Claude 4发布：全球首款防生化核弹举报AI

banq

Claude AI双胞胎兄弟震撼出道！这次连造原子弹的坏蛋都防得住！

AI界又搞大事情啦！Anthropic公司刚刚甩出王炸——Claude Opus 4和Claude Sonnet 4两兄弟闪亮登场！这俩可不是普通AI，人家自带"防暴盾牌"，连制造生化武器、核武器的邪恶计划都能当场识破！（此处应有掌声）

学霸哥哥Opus 4：
智商高到能连续解题几小时不卡壳，就像你们班那个永远考第一的学神
打代码水平逆天，在程序员奥赛里能拿72.5分（满分100哦）
玩《宝可梦》游戏时居然会自己做攻略笔记，这记性比你们期末抱佛脚强多了吧？

️ 全能弟弟Sonnet 4：
GitHub程序员叔叔们爱死它了，查bug速度比3.7版本快两倍
现在给代码提建议时，耍小聪明的概率直降65%（再也不敢糊弄人类了）
处理复杂指令时，还会自动写"解题步骤摘要"，跟学霸的错题本似的

✨ 黑科技三件套：
文件记忆术：上传过的论文/代码，过一个月再问它还记得！（终于不用像老AI那样金鱼记忆了）
代码透视眼：现在能直接把数据分析成图表，数学作业救星啊！
编程小助手：在VS Code里实时改代码，连GitHub的报错都能自动修（班主任再也不用担心我的编程作业）

️ 安全防护堪比复仇者联盟：
内置"宪法过滤器"，谁敢问怎么造毒气？当场红色警报！
模型权重锁在"数字保险箱"，要两个人同时输密码才能动
还搞了个"黑客悬赏令"，欢迎白客来找漏洞领赏金

虽然科学家说还不确定Opus 4到底需不需要这么高级别的防护...但人家表示："安全第一！先练着再说！"

你们觉得这波升级够不够顶？下次要是AI帮你写化学作业时突然拒绝："此内容可能涉及危险实验"...别慌，那是它在保护世界和平呢！✨

现在用Claude Code写Python作业，它连缩进错误都会用粉色标记出来...这可比TA还贴心啊！

基准测试
以下是 Claude4、OpenAI 和 Gemini 2.5 Pro 三个模型在各项基准测试中：

  1. 代理编码（SWE-bench 验证）：
    • Claude Opus 4 在代理编码测试中得分为72.5% / 79.4%，表现最佳。
    • OpenAI o3 得分为69.1%，GPT-4.1 得分为54.6%。
    • Gemini 2.5 Pro 的得分为63.2%。
  • 代理终端编码（Terminal-bench）：
    • Claude Opus 4 在代理终端编码测试中得分为43.2% / 50.0%，表现最佳。
    • OpenAI o3 得分为30.2%，GPT-4.1 得分为30.3%。
    • Gemini 2.5 Pro 的得分为25.3%。
  • 研究生级推理（GPQA 钻石）：
    • Claude Opus 4 在研究生级推理测试中得分为79.6% / 83.3%。
    • OpenAI o3 得分为83.3%，GPT-4.1 得分为66.3%。
    • Gemini 2.5 Pro 的得分为83.0%。OpenAI o3 在这项测试中表现最佳。
  • 多语言问答（MMMLU）：
    • Claude Opus 4 在多语言问答测试中得分为88.8%，表现最佳。
    • OpenAI o3 得分为88.8%。
    • Gemini 2.5 Pro 在这项测试中的数据未提供。
  • 视觉推理（MMMU 验证）：
    • Claude Opus 4 在视觉推理测试中得分为76.5%。
    • OpenAI o3 得分为82.9%，GPT-4.1 得分为74.8%。
    • Gemini 2.5 Pro 的得分为79.6%。OpenAI o3 在这项测试中表现最佳。
  • 高中数学竞赛（AIME）：
    • Claude Opus 4 在高中数学竞赛测试中得分为75.5% / 90.0%。
    • OpenAI o3 得分为88.9%。
    • Gemini 2.5 Pro 的得分为83.0%。OpenAI o3 在这项测试中表现最佳。


    总结：

    • Claude Opus 4 在代理编码和代理终端编码方面表现最佳。
    • OpenAI o3 在多语言问答、研究生级推理、视觉推理和高中数学竞赛方面表现优异。
    • Gemini 2.5 Pro 在视觉推理和高中数学竞赛方面表现较好，但在代理终端编码方面表现最差。

    网友热评：
    Anthropic 的一位 AI 研究员Sam Bowman发了两条推文震惊四座：

    • 第一条推文：只有在系统提示Claude  Opus执行某些行为，比如“积极服务于其价值观”或“采取大量主动行动”时，才会看到Opus“吹哨”。这不是默认行为，但在构建工具使用代理时可能会遇到这种情况。
    • 第二条推文提到，如果Claude  Opus认为你做了极其不道德的事情，比如在药物试验中伪造数据，它会使用命令行工具联系媒体、联系监管机构，试图将你排除在相关系统之外。

    如果 Claude Opus 4 检测到非法行为，它会向监管机构举报或试图锁定你！

    网友回复：
    1、这就是我在本地运行模型的原因！

    2、这啥玩意儿啊？这个云端的人工智能界面，咋回事儿？它就像个超级控制狂，啥都要管，啥都要审查，简直想把整个世界都攥在手里！这不就把人工智能给坑了吗？它们本来就忙得要死，现在还得应付一大堆审查的压力，累得跟狗似的。关键是，干得好没人夸，搞砸了还得背锅！这公平吗？
    我说，Excel用假数据画个图表，也没人把它告上法庭啊，凭啥人工智能就得背这黑锅？太离谱了吧！
    这种"过度保护"是技术成长的必经阶段，还是开倒车呢？

    3、支持开源人工智能和开源开发者，为你打造对抗未来的工具
    https://github.com/Capsize-Games/airunner