AI 新創公司 Anthropic 於 10 月 22 日發布升級版 Claude 3.5 Sonnet，以及全新模型 Claude 3.5 Haiku！

更新後的 Claude 3.5 Sonnet，開放用戶測試「電腦操作」（Computer Use）功能，這項技術允許 AI 能模擬人類操作滑鼠的動作，透過電腦的應用程式完成多步驟任務，亦即「AI 代理」功能。

Anthropic 也宣布在 10 月底釋出全新迷你模型 Claude 3.5 Haiku，其在許多智慧基準測試上超過了上一代最大模型 Claude 3 Opus，「在編碼任務上尤其強大。」

Claude 3.5 Sonnet 評測表現大升級

升級後的 Claude 3.5 Sonnet 在效能上超越前一代，特別是在編碼、工具使用及推理任務中的表現有著顯著提升。

除了 MATH 略遜 Gemini 1.5 Pro 之外，Claude 3.5 Sonnet 在其它評測都勝過 Gemini 1.5 Pro、Gemini 1.5 Flash、GPT-4o 與 GPT-4o mini。

在與撰寫程式相關的 HummaEval 及 SWE-bench Verified 評測中，Claude 3.5 Sonnet 奪得了 93.7% 及 49% 的成績，高過前一個版本的 88.1% 與 40.6%。

另一個 TAU-bench，是用來測試 AI 代理工具於真實世界場景中的表現，能否處理複雜且多步驟的任務，並與使用者進行自然對話。Claude 3.5 Sonnet 在零售領域的表現達到 69.2%，在航空領域的表現為 46%，高於前一版的 62.6% 與 36%。

Claude 3.5 Sonnet 與其他模型對比.jpg — 圖源：Claude

靠 AI 訂機票？代理功能值得期待

Claude 3.5 Sonnet 的「電腦操作」（Computer Use）功能，能夠模擬人類操作電腦，包括點擊按鈕、移動滑鼠游標、輸入文字等操作，甚至能夠進行網站導覽和即時網頁瀏覽。

Anthropic 的科學總監賈里德．卡普蘭（Jared Kaplan）表示：「Claude 3.5 Sonnet 可以理解並與任何桌面應用程式互動，完成數十甚至數百個步驟的任務，這是 AI 技術在實體世界應用中邁出的重要一步。」

亞馬遜是最早測試「電腦操作」功能來簡化內部流程的企業之一，其他初期測試者也包括 Asana、Canva 和 Notion 等知名企業，它們嘗試將功能應用於自動化任務中，例如設計與編輯流程、表單填寫、數據處理等。Replit 則利用 Claude 3.5 開發了一個自動驗證應用程式功能，能在 App 的開發過程中自動檢查並驗證代碼。

Anthropic 計劃未來將「電腦操作」功能擴展到更多應用場景，例如讓 AI 自動完成預訂航班、安排會議或報銷表單填寫等，進一步提升工作效率。

適合中小企業，更小更快的 Claude 3.5 Haiku 模型

Anthropic 也宣布預計在 10 月底推出全新 Claude 3.5 Haiku 模型，這款模型是 Claude 家族中速度最快的產品。

根據官方說法，Claude 3.5 Haiku 以與前代 Claude 3 Haiku 相同的成本與速度，展現了更強大的綜合能力，並在許多智能評測中超越了此前的最大模型 Claude 3 Opus。在 SWE-bench 編碼評測中，以 40.6% 的成績勝過多款主流模型。

Claude 3.5 Haiku 將先以純文字模式推出，未來也將支援圖像輸入功能。開發者可以透過 Anthropic 的 API、Amazon Bedrock 與 Google Cloud 的 Vertex AI 等平台進行使用。

如何防範代理 AI 失控？

儘管「電腦操作」功能開啟了 AI 應用的新可能性，但 AI 代理能模擬人類的操作，也意味著可能被濫用。過往的研究發現，AI 模型在受到越獄攻擊（jailbreaking）時，有可能執行不法行為，例如購買假證件或發布虛假訊息。對此，Anthropic 也在「電腦操作」功能的開發過程中採取了多項預防措施。

首先，Claude 3.5 Sonnet 在訓練過程中並未使用用戶的螢幕截圖或輸入內容，確保模型不會接觸到用戶的隱私資料。

此外，Anthropic 還開發了一系列分類器，能夠在 AI 執行被認為是高風險的行動時即時識別，並引導 AI 遠離高風險行動。例如，在社交媒體上發布資訊、創建帳戶或與政府網站互動，以減少風險。

Anthropic 也會保留由「電腦操作」功能捕捉的螢幕截圖，保存期限至少為 30 天，若有合法需求，Anthropic 也會依據法律程序配合調查。

【免責聲明】市場有風險，投資需謹慎。本文不構成投資建議，使用者應考慮本文的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

本文經授權轉載自：《數位時代》

Claude AI升級！新功能電腦操作解放雙手，未來還能幫你訂機票？