AI领域再添重磅选手：Anthropic发布首个混合推理模型Claude 3.7，同步推出智能编码工具Claude Code

北京时间凌晨三点，Anthropic丢出一枚“冲击波”——正式发布全球首个混合推理大模型Claude 3.7 Sonnet。同时，还推出一款让开发者群情沸腾的智能编码工具Claude Code。这两件事放在一起，就很有意思了。先列几个核心看点。

One More Thing

主观重点

1、Claude 3.7——首次融合通用模型与推理模型的混合架构
注意看下面的交互逻辑：标准模式提供快速响应，扩展思考模式则可实现逐步推理。不过这个交互设计有点意思——为什么不让用户像DeepSeek R1那样直接触发推理，而是多一步选择？多一步就多一秒消耗，OpenAI和Grok 3的做法反倒更干脆。

2、Claude Code——智能编码工具，瞄准终端开发者
业内都清楚，Claude 3.5一直是全球开发者的首选，连风靡全球的Cursor也依赖于它。这回Anthropic亲自下场，推出了命令行工具Claude Code（目前作为有限研究预览版）。开发人员可以直接在终端将大量工程任务交给Claude处理。有分析认为，Anthropic或许是看到了Cursor的日活和收入，决定自己做一个编码工具。至于它能否撼动Cursor？还要看实际能力。但看官网文档和评测数据，Anthropic似乎正全力朝AI编码方向冲刺。X平台上第一时间出现了Cursor的回应：

3、通过API控制思考时长，兼顾速度、成本和精度
DeepSeek R1虽然火，但在某些场景下“思考过度”是个硬伤——尤其在B端应用中，不能控制思维链过程会导致响应慢、体验差、成本高。Claude 3.7针对这一点，允许开发者设置一个“thinking budget”，来控制模型思考的上限。通过API使用时，你可以告诉Claude“思考不超过N个token”，输出限制为128K token。这就让用户在速度（和成本）与答案质量之间做权衡。当然，这一切的前提还是模型底层推理能力要够强——推理能力不行，再雕花也是白搭。

4、一些其他
在开发自家推理模型时，Anthropic选择了一条差异化路线：对数学和计算机竞赛问题的优化较少，而将重点转向更能反映企业实际使用LLM方式的现实任务。来看基准测试结果——在SWE-bench Verified（评估LLM解决GitHub真实软件问题的数据集）上，Claude 3.7 Sonnet实现了SOTA性能，远远超过Claude 3.5 Sonnet、OpenAI的o3-mini（high）和o1、DeepSeek R1。

在TAU-bench（评估LLM在复杂真实场景中用户与工具交互能力的基准测试平台）上，Claude 3.7 Sonnet同样实现SOTA，超过Claude 3.5 Sonnet和OpenAI的o1。

当然，Claude 3.7 Sonnet在指令遵循、通用推理、多模态能力和智能编码方面表现出色，扩展思考在数学和科学上有显著提升，但在部分指标上仍不及OpenAI的o3-mini（high）、Grok-3 Beta等。

目前Claude 3.7已全量上线。如果你的付费账户没被封禁，可以直接体验；也可以通过亚马逊平台调用API使用。个人用户方面，Cursor、Monica等应该会很快接入。

下面是官方基于扩展思考模式向用户解释“三门问题”的示例：

Anthropic的发展规划

下图展示了Anthropic的路线图——2025年对应OpenAI所说的L3智能体（不仅能思考还能行动的AI系统），2027年则对应L5组织者（可完成组织工作的AI）。谁能先到达L5？拭目以待。