Claude 3.5/4 系列
Anthropic 持续更新 Claude 系列，在编程和推理能力上领先。
事件概述
2025年，Anthropic 持续迭代 Claude 系列。Claude 3.5 Sonnet 在编程任务上表现出色，成为许多开发者的首选 AI 助手。Claude 3.5 Sonnet 支持计算机使用功能，能够直接操作计算机界面完成任务。后续版本在推理、长上下文处理和多模态理解上持续进步，与 GPT 系列形成激烈竞争。Anthropic 的产品策略注重安全性和可靠性，在企业级应用中获得广泛采用。
深度学习笔记
背景、原理、影响与要点，一次读懂这个事件
背景与脉络
2025 年，Anthropic 的 Claude 系列进入密集迭代期，成为编程与推理赛道的最强变量之一。Claude 3.5 Sonnet 于 2024 年 6 月首发，以约六成的价格与更快的速度在多项基准上超越自家旗舰 Opus；同年 10 月的升级版带来了「计算机使用」（computer use）公开测试——模型可以直接查看屏幕、移动鼠标、点击与键入，成为首批真正操作图形界面的通用智能体之一。2025 年 2 月 24 日推出的 Claude 3.7 Sonnet 采用「混合推理」：同一模型可在即时回答与延展思考（extended thinking）之间切换，并在 SWE-bench Verified 编程基准上大幅领先。Anthropic 的产品策略清晰：以编程能力为矛、以安全叙事为盾，在企业市场持续攻城略地。
核心要点
- 1Claude 3.5 Sonnet（2024 年 6 月）以更低价格超越旗舰 Opus，改写性价比标杆。
- 22024 年 10 月升级版带来 computer use 公开测试：模型可直接操作图形界面。
- 3Claude 3.7 Sonnet（2025 年 2 月 24 日）引入混合推理：即时与深度思考可切换。
- 4在 SWE-bench Verified 等编程基准上大幅领先，成为开发者首选之一。
- 5Artifacts 等交互创新把 Claude 从聊天工具推向协作工作台。
原理与技术细节
这一代 Claude 的两个技术主题值得深究。其一是混合推理：模型在系统提示中分配「思考预算」，对简单查询直接回答、对复杂问题先输出一段结构化的延展思考再作答——这与 OpenAI o 系列把思考过程对用户隐藏的做法形成路线对比，Anthropic 选择把推理过程显式化、可审查。SWE-bench Verified 的领先说明延展思考对真实软件工程任务（定位 bug、跨文件修改）的收益极大。其二是 computer use：模型以截图（而非结构化 API）感知屏幕状态，输出鼠标坐标与键盘动作，与环境闭环交互。这条路线绕开了「为每个软件写 API」的集成难题，但代价是动作空间粗糙、速度慢、错误累积——它预示了后来 GUI 智能体的全部机会与陷阱。
影响与后续
Claude 3.5 与 3.7 把 Anthropic 推上了编程 AI 的王座：SWE-bench 上的领先直接转化为商业成果——企业与开发者订阅激增，Claude Code、MCP（模型上下文协议）等生态工具把影响力从模型层扩展到工具链层，2025 年 Anthropic 的年化收入跃升至数十亿美元量级。混合推理也改变了行业对「推理模型」的产品定义：思考可见、预算可控成为设计范式，被 Google 的 thinking 模式等广泛借鉴。computer use 则开启了 GUI 智能体赛道，尽管它自身尚未达到生产可用，却为 2025 年后的智能体产品提供了概念验证。局限同样存在：3.7 的思考模式会增加延迟与 token 消耗，编程王座的争夺在 2025 年也因 OpenAI、Google 与开源模型的猛攻而反复易手。
学习要点
- 编程基准（SWE-bench）已成为旗舰模型最硬的产品指标与营销战场。
- 混合推理把「思考预算」变成用户可控的产品参数，而非隐藏的内部机制。
- computer use 用截图感知加键鼠动作绕开 API 集成难题，但动作空间粗糙。
- 模型公司的竞争已从分数蔓延到工具链与协议（MCP、Claude Code）。
术语表
同一模型可在即时回答与延展思考两种模式间切换的产品设计，思考过程对用户可见。
用真实 GitHub issue 与补丁评测模型软件工程能力的基准，Verified 版经人工筛选更可靠。
模型通过截图感知屏幕并输出键鼠动作来操作图形界面的智能体能力。