Anthropic június 21., 2024-én bemutatta a Claude 3.5 Sonnet modellt — ez az első kiadás a bejelentett Claude 3.5 családból. A vállalat szerint a Sonnet új iparági mércét állít fel a nyelvi és látásalapú feladatokban, miközben a működési sebesség és a költséghatékonyság a középkategóriás modell szintjén marad.
Hol érhető el és mennyiért
Claude 3.5 Sonnet ingyenesen elérhető a Claude.ai oldalon és a Claude iOS alkalmazásban; a Claude Pro és Team előfizetők pedig jóval magasabb lekérdezési (rate) limitet kapnak. A modellt hozzáférhetővé tették az Anthropic API-n keresztül, továbbá Amazon Bedrockon és Google Cloud Vertex AI-n is. A költségmodell az Anthropic bejelentése szerint: 3 USD per millió input token és 15 USD per millió output token, a kontextusablak mérete pedig 200 000 token.
Teljesítmény: olvasás, kód, és sebesség
Anthropic azt állítja, hogy a Claude 3.5 Sonnet új csúcsokat ér el több területen: graduate szintű érvelésben (GPQA), egyetemi szintű tudásban (MMLU) és kódolási feladatokban (HumanEval). A Sonnet különösen jobban ért a finom nyelvi árnyalatokhoz, a humorhoz és a bonyolult utasítások követéséhez, valamint képes természetes, közvetlen hangvételű, magas minőségű szöveg generálására.
A Sonnet a vállalat szerint kétszer gyorsabb, mint a korábbi Claude 3 Opus. Ez a sebességnövekedés a költséghatékony árszinttel kombinálva alkalmassá teszi összetett, kontextusérzékeny feladatokra — például ügyfélszolgálati munkafolyamatok irányítására vagy több lépéses automatizálásokra.
Egy belső, „agentic” kódoló értékelésben a Claude 3.5 Sonnet a problémák 64%-át oldotta meg, míg a Claude 3 Opus 38%-nál járt. Az értékelés azt mérte, hogy a modell képes-e hibát javítani vagy funkciót hozzáadni egy nyílt forráskódú kódbázishoz természetes nyelvű leírás alapján. Amikor a modellt megfelelő utasításokkal és eszközökkel látják el, képes önállóan írni, szerkeszteni és futtatni kódot, valamint összetett hibakeresési és ésszerűsítő feladatokat elvégezni — ami hasznos örökölt alkalmazások frissítésénél és kódbázis-migrációnál.
Fejlett látás (vision)
Claude 3.5 Sonnet az Anthropic szerint eddigi legerősebb látásmodellje, és felülmúlja a Claude 3 Opust szabványos látásbenchmarketeken. A javulás különösen olyan feladatoknál szembetűnő, amelyek vizuális érvelést igényelnek, például diagramok és grafikonok értelmezésénél. A Sonnet pontosabban tud szöveget felismerni és átírni rossz minőségű képekből, ami fontos lehet kiskereskedelemben, logisztikában és pénzügyi szolgáltatásokban.
Artifacts: új munkafolyamat a Claude.ai-ban
Ezzel a frissítéssel az Anthropic bevezeti az Artifacts nevű funkciót a Claude.ai felületén. Amikor a felhasználó kódot, szöveges dokumentumot vagy weboldaltervet kér a modelltől, az eredmény Artifacts ablakban jelenik meg a beszélgetés mellett. Ez egy dinamikus munkateret teremt, ahol a felhasználók valós időben láthatják, szerkeszthetik és továbbépíthetik a Claude által létrehozott tartalmat, így könnyebb az AI-alkotások integrálása a meglévő projektekbe és folyamatokba.
A funkció előnézete azt jelzi, hogy a Claude a beszélgető AI-ból egy együttműködő munkakörnyezetté fejlődik. Anthropic jelezte, hogy hamarosan csapatmunkára optimalizált bővítések érkeznek: a közeljövőben csapatok, majd szervezetek is biztonságosan központosíthatják tudásukat, dokumentumaikat és folyamatban lévő munkáikat egy megosztott térben, ahol a Claude on-demand csapattársként működhet.
Biztonság és adatvédelem
A cég hangsúlyozza, hogy modelljeit alapos tesztelésnek vetik alá, és kifejezetten a visszaélések csökkentésére képezték. Bár a Claude 3.5 Sonnet intelligenciája jelentősen nőtt, a belső red teaming értékelések szerint a modell továbbra is ASL-2 besoroláson áll. Erről részletesebb információk találhatók a modell kiegészítő dokumentumában (model card addendum).
Anthropic külső szakértőkkel együttműködve vizsgáltatta és finomította a biztonsági mechanizmusokat. A vállalat eljuttatta a Claude 3.5 Sonnetet az Egyesült Királyság Artificial Intelligence Safety Institute-jének (UK AISI) előtelepítési biztonsági értékelésre; a UK AISI elvégezte a teszteket és eredményeit megosztotta az Egyesült Államok AI Safety Institute-jával (US AISI) a két intézet közti együttműködés keretében.
Emellett a rendszerek értékelésébe külső szakértők, például a Thorn gyermekvédelmi szervezet képviselői is beleszóltak, amely visszajelzések alapján frissítették az osztályozókat és finomhangolták a modelleket. Az Anthropic egyik alapelvként említi a magánélet védelmét: a generatív modelleket nem tréningelik fel felhasználói adatokkal anélkül, hogy a felhasználó kifejezett engedélyt adna erre.
Közeljövő
Anthropic célja, hogy néhány havonta jelentősen javítsa az intelligencia, sebesség és költség közötti kompromisszumot. A Claude 3.5 család kiegészítéseként még az év folyamán ígérik a Claude 3.5 Haiku és Claude 3.5 Opus kiadását.
A cégnél tovább dolgoznak új modalitásokon és vállalati integrációkon, valamint olyan funkciókon, mint a Memory, amely lehetővé tenné, hogy a Claude a felhasználói preferenciákat és az interakciós előzményeket meghatározott módon megjegyezze, személyre szabva ezzel a használati élményt.
Anthropic arra bátorítja a felhasználókat, hogy visszajelzéseket küldjenek a Claude 3.5 Sonnetről a terméken belül: ezek a visszajelzések segítik a fejlesztési ütemterv alakítását és a modell továbbfejlesztését. A vállalat arra is kitért, hogy kíváncsian várja, mit hoznak létre a felhasználók a Claude segítségével.
