OpenAI 的 GPT-4 更好模型 Claude 3.0 来了

Google 最近发布了最新的 Gemini 1.5 语言模型，震惊了世界。这是目前功能最强大的模型，拥有 100 万个上下文窗口，是所有大型基础模型中最大的。 OpenAI 的 GPT-4 才具有 128K 上下文窗口。

最近，谷歌最接近的竞争对手之一 Anthropic 发布了下一个版本的人工智能聊天机器人 Claude 3.0。

什么是 Claude 3.0

Claude 3.0 是继去年发布 Claude 2.0 之后，Anthropic 主要语言模型的最新版本。这是一次重大升级，具有三种不同大小的新 model ：

• Claude 3.0 Opus 最大
• Claude 3.0 Sonic
• Claude 3.0 HiQ

Opus 模型声称甚至比 OpenAI 的 GPT-4 更好，通过改进许多不同任务的能力以及对理解图像的新支持，此版本标志着 Anthropic 向前迈出了一大步。

Claude 3.0 有什么新功能？

Claude 3.0 中最大的新增功能是支持理解图像、图表、手写等以及文本。以下是视觉功能的一些用例：

• 从图像中读取文本（OCR）
• 分析图像内容
• 解释数据可视化

根据 Anthropic 的基准测试，Claude 3.0 的视觉性能与其他具有视觉理解能力的领先语言模型相当，有时甚至更好。

Claude 3.0 的另一个重大改进是减少了不必要的 refusals ，这是之前的 Claude 2.0 中最烦人的功能之一。

3个新的Models

Claude 3.0 版本的一项新功能是，它针对不同的用例和预算提供了三种不同大小的模型：

• Claude 3.0 Opus：最大、最强大的 model，适用于最苛刻的应用。 Opus 是拉丁语，意思是伟大的作品或杰作。
• Claude 3.0 Sonic：中型 model，非常适合大多数一般商业和消费者需求。
• Claude 3.0 HiQ：紧凑型 model，用于更简单的任务并在移动设备上使用。 HiQ 取自 “高品质”。

在下图中，Claude 3.0 Opus 在各种语言、推理和编码任务上似乎都优于 OpenAI 的 GPT-4。

Anthropic 的 Claude 3.0 基准测试

然而，基准测试显示了 Claude 3.0 仍然存在问题的领域，例如图表和图形等数据可视化的高级数学推理。目前还不清楚哪种模型总体上更适合通用智能。

Claude 3 最令人兴奋的功能之一是它能够处理极长的输入，同时保持对细节的精确记忆，主要体现在以下三点。

• Claude 3 提供了 200,000 个 Token 的上下文窗口
• 这些模型实际上可以处理超过 100 万个 Token
• Anthropic 可以为某些高需求用途启用此 1M 上下文

Claude 3.0 的局限性

Claude 3 非常令人印象深刻，但根据早期测试，它仍然面临几个关键限制。

• 它难以进行高级数学推理，尤其是图表和图形等数据可视化
• 与以前的语言模型类似，某些输出存在种族偏见和不一致
• 缺乏现实世界传感器和数据的基础，因此可能会产生训练领域之外的难以置信的信息
• 尽管加强了安全控制以限制不道德/非法输出，但滥用的可能性仍然存在

总结

从现在开始，人们可以期望越来越多的模型支持极长的上下文窗口，扩展到数百万个 Token ，那么这将是一种革命性的能力。为构建强大的应用程序提供了巨大的潜力，这些应用程序利用这些语言人工智能增强的多模式和推理能力。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取==🆓