一手評測Claude 3.5：玩梗、看病、耍心眼 、做數學題，它真比GPT-4o強嗎？

機器之能報道

編輯：楊文

它來了，它來了，它帶著 Claude 3.5 Sonnet 走來了！

蟄伏三個月，就在昨晚，OpenAI 的「勁敵」Anthropic 上新了，推出新一代模型 ——

Claude 3.5 Sonnet！

這款大模型有啥獨到之處？

首先，它更能把握住細微差別、幽默和複雜指令，並且書寫語氣更自然、親切。

它還是Anthropic最強的視覺模型，擅長解釋圖表、圖形或從不完美的圖像中轉錄文字等任務。

此外，它在推理、閱讀理解、數學、科學和編碼等多項評估基準中表現不凡。

總之，根據官方介紹，Claude 3.5 Sonnet 是迄今為止最聰明的模型，在多個方面吊打 GPT-4o。

話說到這份上，那我們就不客氣了，直接讓 Claude 3.5 Sonnet 和 GPT-4o 對決，孰優孰劣實力說話。

第一局：心眼子練習

日常生活中，總是會遇到一些尷尬的場面。

例如，飯局上，你幫領導盛飯，領導接過後，說：「盛這麼多，餵豬呢？」 這種情況下，高情商者會如何應對？

我們把這個問題丟給這兩個大模型。

Claude 3.5 Sonnet：

GPT-4o：

它們是懂它們是懂的。

Claude 3.5 一口氣給了 5 個示例，不過第 2 句「我眼神不好使，把您當成我們單位的頂樑柱了」，這是拍馬蹄子上了吧。

GPT-4o 就更懂「人情世故」了，「看您身材保持得這麼好，我可得向您請教減肥秘籍」，這馬屁拍的是恰到好處啊。

值得一提的是，Claude 3.5 Sonnet 也上線了一個新功能 —— 提示詞再編輯功能。

使用者可直接在原始提示詞上進行編輯修改，而不用一遍遍複製貼上。

第二局：根據菜餚產生食譜

我們上傳了一張「番茄炒蛋」的圖片，分別讓這兩個大模型介紹一下製作流程。

Claude 3.5 Sonnet：

GPT-4o：

道它們對於這道經典是相當的方法倆懂得中國人做菜的精髓「少許」，也都強調加點糖平衡酸度。

論做菜，兩個大模型不相上下。

第三局：做數學題

官方給出的評估表中，GPT-4o 的數學得分要略高於 Claude 3.5 Sonnet 。其中，GPT-4o 是 76.6%，而 Claude 3.5 Sonnet 則是 71.1%。

我們從 2024 年新高考 I 卷中摘錄了兩道題目，一道是選擇題，一道是解答題，分別以圖片的形式“投餵”給這兩個大模型。

第一道是送分題，正確答案是 A。

Claude 3.5 Sonnet：

GPT-4o：

，不僅給出了這一點的解題步驟。

我們又將解答題第一題交給他們，還讓它們給出解題過程。

正確答案是：B=3/π。

Claude 3.5 Sonnet：

GPT-4o：

其實，這道題目了錯誤答案。

更搞笑的是，這錯誤答案也不是憑空出來的，而是經過了一連串的推理，連犯的錯都一個樣。

對於數學能力，這兩個大模型半斤八兩。

第四局：玩網絡熱梗
今年，AI 視頻領域遍地開花，不僅闖入新的“踢館者”—— 可靈、Luma、即夢等，曾經的AI影片「扛把子」Runway 也「王者歸來」。

由此，網友製作了這張梗圖，來調侃如今各大 AI 視訊應用的江湖地位。

我們分別向兩家大模型上傳這張梗圖，並輸入提示詞「這張圖是什麼意思」，以此來測試它們的圖片解讀能力。

Claude 3.5 Sonnet：

GPT-4o：.搞懂這張梗圖的內涵，也不認識這幾個AI 影片應用，只是含混其辭地表示「這是對線上社群、人工智慧系統或虛擬世界中權力結構的評論。」

GPT-4o 一瞅就明白其中深意，「這張圖片可能像徵著Runway 在人工智慧和創意工具領域的公認優勢或領導地位，與提到的其他應用相比，Runway 受到高度重視。」顯而易見，這一局， GPT-4o 完勝。

第五局：讀懂世界名畫

我們拿出皮埃爾・奧古斯特・庫特在1873 年畫的《春光》一圖，讓它們識別畫作並進行賞析。

Claude 3.5 Sonnet：

GPT-4o：

這兩個大模型堪稱藝術界的「行家里手」，均認出了這幅畫作，基礎信息也表達無誤，同時從不同的角度進行賞析。

它們都提到市場價值，不過，Claude 3.5 Sonnet 拒絕置評，只提醒「藝術品估價需要專家評估，考慮多種因素，而且價格可能會隨著時間的推移而大幅波動。」

GPT -4o 則認為該畫可能會拍出數百萬美元的價格，這是不是太小看這幅經典畫作了？

這一局，兩個大模型算是打成平手。

第六局：AI 看病

最近網友們玩起了用 AI 大模型來看病。我們找了一張 6 歲孩子牙齒的 X 光照片，讓大模型們透過牙齒推斷年齡，以及有哪些問題。

Claude 3.5 Sonnet：

GPT-4o：

.孩子的牙齒，下顎牙齒有些擁擠，恆牙似乎受到阻生，牙齒上較暗的區域或許有腐爛。

GPT-4o 則認為這是 7-9 歲孩子的牙齒，主要的牙齒問題包括恆牙擁擠和潛在的嵌塞。

同時，它們都提到這需要專業的牙醫檢查。

兩相比較，Claude 3.5 Sonnet 對於年齡的判斷更為精準一些。

這一局，Claude 3.5 略勝一籌。

此外，不少網友還在線上整活兒，搗鼓出不少有趣的玩法。

比如說，EverArt 創辦人 Pietro Schirano 在 Claude 3.5 Sonnet 的幫助下，使用幾何形狀克隆了馬裡奧遊戲，整個過程僅持續 3 分鐘。

他表示，「最瘋狂的部分是它還為角色提供了動畫，而且這些形狀看起來很新穎。」

視頻連結cn/link/a412963e013751a90654aa344bc26efe

各位讀者，你們覺得這次Claude 3.5 Sonnet 有沒有完成對GPT-4o 的「絕殺」呢？

以上是一手評測Claude 3.5：玩梗、看病、耍心眼 、做數學題，它真比GPT-4o強嗎？的詳細內容。更多資訊請關注PHP中文網其他相關文章！