Claude 3.7 Sonnet and Claude Code

{"category":"人工智能","title_cn":"Claude 3.7 Sonnet 与 Claude Code：混合推理模型与终端智能体的技术解析","content":"> Claude 3.7 Sonnet 是首个混合推理模型，统一了快慢思考能力，并配套推出终端智能体工具 Claude Code，在编码与真实世界任务上实现 SOTA 性能。\n\n## 从何说起：Anthropic 的发布背景\n\n2025 年 2 月 24 日，Anthropic 发布了 Claude 3.7 Sonnet——这是他们迄今为止最智能的模型，也是市场上第一个混合推理模型（hybrid reasoning model）。同日，他们推出了一个面向开发者的终端智能体编程工具：Claude Code。这篇文章将拆解这次发布的关键技术点：模型的混合推理设计哲学、API 的思考预算控制机制、编程能力的具体表现，以及 Claude Code 的定位与工作方式。\n\n## 核心哲学：一个大脑，两种模式\n\n当前市场上的推理模型（如 OpenAI 的 o1 系列、DeepSeek R1 等）通常采用独立推理模型路线：即专门训练一个模型，让它在回答前进行长时间的链式思考（chain-of-thought）。而 Anthropic 提出了一个截然不同的设计思路：\n\n> 就像人类用同一个大脑既处理快速反应又进行深度反思一样，我们认为推理应该是前沿模型的整体能力，而不是一个完全独立的模型。\n\n于是 Claude 3.7 Sonnet 将普通 LLM 与推理模型合二为一：\n\n- 标准模式（standard mode）：即 Claude 3.5 Sonnet 的升级版，快速响应，适合绝大多数日常任务。\n- 扩展思考模式（extended thinking mode）：模型在回答前先进行自我反思（self-reflection），在数学、物理、指令遵循、编码等任务上表现出显著提升。\n\n关键体验细节：在扩展思考模式下，Claude 的思考过程是透明可见的——用户能看到它逐步推理的过程，而非黑箱输出。这既增强了可解释性，也为开发者调试提示词提供了便利。Anthropic 还特别强调：提示词在两种模式下基本通用，无需为推理模式重写所有提示词。\n\n## API 的精细控制：思考预算（Thinking Budget）\n\n这是 Claude 3.7 Sonnet 在工程实践上的一个亮点。通过 API 使用时，用户可以设置模型思考的最大 token 数 N，且 N 可达输出上限 128K tokens。这意味着：\n\n- 你可以让 Claude 在思考上花费 1K tokens，快速得到答案；\n- 也可以分配给思考 100K tokens，让它在复杂问题上进行深度探索。\n\n这实际上是在速度（成本）与答案质量之间提供一个可调节的旋钮。对开发者而言，这是对推理模型使用成本的一种可预测的精细化管理方式，远胜于“要么快速回答，要么长时间思考”的二选一局面。\n\n## 定价策略：不加价，包含思考 token\n\n在标准与扩展思考两种模式下，Claude 3.7 Sonnet 均维持原有价格：\n\n- 输入：$3 / 百万 tokens\n- 输出：$15 / 百万 tokens（包括思考 token ——这意味着即使模型在思考时也消耗输出 token，这部分不会额外计费）\n\n与 OpenAI 的 o1 系列对推理 token 单独计价的做法相比，这一策略显然对重度使用推理模式的开发者更有吸引力。\n\n## 能力侧重：真实世界任务优先于竞赛题\n\nAnthropic 在这代模型的优化策略上做出了一个关键转向：\n\n> 我们较少针对数学和计算机科学竞赛题进行优化，而是聚焦于能反映企业实际使用 LLM 方式的真实任务。\n\n这意味着模型的评测指标选取也更偏向实际开发场景。官方公布的部分合作方反馈：\n\n- Cursor：Claude 再次成为真实世界编码任务的标杆，在处理复杂代码库与高级工具使用方面显著改进。\n- Cognition：在规划代码变更与处理全栈更新方面，Claude 远优于其他任何模型。\n- Vercel：特别强调 Claude 在复杂代理工作流中展示出的非凡精确性。\n- Replit：已成功用 Claude 从零构建了复杂的 Web 应用与仪表盘，而其他模型在这些任务上通常会陷入卡顿。\n- Canva：在评估中，Claude 持续产出接近生产级别的代码，且在设计品味上更优、错误大幅减少。\n\n## 基准测试：SOTA 的表现\n\nClaude 3.7 Sonnet 在以下基准上达到 SOTA：\n\n- SWE-bench Verified：评估 AI 解决真实软件问题的能力。\n- TAU-bench：测试 AI 代理在复杂真实任务中与用户和工具交互的能力。\n- 除传统基准外，其还胜过此前所有模型——包括在宝可梦游戏通关测试中（Anthropic 内部使用的综合性评估任务）。\n\n在扩展思考模式下，数学和科学任务的提升尤其明显（原文使用的图表对比了 Grok、Gemini 2 Pro、o1、o3-mini 与 DeepSeek R1 等模型，但具体数值在公开博客中未完全列出）。\n\n## Claude Code：终端内的主动协作智能体\n\nClaude Code 是 Anthropic 推出的首个智能体编码工具，目前以有限研究预览形式开放。它并非一个简单的代码补全工具，而是一个能主动协作的终端伙伴：\n\n- 搜索并阅读代码库\n- 编辑文件\n- 编写并运行测试\n- 提交与推送代码到 GitHub\n- 调用命令行工具\n- 在每一步操作中保持用户在循环内（keeping you in the loop）\n\n内部使用数据点：在早期测试中，Claude Code 能在一次调用中完成原本需要 45 分钟以上手动工作的任务——主要集中在测试驱动开发（TDD）、复杂问题调试和大规模重构（large-scale refactoring）。这些场景恰好是传统 IDE 补全工具无法穿透的深水区。\n\n### 产品定位与后续规划\n\nAnthropic 承认这是一个早期产品，但承认它已经变成团队不可或缺的工具。接下来的规划包括：\n\n- 提高工具调用的可靠性\n- 支持长时间运行的命令\n- 改进应用内渲染\n- 增强 Claude 对自身能力的理解（自我元认知）\n\n从更长远的视角来看，Claude Code 的发布不仅是一个产品，更是 Anthropic 收集开发者如何在实际中驱动 Claude 编码的数据渠道，从而反哺模型改进的循环。\n\n## Claude.ai 上的编码体验升级\n\n除了 API 与终端工具，Claude.ai 上也有编码相关的增强：\n\n- GitHub 集成面向所有 Claude 套餐开放（包括免费版、Pro、Team 与 Enterprise）——这意味着用户可以把自己的代码仓库直接连接到 Claude。\n- Claude 3.7 Sonnet 被定位为史上最强的编码模型，在理解个人项目、工作项目与开源项目方面更加深入，适合修复 bug、功能开发和文档撰写。\n\n注意：扩展思考模式在所有渠道可用，但 Claude 免费套餐除外——免费用户无法使用长思考模式。\n\n## 安全与责任：更少的拒绝，更强的抗注入\n\nAnthropic 在这一版本放入了大量安全工作：\n\n1. 更精细的拒绝机制：Claude 3.7 Sonnet 能更细致地区分有害与良性请求，与上一代相比不必要的拒绝减少了 45%。举例来说，过去某些涉及敏感话题的合法编程请求会被误拒，现在这类情况显著改善。\n2. 系统卡（System Card）：提供了多个维度的安全评估结果，尤其是 Responsible Scaling Policy（责任扩展政策）评估细节，可供其他研究机构参考。\n3. Prompt Injection（提示词注入）：新增了针对计算机使用能力所带来的风险评估，包括 Claude 如何抵抗和减缓这类攻击。\n4. 推理的可信度：系统卡研究了推理模型的安全优势——例如能否理解模型的决策过程，以及模型推理是否真正可信、可靠。\n\n## 一个技术细节：关于 TAU-bench 的脚手架\n\n附录中披露了一个很有意思的调优细节：在 TAU-bench 评估中，为了让 Claude 获得最佳分数，他们给 Agent 策略（Airline Agent Policy）添加了提示词附加条款，引导 Claude 在解决多轮任务时更有效地使用一个“规划工具”（planning tool），即模型被鼓励在解决过程中把想法写下来——这与普通的“思考模式”不同，它是在多轮轨迹的对话流中显式记录思路。\n\n这个细节揭示了当前推理模型的一个工程化秘密：在复杂交互代理场景下，实时文字化的“草稿”往往比内部隐式思考更有效，因为它提供了一种对对话历史的结构化记忆。\n\n## 未来走向与宏观判断\n\nAnthropic 将此次发布定性为“AI 增强人类能力之路上的重要一步”。从模型架构哲学到工具链部署，这次的信号非常明确：\n\n- 统一与融合：单独的推理模型范式正在走向统一（一个模型跑快慢两种模式），这与人类认知系统（系统 1 与系统 2 的协作）更贴近。\n- 成本透明与可控：思考预算控制为开发者提供了真正的工程化工具，不再是黑盒的“想多久由模型心情决定”。\n- 真实任务的权重优先于竞赛题：这很可能促使下一阶段行业评测体系的全面转向。\n- 终端智能体是下一代编码界面：Claude Code 证明，AI 协作不仅是聊天窗口或 IDE 插件，更是能直接操作 git、跑测试、做重构的自主代理。\n\n## 兼容性与可用性\n\nClaude 3.7 Sonnet 的发布范围包括：\n\n- Claude 全部套餐（Free / Pro / Team / Enterprise\n- Claude Developer Platform\n- Amazon Bedrock\n- Google Cloud Vertex AI\n\n原文链接：https://www.anthropic.com/news/claude-3-7-sonnet\n"}

（注：原文末尾的“Supplementary”“Additional”等零散附录内容因缺乏有效语义，已在翻译时省略。）