Anthropic 的 Claude 4 功能：有哪些新变化和改进

规划旅行、调试代码、分析图表或总结一份法律文件等任务，通常需要使用不同的工具或具备相关领域的专业知识。如今，得益于近期 AI 的进步，单个大语言模型（LLM）就能协助完成所有这些任务。

LLM 是一种经过训练、能够理解和生成自然语言的 AI 模型。它通过分析海量文本（书籍、网站、对话等）来学习，从而识别人们书写和说话方式中的模式。训练完成后，LLM 可以回答问题、编写代码、总结文档，以及执行许多其他基于语言的任务，通常只需很少的指令。

Anthropic 就是一家构建这类模型的公司。Anthropic 于 2021 年由一群前 OpenAI 员工创立，专注于打造安全、可靠且易于使用的 AI 系统。其最新发布的是 Claude 4 模型系列，包括两个版本：Claude Opus 4 和 Claude Sonnet 4。

Claude Opus 4 于 2025 年 5 月 22 日发布，专为需要深度推理和持续专注的复杂任务打造，例如处理大型代码库或开展深入研究。在一项测试中，它甚至能够通过创建和参考自己的记忆文件来玩《Pokémon Red》，并在游戏过程中生成导航指南，帮助自己保持正确方向。

图 1。 Claude 4 玩 Pokémon 的示例。

Claude Sonnet 4 虽然能力不如 Opus 4，但速度更快、效率更高，是编写、总结和一般问题解决等日常任务的可靠选择。在本文中，我们将了解 Claude 4 的主要功能及其产生影响的领域。让我们开始吧！

大语言模型（LLM）概述#

在深入了解 Claude 4 及其功能之前，我们先来看看大语言模型在现实世界中的应用方式。

大多数前沿 LLM 都基于一种称为 Transformer 的机器学习架构构建，它能帮助模型理解长篇文本中不同词语之间的关系。这使模型不再只是自动补全句子，还能总结文档、编写代码、回答问题和翻译语言。

事实上，LLM 的一项关键优势是灵活性。训练完成后，它们几乎无需额外调优，就能执行各种各样的任务。因此，它们可用于客户支持、教育、软件开发、内容创作和研究等多种应用。

图 2。 大语言模型的使用场景。

随着 AI 的应用不断扩大，LLM 正在帮助客服团队自动生成回复，为学生提供辅导工具，在 VS Code 等编码环境中协助开发者，并让专业人士能够轻松筛查合同、报告和数据。与此同时，一些 LLM 正被集成到AI 智能体中，以执行规划、研究或编写工作流等多步骤任务。

Claude LLM 的演进#

Anthropic 的 Claude 模型在每次发布时都持续提升速度、推理能力和整体性能。下面简要介绍 Claude 系列在发展到 Claude 4 之前的演进过程：

• Claude Instant 1.2、2 和 2.1：这些早期模型专为经济高效的快速响应而设计。Claude 2.1 引入了对 200,000 个 token 上下文的支持（这意味着它可以在一次交互中处理完整文字记录等长输入）。
• Claude 3 Haiku 和 3.5 Haiku：它们是针对速度和效率进行优化的轻量级模型，非常适合总结、基础聊天和客户支持等实时应用。
• Claude 3 Sonnet 和 3.5 Sonnet：两者都是兼顾性能与速度的均衡型模型。凭借对大型提示和长输出的支持，这些模型非常适合各种业务场景。
• Claude 3 Opus：这是一款专为复杂、高度依赖推理的任务打造的高性能模型。虽然速度较慢且需要更多资源，但 Opus 能提供详细而准确的回复，非常适合研究、战略规划和创意工作。
• Claude 3.7 Sonnet：在 Claude 4 发布之前，它是最先进的 Claude 模型。它引入了扩展思考模式，可提供更深入的回复，提升了长任务中的一致性，并且非常适合高级编程、详细分析和长篇写作。

了解 Anthropic 的 Claude 4#

Claude 4 改变了人们对大语言模型如何处理复杂、长期运行任务的看法。Anthropic 最新推出的 Claude Opus 4 和 Claude Sonnet 4 不再只关注速度或输出质量，而是旨在支持持续推理、更出色的上下文处理能力，以及更可靠的性能。

例如，Claude 4 模型会更加谨慎地思考，并避免使用捷径或技巧来完成任务。事实上，与 Sonnet 3.7 等早期版本相比，它们这样做的可能性降低了 65%。

两个模型的另一项关键功能是扩展思考，它们可以在回复前暂停并考虑多个步骤。因此，在处理分支任务、规划多阶段流程或编写结构化内容等需要细致分步推理的场景中，Claude 4 尤其有用。

此外，Claude Opus 4 引入了更强的记忆能力。当开发者提供对本地文件的访问权限后，模型可以创建并参考持久化记忆文件，以便在多个会话中跟踪关键细节。

两个模型都支持使用外部工具。Claude 4 可以通过名为模型上下文协议（MCP）的概念连接 API 和文件系统。这使开发者能够创建可以生成回复、与现实世界数据交互、运行后台任务或在工作流中使用自定义工具的 AI 系统。

Claude 4 AI 模型的应用#

智能体式 AI和模型上下文协议等概念，是 Claude 4 设计使用方式的核心。这些模型不只是为了响应提示而构建的，还旨在承担更复杂的任务、连接工具，并作为更大型系统的一部分运行。

接下来，让我们探索 Claude 4 如何应用于编码和图像分析等场景。

一览 Claude Opus 4 的编码能力#

即使对于经验丰富的开发者来说，编写整洁可靠的代码有时也很有挑战。因此，多年来，结对编程一直是一种值得信赖的方法：一人编写代码，另一人进行审查。借助 Claude Opus 4 等 AI 模型，开发者现在可以从智能助手那里获得类似的支持。

Claude Opus 4 能够处理复杂的编码项目。它在 SWE-bench 等基准测试中表现良好。SWE-bench 用于检查 AI 模型修复开源代码中真实 bug 的能力；Terminal-bench 则测试模型在命令行环境中处理任务的能力。有趣的是，Claude Opus 4 已经通过 Claude Code 应用于 VS Code 等工具，可协助完成编写新函数、建议修改或修复 bug 等任务。

图 3。 VS Code 上的 Claude Code 界面。

Claude 4 的视觉能力#

Claude 4 不仅擅长处理文本和代码，还可以分析图像。在早期模型的基础上，它现在具备更强的视觉能力，能够结合书面内容分析和理解图像。它还支持同时处理多张图像，这对于比较设计、读取图表、总结示意图或审查用户界面原型等任务非常实用。

虽然 Claude 擅长理解视觉内容，但它也存在局限：无法识别人，可能难以准确识别棋盘或时钟等布局，并且不是为医疗诊断而设计的。对于任何关键应用场景，最好仔细核查其输出。

合理使用时，Claude 4 的图像能力可以帮助开发者调试视觉界面、帮助教育工作者制作学习材料，以及帮助研究人员审查视觉数据，使其成为适用于结合文本与图像的多模态任务的高效工具。

如何体验 Anthropic Claude 4 的功能#

下面介绍几种体验 Claude 4 的方式：

• Claude.ai：你可以直接在 Anthropic 的网站上使用 Claude。Sonnet 4 可通过基础账户使用，而 Opus 4 需要通过 Pro 套餐访问。
• Anthropic API：开发者可以使用 API 将 Claude 集成到自己的工具或服务中。Sonnet 和 Opus 两个模型都受支持，设置时需要 API 密钥。
• GitHub Copilot：Claude 4 可在 GitHub Copilot Chat 中使用。付费用户可以使用 Sonnet 4，而 Opus 4 的访问权限取决于你的具体套餐。这些模型可在 GitHub 网站、VS Code 和移动应用中使用。

图 4。 GitHub Copilot 上的 Claude 4 模型。

Claude 4 还可在 Amazon Bedrock 和 Google Cloud 的 Vertex AI 等平台上使用。

这些集成让你能够更轻松地在云应用和企业工具中使用该模型。

要点总结#

Claude 4 是 AI 模型发展程度的一个很好的例子。凭借更强的推理能力、更出色的记忆能力，以及同时处理文本和图像的能力，它能够胜任更复杂的现实世界工作。

无论你是在编写代码、分析数据，还是构建 AI 驱动的工具，Claude 4 都能为你的任务提供支持。随着 LLM 持续改进，Claude 这样的工具可能会越来越常见于日常工作流中。

在我们的 GitHub 代码仓库中进一步了解 AI，并加入不断壮大的社区。探索零售业中的 AI和农业中的计算机视觉领域的进展。查看我们的许可选项，让你的视觉 AI 项目成为现实。