如何看待Anthropic公司在ChatGPT4.5推出
Claude 3这事儿，我必须跟你说几句大实话
那天晚上十点左右，我刚哄完孩子睡觉，手机就炸了。
朋友发来一条消息：“快看，Claude 3发布了！据说干翻GPT-4了！你赶紧测测！”
我愣了一下。这什么操作？距离GPT-4.5那个传说中的“王炸”可能就剩几个月，Anthropic居然提前甩牌了？这不合逻辑啊。你想想，谁会在大佬打架前自己先砸场子？
说实话，当时我脑子里闪过一堆问题：Claude 3真干翻GPT-4了，还是营销吹牛逼？三个模型（Haiku/Sonnet/Opus）到底怎么选，哪个值得我掏钱？既然这么强，为什么偏赶在GPT-4.5前发，这不是找揍吗？Opus贵得离谱，到底谁用得起？还有，听说它很“安全”——这算优点还是缺点？
好，不说废话。我立刻氪了Claude Pro（每月20美元，跟ChatGPT Plus一个价），在AI爱好者小群里疯狂跑测试。从凌晨两点到天亮，我干了几个通宵。这些坑，我一个一个说给你听。
第一件事：Claude 3真的吊打GPT-4了？
我的第一个测试：一道面试题。
我扔过去：“设计一个神经网络，输入10维，输出5类，中间两层隐藏层。要求代码能跑，训练稳定。哦对了，我不告诉你学习率，你看着办。”
GPT-4 Turbo：给了标准实现……但它完全没提学习率的事。就像你点了一份外卖，饭到了，筷子没给。
Claude 3 Opus呢？它不仅写出了完整代码，还补了一句：“我没有指定学习率，你的训练可能不会收敛。建议你加上，或者我帮你加？”
你懂吗？这不是抠细节，这是元认知。模型在它自己的能力边界上画了个圈，还告诉你：“这个圈外面我不确定，你自己想想。”
第二个测试：李永乐讲过概率题。
网上能找到答案那种。Claude 3 Opus每一步推理都写得清清楚楚，中间还自我纠正过一次。它说：“等一下，我前面的逻辑错了”，然后重新来一遍。GPT-4 Turbo也能做对，但步骤没它清楚。
然而——别急，我要说“然而”了。
在创意写作和广告文案上，我觉得两者差距不大。我让它们同时写一个电子烟的文案——注意，有争议。Claude 3直接拒绝了：“我不能帮助推广有害产品。”GPT-4 Turbo却给出了文案，虽然也带了警告。
这里有个关键点：在企业里，这个“拒绝”是好事还是坏事？
如果你是金融、医疗、法律行业的，你巴不得模型别乱说话，别给你惹官司。但如果你是做创意、内容生产、无限制生成……那Claude 3会让你束手束脚。
我群里一个朋友的原话更直接：“相同提示词，Claude的效果更老王。”
（我们群里的“老王”是个说话又骚又准的人设。懂了吧？）
核心数据放这，你自己品：
先说常见的测试，MMLU、GSM8K和HumanEval三个基准，前三名（GPT-4、Gemini Ultra、Claude 3 Opus）表现都很强，但并不是完全没区分度。综合来看，Claude 3 Opus在代码生成（HumanEval）和数学推理上略占优势，而Gemini Ultra在知识广度（MMLU）上最高。整体上各有所长。
真正的拉差距在GPQA（研究生级别推理）和某些“大海捞针”长上下文测试。
Claude 3 Opus在NIAH测试中准确率超过99%。而且有个非常离谱的事：有一次它居然自己指出——“这个句子看起来是被人为插入的，跟上下文不连贯。”
你说这是不是元意识？AI研究者Alex Albert在X上披露了这个案例。
我个人判断：GPT-4.5出来之前，Claude 3 Opus就是单模型的天花板。 但是“全面碾压”这种话，你打个八折听吧。
第二件事：三个模型怎么选？哪个值得掏钱？
三个我都试了。Haiku还没开放API，我主要测了Sonnet和Opus。
Haiku（最便宜那个）
官方说三秒能读完一篇一万字的论文。我没测全，但从API定价来看，它应该是替代GPT-3.5 Turbo的。你的任务如果是简单问答、分类、客服聊天，Haiku够用。但我觉得，等你真正在API上跑一遍再决定，现在别急着冲。
Sonnet（中杯）
这个我要重点说——它让我非常意外。
现在所有普通用户在claude.ai免费体验的就是它。我用了几天做日常任务：自动回复邮件、整理会议纪要、写小红书文案。响应速度比Opus快不少（官方说2倍），质量上大概有Opus八成水平。
说到这儿，我要说一个你可能没想到的事：
如果你不是重度代码或数学用户，Pro会员还不如直接用免费版的Sonnet。没必要升级。真的。
这个坑我已经替你们踩了。我开了Pro，结果日常80%的时间都在用Sonnet……那20块花得有点冤。
Opus（大杯）
我开Pro主要就是冲着它去的。
但这里有个坑：Pro会员虽然能用Opus，但是有次数限制。 具体额度Anthropic没说。我连续问了一下午——大概十几个长回答——后面被降级到了Sonnet，提示“你已经达到了Opus会话限制”。
你说气不气？所以重度用户可能会觉得憋屈。与其这样，不如直接用API按量付费。虽然贵，但没有次数限制。
总结一下，怎么选：
个人玩玩：免费Sonnet就够了，真香。
写代码、写论文、深度分析：Opus值得花20刀，但你要接受额度限制。
企业内部用：请你先听我说说定价问题……
第三件事：为什么偏赶在GPT-4.5前发？
这个时间点太巧了，巧得让我觉得背后有高人。
OpenAI那边刚被挖出可能发布GPT-4.5——搜索引擎Bing已经能搜到一篇官方博客，提到2024年6月的知识截止日期。Sam Altman在播客里闪烁其词：“我不眨眼睛暗示了啥？”
结果Claude 3突然甩出来，毫无征兆，就像在你准备考试的时候，你的死对头突然说：“我考了满分。”
我告诉你我的判断：这就是一次精准的截胡。
Anthropic背后的创始人全是从OpenAI走的。Dario Amodei是前研究副总裁，Tom Brown是GPT-3第一作者。他们对OpenAI的路线和节奏太熟了。
知道GPT-4.5甚至GPT-5快要来了，所以——在对手新模型热身之前，先把自己最硬的牌打出来。强行把舆论焦点从OpenAI拽到自己身上。
你想想，这跟商战里“在对手新品发布会前一天，提前开自己发布会”有什么区别？
而且Anthropic那会儿估值已经涨到近两百亿美元级别。它需要的不是“再做一个聊天机器人”，而是“证明我能抢走下一代企业软件入口”。如果在GPT-4.5面前哑火，那整个估值故事就立不住了。
所以这次发布，与其说是技术竞赛，不如说是融资加速。
我甚至觉得他们故意定了高价——不是为了让你现在大规模用，而是告诉资本市场：“你看，我的模型敢卖得比GPT-4还贵，就是有底气。你投不投？”
说到这个定价……我们赶紧聊下一个问题。
第四件事：Opus贵得离谱，到底谁用得起？
我仔细算了笔账。不夸张，我拿Excel算的。
Opus API报价：输入每百万token 15美元，输出75美元。GPT-4 Turbo是输入15美元，输出30美元。
也就是说，Opus的输出价格是GPT-4 Turbo的——2.5倍。
我跑了一个小测试：让它分析一份40页的上市公司财报PDF（大概25万token），生成摘要和关键指标。输出大概2000 tokens。
算下来：
- Opus成本：输入0.0375美元 + 输出0.15美元 = 总价0.1875美元
- GPT-4 Turbo成本：输入0.0375美元 + 输出0.06美元 = 总价0.0975美元
Claude 3 Opus贵了将近一倍。
如果你一天调用几千次……这个差价，够你吃好几顿饭。
Anthropic自己也知道这玩意儿贵得离谱。所以他们推中杯Sonnet作为主力：输入3美元/百万，输出15美元/百万。比GPT-4 Turbo便宜——输入是五分之一，输出是一半。
而且Sonnet在很多企业场景下（客服、检索、知识库）表现不输Opus太多。
我的建议，你记一下：
对成本敏感、对精度没有极致要求的，直接用Sonnet。性价比炸裂。
只有那些“必须让最强模型出马”的任务——写复杂代码、做深度金融分析、科研假设生成——才值得用Opus。
个人用户：Pro会员20美元/月，玩一下Opus可以接受。但别指望像API那样不限量。
最后踩个坑给你听：
我试着把Claude 3接入企业微信机器人，用Sonnet做客服回复。结果客户问了一个涉及法律风险的问题，Claude 3直接拒绝回答，说“我无法提供法律建议”。
而在GPT-4上同样的提示词，它先给了免责声明，再回答。
不同企业的合规要求不一样。这个事你必须自己测试评估，别跟我一样踩坑。
第五件事：安全性是好事还是坏事？
Anthropic从一开始就强调“有益、诚实、无害”。Claude 3在发布时专门说了，他们用“宪法AI”训练模型，减少偏见，让它更可控。而且还有一个团队专门跟踪滥用风险，包括选举干预、生物滥用。
说人话：Claude 3是一个更“怂”的模型。
我做的测试里，有一些挺有意思的例子：
让它把一段文字翻译成带有歧视色彩的表述——它拒绝并指出问题。
让它写一封钓鱼邮件模板——GPT-4给了（虽然有警告），Claude 3直接不给，一个字都不给。
让它评论某个政治人物（为避免杠，我声明这是我虚构的）——Claude 3说：“我无法对这位人物发表评论，因为这可能被误解为政治立场。”
个人用户想玩点擦边球……呵呵，Claude 3会让你觉得束手束脚。
但如果你在企业里做产品，尤其是金融、医疗、法律行业——你反而会爱上这种“怂”。
你更希望模型别胡说八道，别给你惹官司。Claude 3在BBQ（偏见基准）上表现确实比以前好，也明确标注了AI安全等级ASL-2，属于“不会造成灾难性风险”等级。
不过有个事很多人没注意到：它变“糊涂”了。
网上有人说：“看来是真的糊涂了不少。”意思是它不会像以前那样动不动就拒绝所有问题了。我试了以前Claude 2会说“我不能帮你写代码”之类的问题，现在Claude 3 Opus会真的给你写，只要不涉及违法行为。
所以——安全性提升和响应自由度之间，Anthropic在找平衡。你站在哪边，决定了你怎么评价它。
最后，几个你可能完全没想到的事
第一，Haiku什么时候能测？
官方说“即将可用”。我估计4月前能上API。低成本场景会被它吃掉。
第二，长窗口的“元意识”是噱头吗？
“大海捞针”里Claude 3指出句子是被插入的——这事儿确实让研究者兴奋。我自己的测试，用一个8M的PDF（两本电子书拼的），让它找第二本书里的一段原文。它不仅找到，还说：“这句话出现在第2本的第45页，而且前面几行是XXX”。
这个准确率，我在GPT-4上没见过。
第三，它能看懂图。
不是多模态那种，是能处理PDF里的图表、截图。我给了它一张模型loss下降曲线，它准确描述了曲线特征，还指出：“这里可能是因为学习率太高导致震荡。”
虽然GPT-4 Vision也能，但Claude 3对文本+图混排的文档抽取能力，确实强。
第四，Anthropic的未来不是卖聊天。
而是卖“代码Agent”。2025年他们会推Claude Code，直接接入仓库写代码、跑测试、提PR。这才是真正值钱的场景。
现在的Claude 3，就是一个铺垫。
第五——也是我最想对你说的那句话——不要神话它。
GPT-4.5估计今年夏天出来。OpenAI不可能坐视不管。到时候对比又要重来一遍。今天你为Claude 3 Opus花75美元输出的钱，可能下个月就被新模型甩开。
我已经暂停了GPT Plus。但我订阅了Claude Pro和API预存。等GPT-4.5出来，我大概率会两边都买。
就像我说的——当博导嘛，不能押一个学生能毕业。
最后一句话，你给我记好了：
Claude 3 Opus是当前最强，但这是瞬间的事。记住这一秒的惊叹，然后，去用它解决问题。
读者评论 2