如何评价 Anthropic 发布的 Claude Fa

---

Claude 3.5 Sonnet？我花200美元买了张“情绪过山车”票！

上周，我正端着咖啡刷Hacker News，突然看到Anthropic推出Claude 3.5 Sonnet的消息。

第一眼，我没反应过来。

不是刚出到Claude 3 Opus吗？怎么就跳到3.5 Sonnet了？等看清那几个关键词——“200K上下文”“价格降了一半”“编程能力大幅提升”——好家伙，咖啡差点喷屏幕上。

这群人，又搞了个大动静。

我咽不下这口气。当天就往API里充了200美元，准备把这匹新模型牵出来遛遛。

三天下来，我让它干了三件事：重构爬虫脚本、吞掉我们团队12万行的遗留代码库、写一个带WebSocket的多人在线绘图工具。

结果？能力不错，但槽点也不少。

今天就跟你聊聊，这200美元花得值不值。

---

强是真的强，但有时也会突然犯傻

先说好的。

Claude 3.5 Sonnet的编程能力，是我用过的模型里很靠前的。

别跟我提GPT-4。SWE-bench上Claude 3.5 Sonnet拿了47.9%，GPT-4只有38.7%，Claude 3 Opus是45.6%。这差距不是以前那种细微差别，是实打实的提升。

我把它丢进那个12万行的Python/Django老项目，让它做两件事：

第一，把所有requests调用迁移到httpx，支持异步。

第二，重构单元测试，覆盖率从40%拉到70%。

它花了大约25分钟读完全部文件——我的上下文几乎塞满。然后又花了40分钟改代码。中间我离开了一下，回来发现它自己生成了一个迁移计划文档，在项目根目录写了份MIGRATION_STATUS.md，里面详细记录了哪些文件改完了、哪些还有坑。

这活儿以前我得让人花一整天手动整理。

代码质量呢？我review了一部分——约80%的修改可以直接合并。剩下20%，是它高估了某个第三方库的版本兼容性。

这个水平，放一年前，我得说很强。

但好景不长。

我拿它写一篇技术文章——从零搭建一个内部DNS服务器，涉及bind配置和网络策略。完全合法的运维操作。

结果呢？它直接拒绝了，输出：“出于安全考虑，无法提供DNS配置的详细步骤。”

我的血压，瞬间拉满。

Anthropic说安全过滤误报率很低，但自己用下来，只要涉及网络、安全、或者稍微敏感一点的技术操作，触发率明显偏高。官方提到的“误伤无害请求”不是客套话，是真的伤。

我写个DNS配置，就被当成黑客了。这体验，你说糟心不糟心？

关键是你付的是3.5 Sonnet的价格——输入3美元、输出15美元每百万token。结果服务被阻断。这感觉，就像你点了份和牛，厨房说“我们不上这道菜了”。道理我都懂，但钱得退啊。

Anthropic这套安全策略，模型能力强但限制很多，本质上是一种风险控制。用户付钱，但部分请求无法完成。安全当然重要，但透明度和补偿机制呢？价格一样，服务打折，这事儿挺膈应的。

---

更强版本暂时还摸不着

之前一直有传言说Anthropic内部有一个更强但更安全的模型，只提供给特定组织。现实中，Anthropic确实对某些高危领域限制使用，但至今没有公开更强的受限版本。

我理解安全上的谨慎，但不爽的是信息不透明。同一个模型，对外安全受限，但内部可能更强。这感觉就像——我们完全可以造一个更强的模型，但我们选择不给你用。

从社区反馈来看，做安全研究的博主几乎都在抱怨。普通人根本体验不到百分之百的能力。

---

Scaling Law撞墙，厂商在偷偷换轮胎

最近有个现象挺明显：数据瓶颈开始显现，训练数据的质量比数量更重要。

Claude 3.5 Sonnet的发布，我注意到一个更有意思的点：Anthropic反复强调它的“token效率”提升了——比以前的Claude模型更省token。同等输出质量下，需要的算力更少了。

这背后是架构或训练方法的优化。当数据不够堆的时候，你就得让模型学会反复利用已有的能力。人脑就是这样——你给一个小孩看三张猫的照片，他就能认出猫。模型用了几十亿张图都还认不全。

所以，token效率才是真正的下一代Scaling Law。Claude 3.5 Sonnet的能力提升，一部分来自数据质量选择，一部分来自算法改进。它记住了上下文，但还没有真正“学会学习”。不过方向是对的。

未来半年到一年，主流厂商都会开始吹自己的token效率，而不是单纯堆参数。那条路走到头了。

---

Claude 3.5 Sonnet值得今天就用吗？

我个人的判断：

如果你是重度AI开发者，经常做全代码库迁移、大型架构重构、或者复杂的科学分析——Claude 3.5 Sonnet是目前最好的选择之一。硬实力摆在那里。

但如果你只是日常写点小脚本、做笔记总结、写写文案——Claude 3 Haiku完全够用，价格也更便宜。别为了“最强”这两个字冲动消费。我200美元两天就用完了，还遇到了几次拒绝。想想挺心疼。

我更看重的，其实是Anthropic安全策略的下一步。如果他们把误判率真正降到可接受的水平——比如低于1%——并且明确画出哪些话题会触发限制，而不是靠一个黑盒分类器决定“你这问题危不危险”，那么3.5 Sonnet会是真正的旗舰。

现在嘛——能力很高。体验因为安全护栏和价格，打了个狠折。

至于那个传说中的更强版本？先让子弹飞一会儿。等“更广泛的信任计划”真的对开发者和研究人员开放了，我们才能用上完整的特斯拉。现在只能隔着车窗流口水。

预测一下：到2025年底，模型能力会继续提升，安全护栏会更精细，价格也会随着竞争下降。那时候才是入手的真正时机。

现在，我先去把剩下那几十美元额度用完。看看它能不能把我游戏服务器部署脚本也一起写了。别触发过滤器就行。

你看，这200美元，买的不只是算力。买的是对AI未来的好奇心，和一点点不甘心。