俗话说得好：传言有出入，期待需谨慎。

但还是禁不住狠狠期待一下！

下面一起来看更详细的剧透——

Claude 4不走老路，可控制使用时的推理成本

如前所述，Claude 4与此前的通用大模型走的就不是同一套路线。

它把通用模型和推理模型融合到了一起，会根据具体任务动态调整所需算力：遇到复杂问题，就启动推理能力；遇到简单任务，就用通用模型处理。

而且用户是可以自行控制的——每个问题需要耗费多少token，换句话说，用户可以规定它在每个具体问题上思考多久。

具体操作方式是通过一个游标刻度尺来调整，刻度上标注的是“完成任务所需的token数”。

如果把游标滑到“0”，Claude 4就是一个传统的、不带推理能力的AI大模型。

游标数值越大，所调用的算力就越多，思考推理过程也就越长。

其实，OpenAI现在的模型也有类似的功能。

不过OpenAI只分了“低-中-高”三档，供用户选择推理强度。

问题是，很难预测模型在每一档位实际上会用掉多少tokens，所以不少用户反馈说，三个档位并没能很好地控制成本。

说回来，这或许跟两家公司的市场定位有关。

OpenAI更多面向普通用户和个人开发者，三档式简单易懂，操作门槛低。

而Anthropic更注重企业级市场，相对toB一些，所以用游标刻度尺来调整，让使用者能更精细地控制成本和响应速度。

推理通用二合一，下一个大趋势？

从目前的信息来看，国外大模型的两大玩家——Anthropic和OpenAI，都明确了下一步的方向：

让通用模型和推理模型合二为一。

几周内发布的Claude 4是这样，数月内将要推出的GPT-5也是如此。

这或许会成为所有基座大模型玩家的共同选择——

当传统Scaling Law撞墙成为一个强共识，后训练、推理、CoT的重要性与日俱增时，推理变成通用模型的必需技能，怎么看都是大势所趋。

不过在这中间，Anthropic有自己最牢固的生态位：Claude系列的编程能力一直稳站第一梯队顶尖。

而且它更擅长处理大厂工程师级的编程任务。

举个例子，Claude系列可以理解由数千个文件组成的复杂代码库，并生成就能直接运行的完整代码，一次成功。

这就很有意思了——

因为面对复杂编程问题时，很多AI大模型往往会偷懒，只提供注释，而不是真的输出实际代码。

不过，目前还不清楚Claude 4会怎么定价。

比o3-mini便宜？比DeepSeek-R1更友好？还是比Google 2.0 Flash-Lite更亲民？

暂时没人知道。

但一位网友说出了大多数人的心声：

说白了，如果不是在某项实用能力上拥有“傲视群雄的拔尖实力”，那么所有模型玩家在定价这件事上，能做的或许就是像DeepSeek和Google 2.0 Flash-Lite那样了。