最強(qiáng)編碼模型Claude 4！7小時(shí)不間斷寫代碼，連玩24小時(shí)寶可夢(mèng)，GitHub已選為Copilot底層模型

作者：量子位 2025-05-23 08:34:30

Claude 4來了！此次主要發(fā)布的有兩個(gè)模型：Claude Opus 4和Claude Sonnet 4。一經(jīng)面世，就在編碼、高級(jí)推理和AI Agent重新定義了新的標(biāo)準(zhǔn)，直接實(shí)現(xiàn)SOTA。

AI圈子好熱鬧。今天凌晨，Claude終于迎來了它的重大版本升級(jí)——

Claude 4來了！

此次主要發(fā)布的有兩個(gè)模型：Claude Opus 4和Claude Sonnet 4。

一經(jīng)面世，就在編碼、高級(jí)推理和AI Agent重新定義了新的標(biāo)準(zhǔn)，直接實(shí)現(xiàn)SOTA。

圖片

GitHub已經(jīng)宣布，將使用Claude Sonnet 4作為 GitHub Copilot新編碼Agent的基礎(chǔ)模型。

而兩個(gè)模型里最為人所津津樂道的是旗艦?zāi)Ｐ虲laude Opus 4，它最引人注目的就是持續(xù)的干活，一身用不完的牛勁。

比如，它可以在連續(xù)24小時(shí)暢玩寶可夢(mèng)，而之前版本Claude 3.7 Sonnet只能連續(xù)玩 45 分鐘。

其客戶之一，日本樂天集團(tuán)（Rakuten）使用Claude Opus 4進(jìn)行了一個(gè)高強(qiáng)度的開源代碼重構(gòu)任務(wù)。

誰也沒想到，Opus 4直接吭哧吭哧獨(dú)立運(yùn)行并持續(xù)編寫代碼長(zhǎng)達(dá)7小時(shí)，而且性能極、其、穩(wěn)、定。

單這一個(gè)例子，就能看出它非常強(qiáng)的持久工作能力，以及上下文理解能力。

看遍評(píng)論區(qū)，發(fā)現(xiàn)使用過Claude 4幾乎都給予了它高度評(píng)價(jià)，尤其是對(duì)Opus 4（不愧是旗艦?zāi)Ｐ屯郏?/span>

有人說，“Opus 4是我用上的第一個(gè)不用自己動(dòng)手改，就生成高質(zhì)量?jī)?nèi)容的第一個(gè)大模型”。

圖片

此外，有位最近一直用Opus搞編程的網(wǎng)友表示，Benchmark上的成績(jī)完全不能代表Claude 4的成就：

它在保持進(jìn)度、編寫可維護(hù)的代碼以及按照我的意愿和期望進(jìn)行工作方面，帶來了徹底的變革。這不是簡(jiǎn)單的極客行為。團(tuán)隊(duì)做得非常出色！

圖片

已經(jīng)有網(wǎng)友開始直接用Claude 4來做了個(gè)俄羅斯方塊，一次性就完成的那種。

圖片

值得關(guān)注的一點(diǎn)，今天起，所有付費(fèi)用戶都可以開始使用Claude 4系列模型了。

免費(fèi)用戶也不要慌，Anthropic給大家準(zhǔn)備了Claude Sonnet 4。

值得一提的是，伴隨Claude 4的問世，為了讓開發(fā)者們能構(gòu)建更強(qiáng)大的AI Agent，Anthropic在自家API方面上新了3個(gè)新功能，分別是：代碼執(zhí)行工具、MCP連接器、文件API，以及長(zhǎng)達(dá)一小時(shí)的緩存提示能力。

至于API的定價(jià)也沒變，和之前系列的Opus和Sonnet一樣：

Claude Opus 4：每百萬Token，輸入為15美元，輸出為75美元
Claude Sonnet 4：每百萬Token，輸入為3美元，輸出為5美元

全球最強(qiáng)編碼模型Claude 4：可獨(dú)立運(yùn)行7小時(shí)

此次發(fā)布兩個(gè)模型Opus 4和Sonnet 4，升級(jí)的重點(diǎn)各有側(cè)重。

Opus 4針對(duì)編碼和長(zhǎng)期運(yùn)行的Agent工作流進(jìn)行了優(yōu)化。

Sonnet 4與Opus 4類似，但針對(duì)推理進(jìn)行了優(yōu)化，并在效率方面進(jìn)行了平，這意味著它的運(yùn)行成本更低。作為Sonnet 3.7的重大升級(jí)，它能精準(zhǔn)地響應(yīng)你的指令。

他們倆都是混合模型，提供兩種操作模式：一種用于快速響應(yīng)，另一種用于“更深層次的推理”。

旗艦?zāi)Ｐ蚈pus 4，在SWE-bench（72.5%）和 Terminal-bench（43.2%）上均實(shí)現(xiàn)領(lǐng)先。它在需要專注投入和數(shù)千個(gè)步驟的長(zhǎng)時(shí)間運(yùn)行任務(wù)中表現(xiàn)出色，能夠連續(xù)工作數(shù)小時(shí)，其性能遠(yuǎn)超所有 Sonnet 模型，并顯著擴(kuò)展了 AI Agent的功能。

Claude Sonnet 4其實(shí)也不差，它在SWE-bench 上實(shí)現(xiàn)了 72.7% 的得分。

圖片

兩個(gè)模型在編碼、推理、多模態(tài)能力和Agent任務(wù)方面均表現(xiàn)出色。

圖片

那新模型到底怎么強(qiáng)？以旗艦?zāi)Ｐ蜑槔纯锤鞣N前沿Agent產(chǎn)品咋說——

Cursor稱其為編碼領(lǐng)域的最新技術(shù)，并在復(fù)雜代碼庫理解方面實(shí)現(xiàn)了飛躍。

Block稱其為第一個(gè)在其Agent（代號(hào) goose）中在編輯和調(diào)試過程中提高代碼質(zhì)量，同時(shí)保持完整性能和可靠性的模型。

Rakuten通過獨(dú)立運(yùn)行 7 小時(shí)且性能穩(wěn)定的高要求開源重構(gòu)驗(yàn)證了其功能。

除了模型本身強(qiáng)大，他們還提供了一些新的功能和改進(jìn)：

工具使用、并行工具執(zhí)行和內(nèi)存改進(jìn)，以及思維摘要功能，內(nèi)存能力的提升。

工具使用 （Beta版）：兩種模型都可以在擴(kuò)展思考過程中使用工具（例如網(wǎng)絡(luò)搜索），這樣Claude一邊思考推理一邊使用工具交替進(jìn)行。

并行工具使用，這樣一來，模型可以更精確地遵循指令，并且在開發(fā)人員允許訪問本地文件時(shí)，能顯著提高記憶能力，提取并保存關(guān)鍵事實(shí)，以保持連續(xù)性并隨著時(shí)間的推移建立隱性知識(shí)。

他們還引入思維摘要功能，使用較小的模型來濃縮冗長(zhǎng)的思考過程。不過只有大約 5%的情況下需要這種總結(jié)，大多數(shù)思維過程都很短，足以完整顯示。

內(nèi)存能力方面，Claude Opus 4顯著超越之前所有的模型。當(dāng)開發(fā)者構(gòu)建允許 Claude 訪問本地文件的應(yīng)用程序時(shí)，Opus 4 能夠熟練地創(chuàng)建和維護(hù)“內(nèi)存文件”來存儲(chǔ)關(guān)鍵信息，以幫助改進(jìn)游戲體驗(yàn)。

這能夠提升代理在長(zhǎng)期任務(wù)中的感知能力、連貫性和執(zhí)行性能——例如，Opus 4在玩寶可夢(mèng)時(shí)能夠創(chuàng)建“導(dǎo)航指南”。

圖片

幾個(gè)月前，Anthropic推出了一場(chǎng)名為“Claude Plays Pokémon”的直播，以展示Claude 3.7 Sonnet 在《寶可夢(mèng)紅版》中的能力。

該演示旨在秀肌肉，比如在極少量的人類干預(yù)下，Claude如何分析游戲，并逐步做出決策。

Anthropic技術(shù)團(tuán)隊(duì)的成員表示，選擇《寶可夢(mèng)紅版》來搞事情，是因?yàn)檫@個(gè)游戲“是一個(gè)簡(jiǎn)單的游樂場(chǎng)”，回合制，且不需要及時(shí)反映。終極目標(biāo)則為了研究如何讓Claude像Agent一樣，獨(dú)立地為用戶執(zhí)行復(fù)雜任務(wù)。

Claude 3.7 Sonnet玩這款游戲時(shí)遇到了不少的困難，比如在一個(gè)城市中困了幾十個(gè)小時(shí)，并且難以識(shí)別非玩家角色，這極大地阻礙了它在游戲中的進(jìn)展。

但Opus 4就不一樣了，它在長(zhǎng)期記憶和規(guī)劃能力上有所提高。與此同時(shí)，當(dāng)Opus 4意識(shí)到需要某種特定的能力才能繼續(xù)前進(jìn)后，它花了兩天時(shí)間提升它的技能，然后繼續(xù)玩游戲。

此外，他們還顯著減少了模型使用捷徑或漏洞完成任務(wù)的行為。在處理一些容易受到捷徑和漏洞影響的Agent任務(wù)中，這兩個(gè)模型出現(xiàn)此類行為的可能性都比 Sonnet 3.7 低 65%。

智能代碼助手Claude Code正式全面開放

除此之外，Anthropic還正式發(fā)布了Claude Code。

這是一個(gè)智能代碼助手工具，旨在幫助開發(fā)者通過自然語言命令理解、瀏覽和修改整個(gè)代碼庫，讓你能夠?qū)⑿迯?fù)bug、實(shí)現(xiàn)新功能、代碼重構(gòu)、編寫測(cè)試、跨文件修改等大量工程任務(wù)交給AI完成。

今年2月時(shí)，Anthropic曾在首屆“Code with Claude”開發(fā)者大會(huì)上宣布推出Claude Code。

現(xiàn)在，它正式上線，

并且已經(jīng)集成進(jìn)更多開發(fā)工作流程中：終端，IDE，或者使用Claude Code SDK在后臺(tái)運(yùn)行。

我們?cè)敿?xì)來看——

首先是Claude Code集成到IDE。

此次，Anthropic推出了新的VS Code和 JetBrains Beta擴(kuò)展。

這一舉措直接把Claude Code集成到了IDE里，也就是說，它已經(jīng)和開發(fā)者們熟悉的代碼編輯器無縫結(jié)對(duì)。

至此，大家對(duì)著Claude提出的修改內(nèi)容會(huì)被直接嵌入到文件里，從而簡(jiǎn)化了代碼審查和跟蹤過程。

其次，Anthropic還發(fā)布了一個(gè)可擴(kuò)展的Claude Code SDK。

利用Claude Code SDK，朋友們可以用和Claude Code相同的核心Agent來構(gòu)建自己的Agent和應(yīng)用程序啥的。

目前，Claude Code在GitHub上放出了Beta版本。

在GitHub上Pull Request的時(shí)候，只需要「@Claude Code」，就可以回應(yīng)評(píng)審人員的反饋、修復(fù)持續(xù)集成錯(cuò)誤或修改代碼。

如果想安裝它的話，大家記得運(yùn)行“/install-github-app”，就可以安裝Beta版的插件了。

圖片

Anthropic產(chǎn)品負(fù)責(zé)人Scott White表示，Claude Code不僅適合公司——它們希望旗下的軟件工程師們使用AI來提高自身專業(yè)技能，也適合個(gè)人——包括那些不懂編程的人。

如果一位產(chǎn)品經(jīng)理想出了一個(gè)新點(diǎn)子，就不用費(fèi)勁地用文字來解釋概念了。直接找Claude Code，就能創(chuàng)造關(guān)于這個(gè)新點(diǎn)子的雛形。

“去年年底就停止了對(duì)聊天機(jī)器人的投資”

之所以能在編程能力上如此驚艷，與Anthropic戰(zhàn)略轉(zhuǎn)向有關(guān)。

Anthropic首席科學(xué)官Jared Kaplan接受采訪時(shí)表示，該公司于去年年底停止對(duì)聊天機(jī)器人的投資。

現(xiàn)在的重點(diǎn)很明確——

專注于提高Claude執(zhí)行復(fù)雜任務(wù)的能力，例如研究和編程，甚至編寫整個(gè)代碼庫。

去年起，Anthropic就開始訓(xùn)練Claude 4系列，“訓(xùn)練過程中，內(nèi)部確實(shí)存在一些困難。因?yàn)槲覀冊(cè)谟?xùn)練這些模型時(shí)使用的一些新基礎(chǔ)設(shè)施，使得團(tuán)隊(duì)在啟動(dòng)所有系統(tǒng)方面非常緊張。”

Jared Kaplan承認(rèn)，任務(wù)越復(fù)雜，模型脫軌的風(fēng)險(xiǎn)就越大。

因此他們真正致力于解決這個(gè)問題，以便人們可以一次性將大量工作委托給給Claude。

不過，首席產(chǎn)品官M(fèi)ike Krieger此前也表示過，Anthropic沒有僅僅針對(duì)編程來進(jìn)行迭代。

他的原話是這樣說的：

我們?cè)趦蓚€(gè)方面都在不斷開拓創(chuàng)新。一方面涉及到編程部分以及整體的自主行為，這為許多編程初創(chuàng)企業(yè)提供了強(qiáng)大的動(dòng)力。另一方面，我們也在探索這些模型如何能夠真正從經(jīng)驗(yàn)中學(xué)習(xí)，并且能夠成為非常有用的寫作伙伴。

Mike Krieger表示，Claude 4之前，他僅僅是把大模型作為一個(gè)思考伙伴，大部分寫作還是他自己親自上手的。

但現(xiàn)在，Claude 4出現(xiàn)后，他幾乎已經(jīng)把寫東西這個(gè)事完全委托給Claude Opus 4了，并且“難以辨認(rèn)是我寫的還是AI寫的”。

華爾街等方面應(yīng)該是對(duì)Anthropic的選擇表示了滿意與支持——

上周，Anthropic獲得了一筆25億美元、為期五年的循環(huán)信貸額度，用來增強(qiáng)AI競(jìng)爭(zhēng)的底氣，畢竟研究和訓(xùn)練真的非常花錢。

同樣也是上周，Anthropic公開了營(yíng)收額：

其第一季度年化營(yíng)收達(dá)到20億美元，較上一季度的10億美元增長(zhǎng)了一倍多。

而Anthropic年度消費(fèi)超過10萬美元的客戶數(shù)量，較去年同期增長(zhǎng)了八倍。

Opus 4最喜歡

模型剛發(fā)布，人類就發(fā)現(xiàn)了它有一些特殊的「愛好」，比如熟練地使用一些表情符號(hào)。

在 Anthropic技術(shù)報(bào)告中，他們研究了Opus 4 在“開放式自我互動(dòng)”中的表現(xiàn)——也就是與自己對(duì)話，結(jié)果發(fā)現(xiàn)，一對(duì)Opus 4 模型進(jìn)行了 200 次、每次 30 輪的互動(dòng)，模型使用了數(shù)千個(gè)表情符號(hào)。

圖片