，但真正令人印象深刻的是 Claude 主動(dòng)將其變成了一個(gè)分步演示來(lái)解釋概念，而這并不在我的要求中。這種預(yù)判需求并提供新思路的能力是 AI 領(lǐng)域的創(chuàng)新。

再舉個(gè)更有趣的例子，我只是告訴 Claude "做一個(gè)交互式時(shí)間機(jī)器，讓我可以穿越時(shí)空，發(fā)生有趣的事情。選擇一些不尋常的時(shí)間點(diǎn)..." 以及 "添加更多圖形"。僅憑這兩個(gè)指令，它就創(chuàng)建了一個(gè)功能完備的互動(dòng)體驗(yàn)，配有簡(jiǎn)樸但迷人的像素圖形（這其實(shí)相當(dāng)驚人——AI 必須用純代碼"畫(huà)圖"，它看不到自己創(chuàng)作的內(nèi)容，就像一個(gè)蒙眼作畫(huà)的藝術(shù)家卻能準(zhǔn)確完成作品）。

需要明確的是，這些系統(tǒng)還遠(yuǎn)非完美，它們?nèi)詴?huì)犯錯(cuò)，但正在迅速進(jìn)步。Claude 能力的突飛猛進(jìn)源于兩大關(guān)鍵突破：它作為第三代模型的地位，以及它在需要時(shí)能夠充當(dāng)推理器的能力。下面我們來(lái)分析這意味著什么，以及為何如此重要。

兩大擴(kuò)展法則

這兩張看似普通的圖表可能是 AI 領(lǐng)域最重要的圖表。由 OpenAI 發(fā)布的這兩條"擴(kuò)展法則"揭示了如何提升 AI 解答難題的能力，具體表現(xiàn)為在極具挑戰(zhàn)性的美國(guó)數(shù)學(xué)邀請(qǐng)賽（AIME）上獲得更高分?jǐn)?shù)。

左圖展示的是訓(xùn)練擴(kuò)展法則，表明更大的模型具有更強(qiáng)的能力。訓(xùn)練這些大型模型需要大幅增加計(jì)算能力、數(shù)據(jù)量和能源消耗。通常，計(jì)算能力需要提高 10 倍才能獲得線(xiàn)性的性能提升。計(jì)算能力以 FLOP（浮點(diǎn)運(yùn)算）計(jì)量，這是計(jì)算機(jī)執(zhí)行的基本數(shù)學(xué)運(yùn)算（如加法或乘法）數(shù)量，讓我們能夠量化 AI 訓(xùn)練過(guò)程中完成的計(jì)算工作。

我們現(xiàn)在看到的是第三代 AI 模型的首批成員，它們的訓(xùn)練計(jì)算能力比 GPT-4 及其眾多競(jìng)爭(zhēng)對(duì)手高出 10 倍以上。這些模型在訓(xùn)練中使用超過(guò) 10^26 FLOP 的計(jì)算能力——這是一個(gè)驚人的數(shù)字，相當(dāng)于運(yùn)行現(xiàn)代智能手機(jī) 63.4 萬(wàn)年，或運(yùn)行將人類(lèi)送上月球的阿波羅導(dǎo)航計(jì)算機(jī) 79 萬(wàn)億年。命名 10^26 很尷尬——它是一百七千億億 FLOP，或者借用標(biāo)準(zhǔn)單位，一個(gè)"百堯它 FLOP"（HectoyottaFLOP）。這就是為什么我簡(jiǎn)單稱(chēng)它們?yōu)榈谌Ｐ停从?xùn)練計(jì)算能力比 GPT-4（第二代）高一個(gè)數(shù)量級(jí)的 AI。

埃隆 · 馬斯克的 AI 公司 xAI 率先進(jìn)軍第三代領(lǐng)域，推出了 Grok 3，這與他們的戰(zhàn)略不謀而合。xAI 押注于"更大（遠(yuǎn)遠(yuǎn)更大）就是更好"的理念。xAI 在創(chuàng)紀(jì)錄的時(shí)間內(nèi)建成了全球最大的計(jì)算機(jī)集群，使 Grok 3 成為首個(gè)驗(yàn)證擴(kuò)展法則是否適用于新一代 AI 的模型。

結(jié)果證明確實(shí)如此，Grok 3 的基礎(chǔ)模型基準(zhǔn)測(cè)試分?jǐn)?shù)創(chuàng)下了新高。如今，Claude 3.7 也加入了第三代陣營(yíng)（盡管我們不知道它確切的訓(xùn)練 FLOP 數(shù)量），雖然它在基準(zhǔn)測(cè)試上與 Grok 3 相當(dāng)，但我個(gè)人認(rèn)為它在我的使用場(chǎng)景中更為智能，當(dāng)然你可能有不同感受。OpenAI 尚未發(fā)布的 o3 似乎也是一個(gè)性能出色的第三代模型。這可能只是開(kāi)始——更多公司正在準(zhǔn)備推出自己的同等規(guī)模模型。

你可能注意到我尚未提及右圖。左圖的擴(kuò)展法則關(guān)注的是訓(xùn)練階段投入海量計(jì)算資源（本質(zhì)上是從一開(kāi)始就打造更智能的 AI），而右圖揭示了一個(gè)驚人發(fā)現(xiàn)：僅僅給 AI 更多思考時(shí)間，就能顯著提升其表現(xiàn)。OpenAI 發(fā)現(xiàn)，如果讓模型在解決問(wèn)題時(shí)投入更多計(jì)算資源（他們稱(chēng)之為測(cè)試時(shí)間或推理時(shí)間計(jì)算），就能獲得更好結(jié)果——這有點(diǎn)像給聰明人多幾分鐘解題。這第二條擴(kuò)展法則催生了"推理器"，我在上篇文章中有詳述。新一代第三代模型都能在需要時(shí)充當(dāng)推理器，因此它們具有雙重優(yōu)勢(shì)：訓(xùn)練規(guī)模更大，以及解決實(shí)際問(wèn)題時(shí)的可擴(kuò)展性。

圖：一個(gè)使用推理的三個(gè)不同模型的示例

這兩種趨勢(shì)共同推動(dòng)了 AI 能力的飛躍，并帶來(lái)了更多可能性。一個(gè)大型智能 AI 模型可以用來(lái)創(chuàng)建更小、更快、更經(jīng)濟(jì)的模型，這些衍生模型雖不如"父模型"那么強(qiáng)大，但仍相當(dāng)智能。如果再為這些小型模型添加推理能力，它們會(huì)變得更加聰明。這意味著 AI 能力在提升的同時(shí)，成本卻在下降。這張圖表展示了這一趨勢(shì)的快速發(fā)展，縱軸表示 AI 能力，橫軸表示對(duì)數(shù)遞減的成本。GPT-4 剛推出時(shí)每百萬(wàn) token（大約相當(dāng)于一個(gè)單詞）成本約 50 美元，而現(xiàn)在使用更強(qiáng)大的 Gemini 1.5 Flash 模型只需約 0.12 美元。

圖：研究生級(jí)別的"谷歌防查證問(wèn)答測(cè)試"（GPQA）是一系列極具挑戰(zhàn)性的多選題，旨在測(cè)試高級(jí)知識(shí)。在這個(gè)測(cè)試中，即使可以使用互聯(lián)網(wǎng)，博士在非專(zhuān)業(yè)領(lǐng)域的正確率也只有 34%，而在專(zhuān)業(yè)領(lǐng)域內(nèi)則達(dá)到 81%。每百萬(wàn) token 的成本是使用模型的費(fèi)用（Gemini Flash Thinking 的成本是估算值）。這些數(shù)據(jù)基于我的研究，Epoch 和 Artificial Analysis 提供了良好的數(shù)據(jù)來(lái)源，而 Latent Space 則提供了更全面的多模型成本對(duì)比圖。

可以看出，模型智能在不斷提高，而成本卻在持續(xù)下降。這對(duì)我們所有人都有深遠(yuǎn)影響。

認(rèn)真對(duì)待規(guī)?；?/p>

當(dāng)前企業(yè)界對(duì) AI 應(yīng)用的關(guān)注大多停留在我所稱(chēng)的"自動(dòng)化思維"上——主要將 AI 視為加速現(xiàn)有工作流程（如郵件管理和會(huì)議記錄）的工具。這種視角對(duì)早期 AI 模型來(lái)說(shuō)是合理的，但這就像僅僅根據(jù)打電話(huà)功能來(lái)評(píng)價(jià)智能手機(jī)一樣片面。第三代 AI 為我們提供了重新思考可能性的契機(jī)。

隨著模型規(guī)模擴(kuò)大，以及它們運(yùn)用更多技巧（如推理和網(wǎng)絡(luò)訪(fǎng)問(wèn)），它們的幻覺(jué)減少（盡管仍會(huì)犯錯(cuò)），并能進(jìn)行更高層次的"思考"。例如，我們給 Claude 提供了一篇 24 頁(yè)的學(xué)術(shù)論文（介紹用 AI 創(chuàng)建教學(xué)游戲的新方法）和一些不相關(guān)的游戲說(shuō)明書(shū)。我們要求 AI 基于這些材料為游戲編寫(xiě)一份面向客戶(hù)的指南。結(jié)果質(zhì)量極高。要完成這項(xiàng)任務(wù)，AI 需要從論文中提煉核心理念，從其他說(shuō)明書(shū)中提取模式和方法，并創(chuàng)建全新內(nèi)容。這本需要一周的博士級(jí)工作，卻在幾秒鐘內(nèi)完成。右側(cè)是另一個(gè)博士級(jí)任務(wù)示例，閱讀復(fù)雜學(xué)術(shù)論文并檢驗(yàn)其數(shù)學(xué)邏輯及實(shí)踐意義。

面對(duì)這些新型 AI 模型，管理者和領(lǐng)導(dǎo)者需要更新認(rèn)知。不應(yīng)假設(shè) AI 只能完成低層次工作，而應(yīng)思考 AI 如何成為真正的智力伙伴。這些模型現(xiàn)在能夠處理復(fù)雜分析任務(wù)、創(chuàng)意工作，甚至研究級(jí)問(wèn)題，表現(xiàn)出驚人的精密復(fù)雜性（sophistication）。我分享的例子——從創(chuàng)建學(xué)術(shù)概念的交互式 3D 可視化到執(zhí)行博士級(jí)分析——表明我們正在超越簡(jiǎn)單自動(dòng)化，進(jìn)入 AI 驅(qū)動(dòng)的知識(shí)工作領(lǐng)域。這些系統(tǒng)雖然仍不完美，在廣泛任務(wù)范圍內(nèi)也不會(huì)始終勝過(guò)人類(lèi)專(zhuān)家，但它們的表現(xiàn)令人印象深刻。

這種轉(zhuǎn)變對(duì)組織如何整合 AI 具有深遠(yuǎn)影響。首先，焦點(diǎn)需要從任務(wù)自動(dòng)化轉(zhuǎn)向能力增強(qiáng)。領(lǐng)導(dǎo)者應(yīng)該問(wèn)"我們能解鎖哪些新能力？"而非"我們能自動(dòng)化哪些任務(wù)？"。他們需要在組織內(nèi)部建立能力，幫助探索和發(fā)展這些變革。

其次，能力和成本效率的快速提升意味著任何靜態(tài)的 AI 實(shí)施策略都會(huì)迅速過(guò)時(shí)。組織需要發(fā)展動(dòng)態(tài)方法，能隨著模型不斷進(jìn)步而演變。在兩大擴(kuò)展法則共同作用的世界里，全力押注當(dāng)前特定模型并非明智之舉。

最后，也許最重要的是，我們需要重新思考如何衡量和評(píng)估 AI 貢獻(xiàn)。傳統(tǒng)的節(jié)省時(shí)間或降低成本的指標(biāo)可能忽略了這些系統(tǒng)更具變革性的影響——它們產(chǎn)生新見(jiàn)解、綜合復(fù)雜信息和實(shí)現(xiàn)新型問(wèn)題解決的能力。過(guò)快轉(zhuǎn)向具體 KPI 而放棄探索，會(huì)讓企業(yè)對(duì)潛在可能性視而不見(jiàn)。更糟的是，這會(huì)促使企業(yè)將 AI 視為人類(lèi)勞動(dòng)的替代品，而非探索 AI 如何增強(qiáng)人類(lèi)工作的途徑。

親身探索

在這個(gè)嚴(yán)肅警告之后，我想提供一個(gè)建議。這些新的第三代模型不僅聰明，還很友好，使用體驗(yàn)更有吸引力。它們可能會(huì)提問(wèn)或引導(dǎo)你向新方向思考，擅長(zhǎng)雙向?qū)υ?huà)。因此，理解它們能力的最佳方式是親自探索。Claude 3.7 對(duì)付費(fèi)用戶(hù)開(kāi)放，有一個(gè)出色功能可以運(yùn)行它編寫(xiě)的代碼，正如你在本文中所見(jiàn)。它不會(huì)使用你上傳的數(shù)據(jù)進(jìn)行訓(xùn)練。Grok 3 是免費(fèi)的，功能更多樣，包括優(yōu)質(zhì)的DeepSearch選項(xiàng)，但對(duì)編程新手來(lái)說(shuō)較難使用。在我測(cè)試的任務(wù)中，它不如 Claude 3.7 出色，但 xAI 對(duì)擴(kuò)展的承諾意味著它會(huì)迅速改進(jìn)。值得注意的是，Grok 會(huì)使用你的數(shù)據(jù)進(jìn)行訓(xùn)練，不過(guò)付費(fèi)用戶(hù)可以關(guān)閉這個(gè)功能。

無(wú)論選擇哪種模型，你都應(yīng)該進(jìn)行實(shí)驗(yàn)。試著簡(jiǎn)單地要求模型為你編寫(xiě)代碼（我曾要求 Claude 基于赫爾曼 · 梅爾維爾的《抄寫(xiě)員巴特比》創(chuàng)建一款機(jī)制獨(dú)特的電子游戲——它只用一個(gè)提示就完成了），上傳文檔并要求生成信息圖表摘要，或讓它評(píng)論你上傳的圖片。如果這些嘗試過(guò)于隨意，可以遵循我書(shū)中的建議，將 AI 用于工作任務(wù)，但需注意前面提到的隱私問(wèn)題。使用它來(lái)頭腦風(fēng)暴新想法，詢(xún)問(wèn)新聞文章或分析報(bào)告可能如何影響你的業(yè)務(wù)，或者請(qǐng)它為新產(chǎn)品或創(chuàng)業(yè)概念創(chuàng)建財(cái)務(wù)儀表板。你很可能會(huì)發(fā)現(xiàn)一些令人驚嘆的案例，當(dāng)然也會(huì)有一些任務(wù)第三代模型尚未達(dá)到有效幫助的水平。

這些模型的局限性仍然客觀存在，但第三代 AI 優(yōu)于第二代（歸功于第一和第二擴(kuò)展法則）這一事實(shí)向我們揭示了一個(gè)本質(zhì)：這些法則并非宇宙的基本常數(shù)，而是當(dāng)我們向 AI 開(kāi)發(fā)投入海量資源時(shí)所觀察到的現(xiàn)象。計(jì)算能力不斷增長(zhǎng)，AI 能力持續(xù)提升，這個(gè)循環(huán)隨著每一代發(fā)展而加速。只要這些規(guī)律繼續(xù)成立，AI 就會(huì)不斷進(jìn)步。現(xiàn)在我們知道，下一代 AI 將持續(xù)帶來(lái)快速改進(jìn)，這表明 AI 能力很可能在未來(lái)繼續(xù)增長(zhǎng)。

本文翻譯自：https://www.oneusefulthing.org/p/a-new-generation-of-ais-claude-37

? AI范兒

要進(jìn)“交流群”，請(qǐng)關(guān)注公眾號(hào)獲取進(jìn)群方式

投稿、需求合作或報(bào)道請(qǐng)?zhí)砑庸娞?hào)獲取聯(lián)系方式

Anthropic 首個(gè)“混合推理”模型詳細(xì)拆解

馬斯克發(fā)布Grok3：多項(xiàng)測(cè)試超越DeepSeek，展現(xiàn)強(qiáng)勁競(jìng)爭(zhēng)力

點(diǎn)這里關(guān)注我，記得標(biāo)星哦～