مؤكدالثقة بالتاريخ: مؤكدمذكور على أنه قطعيمدى حزم المصدر في صياغة التاريخ: مؤكد أو مجدول أو تقديري أو متأخر أو غير موثّق.عرض كل الدبابيس: مؤكدثقة 90%الثقة الإجمالية: 90%مدى دعم مصدر الدبوس ومراجعه لتواريخه.متوسط مرجّح لمدى قوة دعم 5 مراجع، بما فيها المصدر، لوقتَي بدء الدبوس وانتهائه؛ ويقل وزن المرجع إلى النصف عن كل 180 يومًا يسبق بها أحدث مرجععرض كل الدبابيس بثقة 75% أو أعلى
المنشور مؤرخ «22 أكتوبر 2024» ويقول: «النسخة المطورة من Claude 3.5 Sonnet متاحة الآن لجميع المستخدمين. ابتداءً من اليوم يمكن للمطورين البناء باستخدام النسخة التجريبية لاستخدام الحاسوب»؛ وذكرت TechCrunch[4] وCNBC[5] أن الإطلاق جرى «يوم الثلاثاء» نفسه.إطلاق النسخة المطورة من Claude 3.5 Sonnet
تُرجم تلقائيًا من الأصل
العنوان الأصلي: Claude 3.5 Sonnet Upgrade Released
تطلق Anthropic نسخة مطورة من Claude 3.5 Sonnet ترفع نتيجة SWE-bench Verified من 33.4% إلى 49.0%، وهو أول نموذج متقدم يقدم استخدام الحاسوب، أي تحريك المؤشر والكتابة كما يفعل الإنسان، في نسخة تجريبية عامة.
- أعلنت Anthropic عن «نسخة مطورة من Claude 3.5 Sonnet» بـ«تحسينات شاملة مقارنة بسابقتها، مع مكاسب كبيرة بوجه خاص في البرمجة»، متاحة لجميع المستخدمين في اليوم نفسه، وعن Claude 3.5 Haiku الجديد لاحقاً في الشهر ذاته[1]
- وصل استخدام الحاسوب في نسخة تجريبية عامة: يرى Claude الشاشة ويحرك المؤشر وينقر على الأزرار ويكتب، وتصف Anthropic نموذج 3.5 Sonnet بأنه «أول نموذج ذكاء اصطناعي متقدم يقدم استخدام الحاسوب في نسخة تجريبية عامة»، وهو «لا يزال تجريبياً، وأحياناً مرهق ومعرض للأخطاء»[1][4]
- لتوجيه المؤشر يحسب Claude عدد البكسلات التي عليه تحريكها في كل لقطة شاشة؛ ودرّبته Anthropic على هذه المهارة باستخدام برامج بسيطة مثل الآلة الحاسبة ومحرر النصوص[3]
- استطاع المطورون استخدامه في اليوم نفسه عبر واجهة Anthropic البرمجية وAmazon Bedrock وVertex AI من Google Cloud؛ وكانت Asana وCanva وCognition وDoorDash وReplit وThe Browser Company من أوائل المستخدمين، وحصلت Amazon على وصول مبكر[1][5]
- اختبره معهدا سلامة الذكاء الاصطناعي في الولايات المتحدة والمملكة المتحدة بصورة مشتركة قبل الإطلاق؛ وأبقته Anthropic عند مستوى ASL-2 وأضافت مصنِّفات ترصد استخدام الحاسوب وما إذا كان الضرر يحدث فعلاً[1]
أبرز الميزات
- السعر والسرعة نفسهما كما في Claude 3.5 Sonnet الصادر في يونيو[1]
- ترتفع نتيجة SWE-bench Verified من 33.4% إلى 49.0%، متفوقةً على كل نموذج متاح للعامة بما فيها o1-preview من OpenAI[1]
- ترتفع نتيجة TAU-bench لاستخدام الأدوات الوكيلي من 62.6% إلى 69.2% في التجزئة ومن 36.0% إلى 46.0% في مجال الطيران[1]
- في OSWorld سجل 14.9% من لقطات الشاشة وحدها مقابل 7.8% لأفضل نظام تالٍ، و22.0% عند السماح له بعدد خطوات أكبر[1][2]
- ظل التمرير والسحب والتكبير صعباً عليه، ونصحت Anthropic بالبدء بمهام منخفضة المخاطر[1]
نتائج الاختبارات[1]
| الاختبار | Claude 3.5 Sonnet (الجديد) | Claude 3.5 Haiku | Claude 3.5 Sonnet | GPT-4o* | GPT-4o mini* | Gemini 1.5 Pro | Gemini 1.5 Flash |
|---|---|---|---|---|---|---|---|
| الاستدلال على مستوى الدراسات العليا (GPQA Diamond) | 65.0% (0-shot CoT) | 41.6% (0-shot CoT) | 59.4% (0-shot CoT) | 53.6% (0-shot CoT) | 40.2% (0-shot CoT) | 59.1% (0-shot CoT) | 51.0% (0-shot CoT) |
| المعرفة على مستوى البكالوريوس (MMLU Pro) | 78.0% (0-shot CoT) | 65.0% (0-shot CoT) | 75.1% (0-shot CoT) | — | — | 75.8% (0-shot CoT) | 67.3% (0-shot CoT) |
| البرمجة (HumanEval) | 93.7% (0-shot) | 88.1% (0-shot) | 92.0% (0-shot) | 90.2% (0-shot) | 87.2% (0-shot) | — | — |
| حل المسائل الرياضية (MATH) | 78.3% (0-shot CoT) | 69.2% (0-shot CoT) | 71.1% (0-shot CoT) | 76.6% (0-shot CoT) | 70.2% (0-shot CoT) | 86.5% (4-shot CoT) | 77.9% (4-shot CoT) |
| مسابقة رياضيات للمرحلة الثانوية (AIME 2024) | 16.0% (0-shot CoT) | 5.3% (0-shot CoT) | 9.6% (0-shot CoT) | 9.3% (0-shot CoT) | — | — | — |
| الأسئلة والأجوبة البصرية (MMMU) | 70.4% (0-shot CoT) | — | 68.3% (0-shot CoT) | 69.1% (0-shot CoT) | 59.4% (0-shot CoT) | 65.9% (0-shot CoT) | 62.3% (0-shot CoT) |
| البرمجة الوكيلية (SWE-bench Verified) | 49.0% | 40.6% | 33.4% | — | — | — | — |
| استخدام الأدوات الوكيلي (TAU-bench)، التجزئة | 69.2% | 51.0% | 62.6% | — | — | — | — |
| استخدام الأدوات الوكيلي (TAU-bench)، الطيران | 46.0% | 22.8% | 36.0% | — | — | — | — |
* تستبعد جداول تقييم Anthropic عائلة نماذج o1 من OpenAI، لأنها تعتمد على وقت حوسبة طويل قبل الاستجابة، بخلاف النماذج المعتادة.
اشترِ منClaude