Semakan tangan pertama Claude 3.5: Adakah ia benar-benar lebih baik daripada GPT-4o untuk bermain helah, berjumpa doktor, bermain helah dan melakukan masalah matematik?

Laporan Kuasa Mesin kemampuan sungguh begitu misteri?

Ia akan datang, ia akan datang, ia akan datang dengan Claude 3.5 Sonnet!

Selepas tiga bulan tidak aktif, baru malam tadi, Anthropic "saingan kuat" OpenAI melancarkan model generasi baharu -

Claude 3.5 Sonnet!

Apakah keunikan model besar ini?

Pertama sekali, ia boleh memahami nuansa, jenaka dan arahan yang kompleks dengan lebih baik, dan nada penulisan lebih semula jadi dan mesra.

Ia juga merupakan model visual terkuat Anthropic, pandai dalam tugas seperti mentafsir carta, graf atau menyalin teks daripada imej yang tidak sempurna.

Selain itu, ia menunjukkan prestasi yang sangat baik dalam pelbagai penanda aras penilaian termasuk penaakulan, pemahaman bacaan, matematik, sains dan pengekodan.

Ringkasnya, mengikut pengenalan rasmi, Claude 3.5 Sonnet adalah model paling bijak setakat ini, mengalahkan GPT-4o dalam banyak aspek.

Bercakap mengenainya, jangan bersikap sopan dan biarkan Claude 3.5 Sonnet dan GPT-4o bersaing secara langsung untuk melihat mana yang lebih baik.

Permainan Pertama: Senaman Mata Minda

Dalam kehidupan seharian, anda akan sentiasa menghadapi beberapa adegan yang memalukan.

Contohnya, di majlis makan malam, anda membantu ketua menghidangkan nasi Selepas ketua mengambilnya, dia berkata: "Bagaimana pula dengan memberi makan babi selepas banyak menghidangkan?" keadaan?

Kami membuang masalah ini kepada dua model besar ini.

Claude 3.5 Sonnet:

GPT-4o:

Mereka tahu cara menyanjung anda.

Claude 3.5 memberikan 5 contoh dalam satu nafas, tetapi ayat kedua, "Penglihatan saya tidak baik, jadi saya menganggap awak sebagai tiang unit kami ini mungkin satu tamparan."

GPT-4o lebih memahami "cara dunia", "Melihat awak mengekalkan angka yang begitu baik, saya terpaksa meminta petua penurunan berat badan", sanjungan ini tepat. Perlu dinyatakan bahawa Claude 3.5 Sonnet juga telah melancarkan fungsi baharu - fungsi pengeditan semula perkataan gesaan.

Pengguna boleh terus mengedit dan mengubah suai perkataan gesaan asal tanpa perlu menyalin dan menampalnya berulang kali.

Pusingan kedua: Menjana resipi berasaskan hidangan

Kami memuat naik gambar "Telur Goreng dengan Tomato" dan membiarkan kedua-dua model besar itu memperkenalkan proses pengeluaran. . daripada mereka memahami intipati masakan Cina, "sedikit", dan kedua-duanya menekankan penambahan sedikit gula untuk mengimbangi keasidan.

Kalau nak masak, dua model besar memang setanding.

Permainan ketiga: Lakukan masalah matematik

Dalam jadual penilaian rasmi, markah matematik GPT-4o lebih tinggi sedikit daripada Claude 3.5 Sonnet. Antaranya, GPT-4o ialah 76.6%, dan Claude 3.5 Sonnet ialah 71.1%.

Kami mengeluarkan dua soalan daripada Kertas I Peperiksaan Kemasukan Kolej Baharu 2024, satu soalan aneka pilihan dan satu lagi soalan jawapan, dan mereka "diberi makan" kepada dua model besar ini dalam bentuk gambar.

Soalan pertama ialah soalan pemarkahan, dan jawapan yang betul ialah A.

Claude 3.5 sonnet:

gpt-4o:

Ini dua model besar adalah "selaras", bukan hanya memberikan jawapan yang betul, tetapi juga memberi terperinci langkah penyelesaian masalah maklumat.

Kami memberi mereka soalan pertama dan meminta mereka memberikan proses penyelesaian.

Jawapan yang betul ialah: B=3/π. . ", dan akhirnya memberi mendapat jawapan yang salah.

Apa yang lebih melucukan ialah jawapan yang salah ini tidak keluar begitu sahaja, tetapi selepas beberapa siri penaakulan, malah kesilapan adalah sama. Dari segi kebolehan matematik, kedua-dua model besar ini adalah sekata.

Permainan keempat: Memainkan meme hangat di Internet

Tahun ini, bidang video AI telah berkembang di mana-mana, bukan sahaja menembusi "pemain" baru - Keling, Luma, Jimeng, dll. , bekas AI Video "membawa pemegang" Landasan juga adalah "kepulangan raja".

Akibatnya, netizen membuat meme ini untuk menyindir status aplikasi video AI utama hari ini.

Kami memuat naik meme ini masing-masing ke dua model besar, dan memasukkan perkataan segera "Apakah maksud gambar ini untuk menguji keupayaan tafsiran imej mereka?"
Claude 3.5 sonnet:

gpt-4o:

Claude 3.5 sonnet mempunyai penerangan terperinci dari segi aksara skrin, adegan dan suasana, tetapi tidak nampaknya Memahami Saya tidak tahu konotasi meme ini, dan saya tidak tahu aplikasi video AI ini Saya hanya menyatakan secara samar-samar bahawa “ini adalah ulasan tentang struktur kuasa dalam komuniti dalam talian, sistem kecerdasan buatan atau maya. dunia Jelas sekali, pusingan ini, GPT-4o menang.

Pusingan kelima: Memahami lukisan terkenal dunia

Kami mengeluarkan gambar "Spring Light" yang dilukis oleh Pierre-Auguste Coote pada tahun 1873 dan meminta mereka mengenal pasti lukisan itu dan menghargainya. Claude 3.5 Sonet:

GPT-4o:

Dua model besar ini boleh dipanggil "pakar" dalam dunia seni Mereka berdua mengenali lukisan itu, menyatakan maklumat asas dengan betul, dan menghargainya dari sudut yang berbeza.

Mereka semua menyebut nilai pasaran, bagaimanapun, Claude 3.5 Sonnet enggan mengulas, hanya mengingatkan bahawa "penilaian seni memerlukan penilaian pakar, dengan mengambil kira pelbagai faktor dan harga mungkin turun naik dengan ketara dari semasa ke semasa

GPT -4o percaya bahawa lukisan itu mungkin dapatkan berjuta-juta dolar Adakah ini terlalu dipandang rendah untuk lukisan klasik ini?

Dalam permainan ini, dua model besar diikat.

Pusingan keenam: AI doctoring

Baru-baru ini, netizen telah bermain dengan menggunakan model AI yang besar untuk merawat doktor. Kami menjumpai X-ray gigi kanak-kanak berumur 6 tahun dan meminta model menggunakan gigi tersebut untuk menyimpulkan umur dan masalah yang ada.

Claude 3.5 Sonnet:

GPT-4o:

GPT-4o:

Claude simpulan berdasarkan perkembangan ini, kami tetapkan berdasarkan perkembangan Claude 3 kanak-kanak sekitar 6- 7 tahun Gigi kanak-kanak, gigi bawah agak sesak, gigi kekal kelihatan terjejas, dan mungkin terdapat pereputan di kawasan gigi yang lebih gelap.

GPT-4o percaya bahawa ini adalah gigi kanak-kanak berumur 7-9 tahun Masalah pergigian utama termasuk gigi kekal yang sesak dan potensi impak.

Pada masa yang sama, mereka semua menyebut bahawa ini memerlukan pemeriksaan pergigian profesional. Berbanding antara keduanya, pertimbangan umur Claude 3.5 Sonnet adalah lebih tepat.

Dalam permainan ini, Claude 3.5 adalah lebih baik sedikit.

Selain itu, ramai netizen juga bekerja dalam talian dan menghasilkan banyak cara menarik untuk bermain.

Sebagai contoh, pengasas EverArt Pietro Schirano mengklonkan permainan Mario menggunakan bentuk geometri dengan bantuan Claude 3.5 Sonnet, dan keseluruhan proses hanya berlangsung selama 3 minit. . a412963e013751a90654aa344bc26efe

🎜Pembaca yang dihormati, adakah anda fikir Claude 3.5 Sonnet telah menyelesaikan "kekalahan" menentang GPT-4o kali ini? 🎜

Atas ialah kandungan terperinci Semakan tangan pertama Claude 3.5: Adakah ia benar-benar lebih baik daripada GPT-4o untuk bermain helah, berjumpa doktor, bermain helah dan melakukan masalah matematik?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!