Функции Claude 4 от Anthropic: что нового и что улучшилось

Планирование поездки, отладка кода, анализ диаграммы или составление краткого изложения юридического документа обычно требуют разных инструментов или специальных знаний в конкретной области. Сегодня, благодаря последним достижениям ИИ, со всеми этими задачами может помочь одна большая языковая модель (LLM).

LLM — это тип модели ИИ, обученной понимать и генерировать человеческую речь. Она учится, анализируя огромные объёмы текста — книги, веб-сайты, диалоги и многое другое, — чтобы распознавать закономерности в том, как люди пишут и говорят. После обучения LLM может отвечать на вопросы, писать код, составлять краткие изложения документов и выполнять множество других языковых задач, часто получая минимум инструкций.

Одна из компаний, разрабатывающих такие модели, — Anthropic. Компания была основана в 2021 году группой бывших сотрудников OpenAI и сосредоточилась на создании безопасных, надёжных и удобных в работе систем ИИ. На момент написания статьи последним релизом компании было семейство моделей Claude 4, включающее две версии: Claude Opus 4 и Claude Sonnet 4.

Claude Opus 4, выпущенная 22 мая 2025 года, предназначена для более сложных задач, требующих глубоких рассуждений и длительной концентрации, например для работы с большими кодовыми базами или проведения углублённых исследований. В одном из тестов модель даже смогла пройти Pokémon Red: она создавала собственные файлы памяти и обращалась к ним, а в середине игры составила руководство по навигации, чтобы не сбиться с пути.

Рис. 1. Пример игры Claude 4 в Pokémon.

Claude Sonnet 4 уступает по мощности, зато работает быстрее и эффективнее, поэтому хорошо подходит для повседневных задач — написания текстов, составления кратких изложений и решения общих задач. В этой статье мы рассмотрим ключевые возможности Claude 4 и его влияние на разные области.

Обзор больших языковых моделей (LLM)#

Прежде чем перейти к Claude 4 и его возможностям, давай посмотрим, как большие языковые модели применяются в реальном мире.

Большинство современных LLM построены на архитектуре машинного обучения под названием трансформер, которая помогает моделям понимать связи между словами в длинных текстах. Благодаря этому они могут не только дополнять предложения, но и составлять краткие изложения документов, писать код, отвечать на вопросы и переводить тексты.

Одна из ключевых сильных сторон LLM — гибкость. После обучения их можно использовать для широкого круга задач, практически не настраивая дополнительно или вовсе обходясь без такой настройки. Поэтому они полезны в самых разных областях: от поддержки клиентов и образования до разработки ПО, создания контента и исследований.

Рис. 2. Варианты применения больших языковых моделей.

По мере распространения ИИ LLM помогают службам поддержки автоматизировать ответы, предоставляют ученикам инструменты для обучения с репетитором, помогают разработчикам прямо в средах программирования, таких как VS Code, а специалистам — быстро анализировать договоры, отчёты и данные. Кроме того, некоторые LLM интегрируют в ИИ-агентов, которые могут выполнять многоэтапные задачи: планировать, проводить исследования или выстраивать рабочие процессы написания текстов.

Эволюция LLM Claude#

С каждым выпуском модели Claude от Anthropic постепенно улучшались по скорости, качеству рассуждений и общим возможностям. Вот краткий обзор развития семейства Claude до выхода Claude 4:

• Claude Instant 1.2, 2 и 2.1: Эти ранние модели создавали для быстрых и недорогих ответов. В Claude 2.1 появилась поддержка контекстного окна на 200 000 токенов (это позволяло обрабатывать за один запрос длинные данные, например полные расшифровки записей).
• Claude 3 Haiku и 3.5 Haiku: Это были компактные модели, оптимизированные для скорости и эффективности. Они отлично подходили для приложений реального времени, например для составления кратких изложений, простого общения в чате и поддержки клиентов.
• Claude 3 Sonnet и 3.5 Sonnet: Обе модели обеспечивали сбалансированную производительность без потери скорости. Благодаря поддержке больших запросов и длинных ответов они хорошо подходили для самых разных бизнес-задач.
• Claude 3 Opus: Это была высокопроизводительная модель для сложных задач, требующих интенсивных рассуждений. Хотя Opus работала медленнее и требовала больше ресурсов, она давала подробные и точные ответы, поэтому хорошо подходила для исследований, стратегического планирования и творческой работы.
• Claude 3.7 Sonnet: Это была самая продвинутая модель Claude до выхода Claude 4. В ней появился режим расширенного рассуждения для более подробных ответов, повысилась стабильность при выполнении длительных задач, а сама модель хорошо подходила для сложного программирования, детального анализа и написания больших текстов.

Знакомство с Claude 4 от Anthropic#

Claude 4 меняет представление о том, как большие языковые модели создаются для выполнения сложных и длительных задач. Вместо того чтобы сосредоточиться только на скорости или качестве ответов, последние модели Anthropic — Claude Opus 4 и Claude Sonnet 4 — призваны поддерживать длительные рассуждения, лучше работать с контекстом и обеспечивать более надёжные результаты.

Например, модели Claude 4 тщательнее обдумывают задачи и не пытаются завершить их с помощью коротких путей или уловок. На самом деле, по сравнению с более ранними версиями, такими как Sonnet 3.7, они на 65 % реже прибегают к такому подходу.

Ещё одна ключевая особенность обеих моделей — расширенное мышление, которое позволяет им останавливаться и обдумывать несколько шагов перед ответом. Поэтому Claude 4 особенно полезна в ситуациях, где важны взвешенные пошаговые рассуждения: например, при выполнении задач с разветвлёнными сценариями, планировании многоэтапных процессов или написании структурированных текстов.

Кроме того, в Claude Opus 4 улучшены возможности работы с памятью. Если разработчики предоставят модели доступ к локальным файлам, она сможет создавать постоянные файлы памяти и обращаться к ним, чтобы сохранять важные сведения между сеансами.

Обе модели также рассчитаны на работу с внешними инструментами. Claude 4 может подключаться к API и файловым системам с помощью концепции под названием протокол контекста модели (MCP). Это позволяет разработчикам создавать системы ИИ, которые генерируют ответы, взаимодействуют с данными из реального мира, выполняют фоновые задачи или используют пользовательские инструменты как часть рабочего процесса.

Применение модели ИИ Claude 4#

Такие концепции, как агентный ИИ и протокол контекста модели, лежат в основе предполагаемых сценариев использования Claude 4. Эти модели созданы не только для ответов на запросы: они могут выполнять более сложные задачи, подключаться к инструментам и работать как часть крупных систем.

Теперь давай посмотрим, как Claude 4 можно использовать в таких областях, как программирование и анализ изображений.

Возможности Claude Opus 4 в программировании#

Даже опытным разработчикам порой непросто писать чистый и надёжный код. Поэтому парное программирование, когда один человек пишет код, а другой проверяет его, уже много лет остаётся проверенным подходом. Благодаря моделям ИИ, таким как Claude Opus 4, разработчики теперь могут получать аналогичную поддержку от интеллектуального помощника.

Claude Opus 4 создана для работы со сложными проектами по программированию. Она хорошо справляется с такими тестами производительности, как SWE-bench, который проверяет, насколько хорошо модель ИИ исправляет реальные ошибки в коде с открытым исходным кодом, и Terminal-bench, проверяющий выполнение задач в командной строке. Примечательно, что Claude Opus 4 уже используют в таких инструментах, как VS Code, через Claude Code: модель помогает писать новые функции, предлагать правки и исправлять ошибки.

Рис. 3. Интерфейс Claude Code в VS Code.

Возможности Claude 4 в области компьютерного зрения#

Claude 4 умеет не только работать с текстом и кодом, но и анализировать изображения. Опираясь на предыдущие модели, она получила более мощные возможности компьютерного зрения, которые позволяют анализировать и интерпретировать изображения наряду с письменным содержимым. Она также поддерживает одновременную работу с несколькими изображениями, что полезно для сравнения дизайнов, чтения графиков, составления кратких описаний диаграмм и анализа макетов пользовательского интерфейса.

Несмотря на то что Claude хорошо интерпретирует визуальную информацию, у неё есть ограничения: она не умеет распознавать людей, может испытывать трудности с точными схемами, например шахматными досками или циферблатами, и не предназначена для медицинской диагностики. При любом критически важном использовании лучше перепроверять результаты.

При продуманном использовании возможности Claude 4 по анализу изображений могут помочь разработчикам отлаживать визуальные интерфейсы, преподавателям — создавать учебные материалы, а исследователям — анализировать визуальные данные. Это делает модель полезным инструментом для мультимодальных задач, объединяющих текст и изображения. Более новые модели Claude, например Claude Opus 5.5 и Claude Sonnet 5.5, сравниваются с другими визуально-языковыми моделями по результатам обнаружения объектов в реальных условиях в рейтинге VLM от Ultralytics.

Как попробовать возможности Claude 4 от Anthropic#

Вот несколько способов попробовать Claude 4:

• Claude.ai: Claude можно использовать прямо на сайте Anthropic. Sonnet 4 доступна в базовой учётной записи, а для доступа к Opus 4 нужен тариф Pro.
• API Anthropic: Разработчики могут интегрировать Claude в собственные инструменты или сервисы с помощью API. Поддерживаются обе модели — Sonnet и Opus, а для настройки нужен ключ API.
• GitHub Copilot: Claude 4 доступна в GitHub Copilot Chat. Sonnet 4 доступна пользователям с платной подпиской, а доступ к Opus 4 зависит от конкретного тарифа. Модели можно использовать на сайте GitHub, в VS Code и в мобильном приложении.

Рис. 4. Модели Claude 4 в GitHub Copilot.

Claude 4 также доступна на таких платформах, как Amazon Bedrock и Vertex AI от Google Cloud.

Благодаря этим интеграциям модель проще использовать в облачных приложениях и корпоративных инструментах.

Главные выводы#

Claude 4 — отличный пример того, насколько далеко продвинулись модели ИИ. Благодаря более сильным способностям к рассуждению, улучшенной памяти и умению работать как с текстом, так и с изображениями модель предназначена для более сложных задач из реального мира.

Пишешь ли ты код, анализируешь данные или создаёшь инструменты на основе ИИ — Claude 4 может помочь с твоими задачами. По мере совершенствования LLM такие инструменты, как Claude, вероятно, будут всё чаще использоваться в повседневных рабочих процессах.

Узнай больше об ИИ в нашем репозитории на GitHub и присоединяйся к нашему растущему сообществу. Познакомься с достижениями в области ИИ в розничной торговле и компьютерного зрения в сельском хозяйстве. Ознакомься с вариантами лицензирования и воплоти в жизнь свои проекты в области компьютерного зрения с ИИ.