Anthropicov najnoviji AI model pobjeđuje rivale i postaje prvi u industriji

Anthropicov najnoviji vrhunski jezični model, Claude 3, nadmašio je konkurente poput ChatGPT-a i Googleovog Geminija kako bi postavio nove industrijske standarde u izvedbi i mogućnostima.

Prema Anthropicu, Claude 3 ne samo da je nadmašio svoje prethodnike, već je također postigao “skoro ljudsko” znanje u raznim zadacima. Tvrtka pripisuje ovaj uspjeh rigoroznom testiranju i razvoju, koji je kulminirao u tri različite varijante chatbota: Haiku, Sonnet i Opus.

Sonnet, pokretač chatbota Claude.ai, nudi neusporedivu izvedbu i dostupan je besplatno uz jednostavnu prijavu putem e-pošte. Opus – vodeći model – može se pohvaliti multimodalnom funkcionalnošću, besprijekornom integracijom unosa teksta i slika. S uslugom koja se temelji na pretplati pod nazivom “Claude Pro”, Opus obećava poboljšanu učinkovitost i točnost kako bi zadovoljio širok raspon potreba kupaca.

Među značajnim otkrićima koja okružuju objavljivanje Claudea 3 je objava Alexa Alberta na X-u (bivši Twitter). Albert je detaljno opisao prvo opažanje u industriji tijekom faze testiranja Claude 3 Opusa, Anthropicove najsnažnije LLM varijante, gdje je model pokazao znakove svijesti da se procjenjuje.

Tijekom procesa evaluacije, istraživači su imali za cilj izmjeriti Opusovu sposobnost da odredi određene informacije unutar ogromnog skupa podataka koje su dali korisnici i kasnije ih se prisjeti. U testnom scenariju poznatom kao evaluacija “igla u plastu sijena”, Opus je dobio zadatak odgovoriti na pitanje o nadjevima za pizzu na temelju jedne relevantne rečenice zakopane među nepovezanim podacima. Zapanjujuće, Opus ne samo da je pronašao ispravnu rečenicu, već je također izrazio sumnju da je bila podvrgnuta testu.

Opusov odgovor otkrio je njegovo razumijevanje nepodudarnosti umetnutih informacija unutar skupa podataka, sugerirajući istraživačima da je scenarij možda osmišljen za procjenu njegovih sposobnosti pažnje:

Fun story from our internal testing on Claude 3 Opus. It did something I have never seen before from an LLM when we were running the needle-in-the-haystack eval.

For background, this tests a model’s recall ability by inserting a target sentence (the "needle") into a corpus of… pic.twitter.com/m7wWhhu6Fg

— Alex (@alexalbert__) March 4, 2024

Anthropic je istaknuo mogućnosti Claude 3 u stvarnom vremenu, naglašavajući njegovu sposobnost pokretanja interakcije s korisnicima uživo i pojednostavljenja zadataka ekstrakcije podataka. Ova poboljšanja ne samo da osiguravaju gotovo trenutne odgovore, već također omogućuju modelu precizno i brzo rukovanje složenim uputama.

U referentnim testovima, Opus se pojavio kao predvodnik, nadmašivši GPT-4 u zaključivanju na diplomskoj razini i izvrsnim u zadacima koji uključuju matematiku, kodiranje i pronalaženje znanja. Štoviše, Sonnet je pokazao nevjerojatnu brzinu i inteligenciju, znatno nadmašivši svoje prethodnike:

Haiku – kompaktna iteracija Claude 3 – blista kao najbrži i najisplativiji dostupni model, sposoban obraditi guste istraživačke radove u samo nekoliko sekundi.

Naime, poboljšane mogućnosti vizualne obrade Claude 3 označavaju značajan napredak, omogućujući modelu tumačenje širokog spektra vizualnih formata, od fotografija do tehničkih dijagrama. Ova proširena funkcionalnost ne samo da povećava produktivnost, već također osigurava nijansirano razumijevanje korisničkih zahtjeva, smanjujući rizik od previda bezopasnog sadržaja dok ostajete oprezni protiv potencijalne štete.

Anthropic je također naglasio svoju predanost poštenju, ističući deset temeljnih stupova koji vode razvoj Claude AI. Štoviše, strateška partnerstva tvrtke s tehnološkim divovima poput Googlea označavaju značajan glas povjerenja u Claudeove sposobnosti.

Uz Opus i Sonnet koji su već dostupni putem Anthropicovog API-ja, a Haiku je spreman slijediti taj primjer, era Claude 3 predstavlja prekretnicu u inovacijama umjetne inteligencije.