自OpenAI發(fā)布GPT-4以來，引發(fā)了業(yè)務模式與應用使用的巨大變革，掀起了各大企業(yè)對于多模態(tài)大模型的研究熱潮。3月初，AnthropicClaude在官網(wǎng)正式發(fā)布Claude 3系列多模態(tài)大模型，據(jù)了解，該模型在多個維度上超越了GPT-4，為您總結一波Claude 3的部分能力提升：

• OCR和復雜場景解析方面提升；
• 解決高級數(shù)學和科學問題的能力增強；
• 輕松處理多語言文本；
• 可處理超過一百萬個令牌的輸入；
• 遵循具體指令完成創(chuàng)造性任務能力提升。

claude 3分為Haiku、Sonnet和Opus三個版本，目前集簡云已將Opus和Sonnet快速上線至平臺內(nèi)，旨在為用戶提供更高效、更智能的AI體驗。

性能顯著提升，對標GPT-4

Opus版本在包括專家推理、基礎數(shù)學、代碼等領域的性能評估中超越了GPT-4。Sonnet版本在知識檢索任務上表現(xiàn)更勝一籌，不僅可以平衡處理速度和計算效率，同時兼顧經(jīng)濟性，在需要大規(guī)模部署的企業(yè)級應用場景中具有優(yōu)勢。

各版本模型均支持達20萬tokens的上下文窗口，并為特定用戶提供高達100萬tokens的支持，有助于更好地理解和記憶長文本信息。

視覺能力更突出

Claude 3 擅長復雜視覺功能，他們可以處理各種視覺格式，包括照片、圖表、圖形和技術圖表。比如一些客戶的知識庫各種格式排版，例如 PDF、流程圖或演示幻燈片。

推理能力更好，智商更高

直接上傳數(shù)學、物理等考驗邏輯和準確度的理科題照片，或者細節(jié)豐富的圖表，由于推理能力大幅增強，它回復的解題水平和準確率變高很多，并能在一些細節(jié)描述上比GPT-4更勝一籌。

準確性更高

為了減少幻覺問題，Anthropic將答案分為正確答案、錯誤答案（或幻覺）和承認不確定性，如果不知道，模型表示它不知道答案，而不是提供不正確的信息。與 Claude 2.1 相比，Opus 在這些具有挑戰(zhàn)性的開放式問題上的準確性（或正確答案）提高了一倍，同時也減少了錯誤答案的水平。

使用示例

示例1：

這張示意圖是什么意思？有哪些專業(yè)名詞？請詳細解釋

這張圖是關于基于LoRa無線網(wǎng)絡的車位狀態(tài)監(jiān)測系統(tǒng)架構圖,其中涉及到以下一些專業(yè)名詞:
LoRa(Long Range): 一種低功耗廣域網(wǎng)絡(LPWAN)技術,適用于遠距離、低速率、低功耗的物聯(lián)網(wǎng)應用。
Web發(fā)布服務器: 用于發(fā)布和管理車位狀態(tài)監(jiān)測系統(tǒng)的Web應用服務器。
應用服務器: 接收并處理來自LoRa網(wǎng)關的車位狀態(tài)數(shù)據(jù),并將數(shù)據(jù)傳輸給Web發(fā)布服務器。
2G/3G/4G運營商網(wǎng)絡: 移動通信網(wǎng)絡,用于LoRa網(wǎng)關與應用服務器之間的數(shù)據(jù)傳輸。
LoRa網(wǎng)關: 將多個LoRa設備(即車位探測器)采集的數(shù)據(jù)匯聚,并通過2G/3G/4G網(wǎng)絡將數(shù)據(jù)傳輸至應用服務器。
中口線: 一種無線通信中的概念,表示LoRa設備與LoRa網(wǎng)關之間的無線連接。
LoRa設備/車位探測器: 安裝在每個車位上,通過LoRa無線技術實時監(jiān)測車位狀態(tài)(占用或空閑)并將數(shù)據(jù)傳輸至LoRa網(wǎng)關。
整個系統(tǒng)的工作流程如下:
LoRa車位探測器采集車位狀態(tài)數(shù)據(jù)
探測器通過LoRa無線技術將數(shù)據(jù)傳輸至LoRa網(wǎng)關
網(wǎng)關通過2G/3G/4G網(wǎng)絡將匯聚的數(shù)據(jù)傳輸至應用服務器
應用服務器處理數(shù)據(jù)后傳輸給Web發(fā)布服務器
用戶通過Web發(fā)布服務器提供的應用程序查詢車位狀態(tài)信息

示例2：

2.1 解出該圖中的兩道題：

根據(jù)題目條件,解答如下:
(1) 物體到C點時的速度
設物體到C點的時間為t,由勻加速直線運動的速度公式v=v0+at,代入已知條件得:
v = 0 + 0.25t
物體運動的距離AC是:
AC = v0t + 1/2at^2 = 1/2 × 0.25t^2 = 0.125t^2
AC已知為1kg,即1000g的小物體壓縮彈簧的長度0.5m,由胡克定律F=kx得:
1 × 10 = k × 0.5
解得彈簧勁度系數(shù)k=20N/m
由動能定理,小物體對彈簧做的功等于物體動能的增加,即:
1/2kx^2 = 1/2mv^2
代入數(shù)據(jù):
1/2 × 20 × 0.5^2 = 1/2 × 1 × v^2
解得v = 2.24m/s,為物體到達C點時的速度
(2) 彈簧對物體做的功
將(1)中求出的速度代入x=vt-1/2at^2,其中x就是物體壓縮彈簧的距離,t是物體做減速運動的時間,a是減速度0.25
解得x=0.125m
所以彈簧對物體做的功是:
W = 1/2kx^2 = 1/2 × 20 × 0.125^2 = 0.156J

2.2 解釋補集法的概念，并用補集法計算這道概率題："一家公司有兩個部門，A部門3個男生，2個女生，B部門4個男生，6個女生，現(xiàn)在要派3個人去出差，要求每個部門至少出一人，那么至少有一個女生被派出的概率是多少？"

好的,下面我就解釋補集法的概念并用補集法求解這道概率題。
補集法的概念:
設A是樣本空間的一個事件,它的補集記為A',由樣本空間中不屬于A的樣本點組成。根據(jù)補集法,P(A)=1-P(A')。
這個公式的意思是:事件A發(fā)生的概率,等于1減去事件A不發(fā)生的概率。補集法常用于求解"至少""不超過"等問題。
用補集法求解題目中的概率問題:
設至少有一個女生被派出的事件為A,那么A的補集A'就是所派出的3人全部是男生。
總的選派方案數(shù)為從15人(3+2+4+6)中選出3人,共有C(15,3)=455種
事件A'的方案數(shù)是從7個男生(3+4)中選3人,共有C(7,3)=35種
事件A的概率P(A)=1-P(A')=1-35/455=420/455=84/91≈92.31%
所以至少有一個女生被派出的概率是84/91,約為92.31%。

示例3：請把這個UI用代碼還原出來

如何在集簡云/語聚中使用

方式1：在數(shù)據(jù)流程搭建時選擇Claude付費版 （無需賬戶），在所有動作中都已支持Claude 3模型Opus和Sonnet版本的使用。

方式2： 語聚AI（http://chat.jijyun.cn)的對話助手中。