Spydell_finance

Anthropic представила Claude 3.7 Sonnet

Официальный релиз состоялся 24 февраля, но так и не был представлен долгожданный поисковой агент, зато представили адаптированную рассуждающую модель.

Anthropic смещает приоритеты в сторону программирования и пользовательских агентов – именно на этом была построена большая часть презентации.

🔘Anthropic представила Claude Code, инструмент командной строки для кодирования, который находится в ограниченном предварительном исследовании. Этот инструмент может искать, читать и редактировать код, писать и запускать тесты, а также взаимодействовать с GitHub, поддерживая разработку на основе тестов, отладку и рефакторинг.

🔘Одной из ключевых особенностей является гибридный режим, позволяющий пользователям выбирать между стандартным режимом для быстрых ответов и расширенным режимом для углубленного, пошагового мышления.

🔘Новая версия демонстрирует лучшую производительность в решении многошаговых задач, включая математику, финансовый анализ, юридические запросы и даже прохождение сложных игровых сценариев. Это делает её особенно полезной (потенциально, на практике не так все хорошо, как в презентациях) для бизнес-приложений и научных исследований, где требуется высокая надёжность и прозрачность работы модели.

🔘Расширенный режим мышления значительно улучшает результаты в математике, программировании и науке.

🔘Внутренние тесты Anthropic показали, что новая модель уменьшает количество необоснованных отказов в ответах примерно на 45% по сравнению с предыдущей версией. Снижено количество ошибок в генерации (галлюцинации).

🔘Модель поддерживает контекст до 200K токенов и может генерировать до 128K выходных токенов.

По тестам от Anthropic выглядит впечатляюще, но не революционно. Плюс-минус сопоставимо с GPT o1/o3-high, DeepSeek R1 и Grok 3 в зависимости от тестов, но интегрально претендует на лучшую в мире LLM, конкурируя с Grok 3.

Качественного прорыва не произошло, справедливо говорить о выравнивании конкуренции.

Таким образом, на 25 февраля в мире существуют только 5 передовых рассуждающих моделей:

• Claude 3.7 Sonnet Thinking
• Grok 3 Reasoner
• GPT o1/o3-high
• DeepSeek R1
• Gemini 2.0 Thinking mode.

Anthropic ожидаемо врывается в группу лидеров, но нужны более полные тесты. Мне удалось познакомиться с Grok 3 и соглашусь с утверждением, что это одна из лучших LLM в мире, а с Claude 3.7 Sonnet ознакомлюсь позже.

Для профессиональных пользователей приоритетным является прямой доступ к платным моделям под тонкую настройку, но большая часть текущих задач решается без углубленных модификаций моделей.

Напомню, что одним из лучших в мире агрегаторов LLM является проект российских разработчиков – Syntx, объединяющий на данный момент доступ к полным моделям GPT o1 PRO/o1/o3-high, Claude 3.7 Sonnet (уже внедрили), Grok 3 Deep Search + Grok 3 Reasoner, DeepSeek R1, Gemini 2.0, Perplexity, Qwen 2.5 Max и другие.

Плюс генераторы изображений (Midjourney с редактором, FLUX, Ideogram 2, Recraft и другие), генераторы видео (SORA, Kling 1.6, MiniMax, Pika 2, RunWay Gen 3, Luma DM и другие) в совокупности с редакторами аудио, фото и видео.

Из преимуществ: стабильность и надежность, не требует VPN, оперативное внедрение и обновление новых LLM, лучшая ценовая политика в сравнении с конкурентами и сохранение неиспользованных токенов, если они не были использованы за активный период.

Пока лучшей связкой с точки зрения отдачи на инвестиции продолжаю считать прямой доступ к ChatGPT + Syntx, а далее уже в зависимости от спецификации задач и требований.

Темп инноваций запредельный: DeepSeek R1 в середине января, GPT-o3 в начале февраля, спустя неделю Gemini 2.0, на днях Илон Маск порадовал с Grok 3, а теперь Claude 3.7 Sonnet и возможно в ближайшие недели ожидается прорывной GPT 4.5 Orion.

Планирую сделать собственное обширное тестирование передовых LLM в контексте научно-исследовательских и бизнес-проектов (опубликую результаты в канале), но тут по мере готовности. Мировой порядок стремительно рушится, пока приоритеты немного другие.

Please open Telegram to view this post

VIEW IN TELEGRAM

Please open Telegram to view this post

VIEW IN TELEGRAM

www.tg-me.com/us/Spydell_finance/com.spydell_finance/7127

31.3K viewsPaul Spydell, Feb 25 at 12:17

Anthropic представила Claude 3.7 Sonnet

Официальный релиз состоялся 24 февраля, но так и не был представлен долгожданный поисковой агент, зато представили адаптированную рассуждающую модель.

Anthropic смещает приоритеты в сторону программирования и пользовательских агентов – именно на этом была построена большая часть презентации.

🔘Anthropic представила Claude Code, инструмент командной строки для кодирования, который находится в ограниченном предварительном исследовании. Этот инструмент может искать, читать и редактировать код, писать и запускать тесты, а также взаимодействовать с GitHub, поддерживая разработку на основе тестов, отладку и рефакторинг.

🔘Одной из ключевых особенностей является гибридный режим, позволяющий пользователям выбирать между стандартным режимом для быстрых ответов и расширенным режимом для углубленного, пошагового мышления.

🔘Новая версия демонстрирует лучшую производительность в решении многошаговых задач, включая математику, финансовый анализ, юридические запросы и даже прохождение сложных игровых сценариев. Это делает её особенно полезной (потенциально, на практике не так все хорошо, как в презентациях) для бизнес-приложений и научных исследований, где требуется высокая надёжность и прозрачность работы модели.

🔘Расширенный режим мышления значительно улучшает результаты в математике, программировании и науке.

🔘Внутренние тесты Anthropic показали, что новая модель уменьшает количество необоснованных отказов в ответах примерно на 45% по сравнению с предыдущей версией. Снижено количество ошибок в генерации (галлюцинации).

🔘Модель поддерживает контекст до 200K токенов и может генерировать до 128K выходных токенов.

По тестам от Anthropic выглядит впечатляюще, но не революционно. Плюс-минус сопоставимо с GPT o1/o3-high, DeepSeek R1 и Grok 3 в зависимости от тестов, но интегрально претендует на лучшую в мире LLM, конкурируя с Grok 3.

Качественного прорыва не произошло, справедливо говорить о выравнивании конкуренции.

Таким образом, на 25 февраля в мире существуют только 5 передовых рассуждающих моделей:

• Claude 3.7 Sonnet Thinking
• Grok 3 Reasoner
• GPT o1/o3-high
• DeepSeek R1
• Gemini 2.0 Thinking mode.

Anthropic ожидаемо врывается в группу лидеров, но нужны более полные тесты. Мне удалось познакомиться с Grok 3 и соглашусь с утверждением, что это одна из лучших LLM в мире, а с Claude 3.7 Sonnet ознакомлюсь позже.

Для профессиональных пользователей приоритетным является прямой доступ к платным моделям под тонкую настройку, но большая часть текущих задач решается без углубленных модификаций моделей.

Напомню, что одним из лучших в мире агрегаторов LLM является проект российских разработчиков – Syntx, объединяющий на данный момент доступ к полным моделям GPT o1 PRO/o1/o3-high, Claude 3.7 Sonnet (уже внедрили), Grok 3 Deep Search + Grok 3 Reasoner, DeepSeek R1, Gemini 2.0, Perplexity, Qwen 2.5 Max и другие.

Плюс генераторы изображений (Midjourney с редактором, FLUX, Ideogram 2, Recraft и другие), генераторы видео (SORA, Kling 1.6, MiniMax, Pika 2, RunWay Gen 3, Luma DM и другие) в совокупности с редакторами аудио, фото и видео.

Из преимуществ: стабильность и надежность, не требует VPN, оперативное внедрение и обновление новых LLM, лучшая ценовая политика в сравнении с конкурентами и сохранение неиспользованных токенов, если они не были использованы за активный период.

Пока лучшей связкой с точки зрения отдачи на инвестиции продолжаю считать прямой доступ к ChatGPT + Syntx, а далее уже в зависимости от спецификации задач и требований.

Темп инноваций запредельный: DeepSeek R1 в середине января, GPT-o3 в начале февраля, спустя неделю Gemini 2.0, на днях Илон Маск порадовал с Grok 3, а теперь Claude 3.7 Sonnet и возможно в ближайшие недели ожидается прорывной GPT 4.5 Orion.

Планирую сделать собственное обширное тестирование передовых LLM в контексте научно-исследовательских и бизнес-проектов (опубликую результаты в канале), но тут по мере готовности. Мировой порядок стремительно рушится, пока приоритеты немного другие.