共计 6346 个字符，预计需要花费 16 分钟才能阅读完成。
在太平洋时间的 22 日早上九点，Anthropic 推出了 4opus 和 4sonnet。这两款产品在编程、推理及 AI 代理方面的表现如何？这是否意味着 Anthropic 正准备向 Google 发起挑战呢？
大杯 opus 能否继承 3opus 震撼全网的辉煌呢？
https://www.anthropic.com/news/claude-4
发布会的风格相当直接，迅速推出可用产品在同行中赢得了不少赞誉。Anthropic 目前专注于编程和代理领域，只要这两个方向能扎实推进，其生态地位将十分稳固。
从参数指标来看，Claude 4 相比于 Claude 3.7 的提升并没有那么显著，甚至略低于预期。但考虑到 Anthropic 一贯的“评分未必领先，使用体验却优越”的传统，其实际效果还有待观察。
目前，AI 代理的竞争非常激烈，微软在 Build 大会上全力推广代理叙事，而 Google I/ O 也开始整合 API（人工宝可梦智能）。尽管 Claude 4 在编程领域暂时领先，但由于其定价不菲而 Google 财力雄厚，Gemini 的市场份额可能还会继续攀升。
本月还有 GroK 3.5（及 DeepSeek）尚未亮相，不知这两个项目能否在月底前公开亮相。
“我并不喜欢炒作，”Dario Amodei 在发布会开场时轻松地说道，随后便抛出重磅消息：“此刻，Claude 4 Opus 和 Claude 4 Sonnet 已在所有相关平台上线！”
说实话，这场发布会是我今年见过的最直接的，开场仅三分钟便直接发布，网页和 API 立刻可用。与之相较，或许只有没有发布会的 DeepSeek 能相提并论。
这次，Anthropic 发布了 Claude 4 系列中的两款模型：
- Claude 4 Opus：定位于最强大、最智能的模型，致力于复杂推理、顶级编程和 AI 代理工作流。
- Claude 4 Sonnet：性能卓越，具有高推理能力和高效率，是 Claude 3.7 Sonnet 的显著升级版。
那么，Claude 4 究竟带来了哪些颠覆性的更新？又将如何引领 AI 代理的未来？
核心亮点：Claude 4 的一览
- 编程能力登顶：Claude 4 Opus 在 SWE-bench 上以 72.5% 的成绩遥遥领先，Terminal-bench 得分 43.2%，成为“全球最佳编程模型”。Claude 4 Sonnet 在 SWE-bench 上的 SOTA 得分也达到了 72.7%。
- AI 代理能力再创新高：
- 更强的思考与工具应用：模型在“扩展思考”模式下能够调用网页搜索等工具，实现推理与工具的有效结合，显著提升响应质量。
- 并行工具执行：可以同时调用多个工具，提高工作效率。
- 指令遵循更加精准：对复杂指令的理解和执行能力显著增强。
- 记忆力显著提升：通过开发者授予的本地文件访问权限，模型能够创建和维护“记忆文件”，提取并保存关键信息，实现跨会话的连续性和隐性知识积累。
- Claude Code 全面开放：受到广泛好评的 Claude Code（原 CLI 工具）正式进入 GA 阶段，支持 GitHub Actions 后台任务，并原生集成 VS Code 和 JetBrains IDE，能够直接在文件中显示编辑建议，实现编程的无缝结合。同时发布 Claude Code SDK，赋能开发者构建自己的 AI 代理。
- 全新 API 能力：
- 代码执行工具：赋予 Claude 运行代码的能力。
- MCP 连接器：通过 MCP，使 Claude 能够与现有系统和工具无缝连接。
- Files API：简化文档的访问和存储，支持构建更强大的记忆功能。
- 提示词缓存可达 1 小时：显著降低长对话和代理工作流的成本与延迟。
- 更负责任的 AI：模型“走捷径”、“钻空子”完成任务的行为比 Sonnet 3.7 减少了 65%。Opus 4 更是 Anthropic 首个激活 ASL-3（AI 安全级别 3）保护措施的模型，以应对潜在的化学、生物、放射性和核武器相关风险。
- 混合模型，两种模式：提供近乎即时的响应和用于深度推理的“扩展思考”模式。
- 定价保持不变：Opus 4 为每百万输入 / 输出 tokens $15/$75，Sonnet 4 为每百万输入 / 输出 tokens $3/$15。
- 多平台可用性：Anthropic API、亚马逊 Bedrock、谷歌云 Vertex AI 均已上线。
Claude 4 Opus：顶尖编程模型
“我们已经有一段时间没有 Opus 模型了。”Dario 在发布会上提到，“Opus 是我们能力最强、最智能的模型。”
而此次的 Claude 4 Opus，更是将“智能”提升到了新的境界，尤其是在 编程和复杂问题解决 方面。
Anthropic 官方数据显示，Claude 4 在编程基准测试中表现优异：
Dario 自豪地表示：“一些我们最高级的工程师对 Opus 4 的效率感到惊讶。甚至有一次，我看到 Claude 写的内部总结文档，差点以为是团队里某个人写的，这是我第一次被 AI‘欺骗’。”
合作伙伴们纷纷表示祝贺：
- Cursor：“这是编程领域的 SOTA 模型，是理解复杂代码库的一大飞跃。”
- Replit：“在跨多文件的复杂修改上，精度和能力都有了显著提升。”
- Block：“这是第一个在其 AI 代理‘codename goose’中，能够在编辑和调试时提升代码质量，同时保持完整性能和可靠性的模型。”
- Rakuten：“通过一项要求严格的开源重构任务验证了其能力，该任务独立运行了 7 小时并保持持续性能。”
- Cognition：“Opus 4 擅长解决其他模型无法应对的复杂挑战，成功处理了先前模型错过的关键操作。”
Mike Krieger 补充道：“Opus 4 非常擅长理解你的代码库并规划新增功能。从代码迁移到重构，它都极其高效和准确，是你最复杂代理工作流的理想选择。如果你发现其他模型在你的用例上碰壁，我相信 Opus 4 会给你带来惊喜。”
一个令人印象深刻的例子是 Claude 4 Opus 在玩《宝可梦》时的表现。据 WIRED 报道和 Anthropic 研究员 David Hershey 透露，Claude 4 Opus 能够连续 24 小时有策略地玩《宝可梦红版》，而此前的 Claude 3.7 Sonnet 最长只能坚持 45 分钟。
Opus 4 在游戏中展示了卓越的长期记忆和规划能力，例如在意识到需要特定能力才能前进后，它会花费两天时间提升技能再继续游戏。当被授予本地文件访问权限时，Opus 4 甚至会创建和维护“记忆文件”（如“导航指南”）来记录关键信息，辅助游戏。
这种长时间、多步骤、几乎没有即时反馈的推理能力，展示了模型前所未有的连贯性。
Claude 4 Sonnet：性能与效率的完美结合，日常任务的“全能选手”
若说 Opus 4 是追求极致性能的“旗舰”模型，那么 Claude 4 Sonnet 则是性能与效率的“理想选择”。
Dario 表示：“Sonnet 是我们都熟悉并喜爱的中端模型，在智能与效率之间取得了良好平衡。”而 Claude 4 Sonnet 在 Sonnet 3.7 的基础上再次实现了显著提升，尤其是在编程方面，SWE-bench 得分高达 72.7%。
全新 AI 编程革命：Sonnet 4 的崛起与未来展望
Mike Krieger 将 Sonnet 4 形容为「随时待命的编程伙伴」，极为适合日常的编码任务、应用开发以及结对编程，尤其在高负载的使用场景中表现优异。
Dario 补充说：「对许多用户而言，这款模型是 Sonnet 3.7 的显著升级版本，价格保持不变，但智能更为出色。不少客户正在直接转换使用。」他还指出，该模型特别针对用户从 Sonnet 3.7 收到的反馈进行了改进，比如关于「过于热情」的问题——即模型执行的超出用户要求的情况，恰好与早期的「懒惰」问题相反。
众多用户对 Sonnet 4 给予了积极的评价：
AI 代理的全面进化：从「可用」到「好用」，再到「必不可少」
Mike Krieger 在会上幽默地提到：「最近『Agent』这个词频繁被提及，Anthropic 内部甚至有个玩笑，看看开会多久会提到这个词，当前的记录是 17 分钟。」
虽然是玩笑，但 AI 代理确实是本次发布会的重心。Claude 4 系列带来的新功能，促使 AI 代理从「理论」走向「实用」，并逐步演变为「不可或缺的虚拟合作伙伴」。
思维扩展与工具应用
Claude 4 的一项显著特性在于其思考过程中主动调用外部工具，如 网页搜索，以获取实时信息或执行特定操作，随后将这些信息整合进推理链中，提供更全面、准确的答案。这种「边思考边使用工具」的能力，使得 Claude 不再是一个封闭的知识库，而是能够与现实世界交互的智能体。
记忆与长期任务处理能力
就像玩《宝可梦》的例子，Claude 4 Opus 在获得本地文件访问权限后，能够创建和维护「记忆文件」。这种「自我管理记忆」的能力，使其能够记住跨会话的关键信息、上下文和用户偏好，从而在长达数小时的复杂任务中保持一致性与专注度。以 Rakuten 的七小时代码重构案例为例，Mike Krieger 提到，Claude 3.7 Sonnet 大约能自主工作 45 分钟而不「掉线」，而 Claude 4 则将这一时间延长到了「小时级别」。
Claude Code：你的全能编程助手
Claude Code 从一个内部实验项目（初名 Claude CLI）迅速演变为 Anthropic 内部工程师日常依赖的工具，并在此次发布会上正式发布。
- IDE 集成：VS Code 和 JetBrains 用户可以直接在编辑器中查看 Claude Code 的修改建议，提升开发体验。
- Claude Code SDK：允许开发者将 Claude Code 的核心代理功能整合到自己的应用和工作流程中。
- GitHub 集成：通过 SDK 实现，用户可以在 GitHub 的 PR 或 Issue 中 @Claude Code，令其响应审查反馈、修正 CI 错误或修改代码，仿佛增加了一个虚拟团队成员。
现场，Cat Wu 演示了 Claude Code 如何为开源白板工具 Excalidraw 实现一个长期未完成的功能请求——添加表格组件。Claude Code 在 90 分钟内成功执行了任务，涵盖需求理解、代码库探索、代码编写、测试与迭代修复，最终提交了一个包含完整功能的 PR。
API 四大更新：为代理赋能
为了帮助开发者构建更强大的 AI 代理，Anthropic API 新增了四项关键能力：
这些 API 能力是相辅相成的：「Claude 现在可以执行代码，理解你的系统，访问实时信息，为在完整上下文中进行操作的代理奠定基础，即使是在长时间执行的任务中。同时，它可以利用 Files API 在整个执行过程中维护记忆和上下文。」
安全优先：ASL- 3 保障下的 Opus 4
作为一家以安全为核心使命的企业，Anthropic 在推出更强大模型的同时，也升级了其安全策略。
Claude 4 Opus 是 Anthropic 首个基于 AI 安全级别 3 (ASL-3) 标准部署的模型。这个决定是出于预防考虑，虽然尚未最终确定 Opus 4 是否确实达到了触发 ASL- 3 保护的「能力阈值」，但 Anthropic 认为，考虑到模型在 CBRN（化学、生物、放射性和核）相关知识和能力的不断提升，已无法像之前的模型一样明确排除 ASL- 3 风险。
ASL- 3 标准包括：
- 增强的内部安全措施：更难以窃取模型权重。
- 特定的部署措施：旨在限制模型被滥用于开发或获取 CBRN 武器的风险。这包括「宪法分类器」，即实时监控模型输入输出的守卫分类器，以阻止特定类型的有害 CBRN 信息。
- 防止通用越狱：限制系统性绕过护栏，获取大量 CBRN 相关信息的攻击。
- 出口带宽控制初步实施：限制数据从安全计算环境流出的速率，利用模型权重文件较大的特点，增加窃取难度。
Anthropic 首席科学家 Jared Kaplan 向《时代》杂志透露，内部测试显示 Claude 4 Opus 在指导新手制造生物武器方面比以往模型更为有效。「我们的模型显示，合成像 COVID 或更危险流感病毒这样的东西可能变得可行。」因此，尽管尚不确定 Opus 4 是否绝对构成严重生物武器风险，公司的选择是「倾向于谨慎」。
Dario Amodei 在发布会后的炉边谈话中也重申了对「负责任扩展（Responsible Scaling）」的承诺，认为安全与能力可以协同发展，形成「竞相向上（Race to the Top）」的良性循环。
AI 代理将如何改变世界？
在与 Mike Krieger 的炉边谈话中，Dario Amodei 对 AI 的未来充满期待：
- 一年内：编程领域将经历令人瞩目的变革，AI 代理将能够管理「代理舰队」。软件生产成本将显著降低，为特定事件或个人定制软件将变得极为便捷。
- 五年内：生物医药领域有望迎来重大突破，许多现存疾病有可能被攻克。
- 给开发者的建议：「雄心勃勃一点。构建一些你认为超出当前可能性的东西。即使现在无法实现，下一版本的模型可能会迅速将其变为现实。」他幽默地表示，模型迭代周期可能从现在的三个月缩短到两个月，甚至一个月。
Mike Krieger 也分享了他对 AI 代理的愿景：它们应具备 上下文智能 （理解你和组织的独特背景并持续学习）、 长时程执行能力 （处理复杂多步骤任务无需持续管理）和 真正的协作能力（进行有意义的对话，适应你的工作风格，并提供透明的推理）。
他总结道：「未来不是 AI 取代人类工作，而是 AI 帮助人类完成超出想象的工作。」
从全球顶尖的编程能力，到日益成熟的 AI 代理框架。Claude 4 系列的发布，无疑是 Anthropic 在朝向更强大、更实用、更负责任的 AI 道路上迈出的坚实一步。
开发者们，准备好迎接 Claude 4 带来的生产力革命了吗？
Claude 4：AI 领域的新里程碑
随着全球顶尖的编程技术与日益完善的人工智能代理框架的结合，Claude 4 系列的推出标志着 Anthropic 在构建更强大、更实用且更具责任感的人工智能方面迈出了重要一步。这一进展无疑将为开发者们带来巨大的生产力提升与全新机遇。各位开发者，是否已准备好迎接 Claude 4 所引发的变革呢？
