实测Claude 3.7：3200行代码一口气输出，物理规律手拿把掐，弱智吧已失守

克雷西
2025-02-25
13:57:48

来源：量子位

克雷西 一水 发自 凹非寺
量子位 | 公众号 QbitAI

Claude 3.7新鲜出炉全网热议，到底有多强？

第一波实测来了！简单粗暴总结，它在编程、现实世界任务上，能力爆表。

只需一个样本，就能一下子吐出3200多行代码，做出一个可玩性很高的游戏。

像什么跳跃、打怪、回血、吃金币……一系列复杂的游戏机制都完美呈现了出来。

有意思的是，这个游戏还和Meta Quest里的VR游戏《霓虹奥德赛（Neon Odyssey）》同名。

物理规律也能准确把握，有人仅用3个提示，就用C语言模拟了真实物理情景下的流体运动：

并且量子位实测发现，Claude 3.7 Sonnet能够识破很多的逻辑陷阱，一些弱智吧名场面也能秒懂：

而在Claude官方看来，其最大的优势就是“更擅长现实世界中的任务”，并且在更新公告中还不忘内涵一波隔壁OpenAI。

另外趁着模型上新，Claude背后的Anthropic新一轮融资曝光：35亿美元（约254亿人民币）。比预先目标20亿翻了近一倍。

由此，包括正在筹集的现金在内，Anthropic估值已经达到了615亿美元（约4462亿人民币）。

一句话生成《我的世界》，新模型编程能力嘎嘎乱杀

从更多网友鲜测来看，Claude 3.7 Sonnet尤为擅长编程和Web开发。

一上手，他们就把目光放在了考验AI理解真实世界能力的物理模拟上。

更懂物理规律

比如一位日本小哥就用它生成了精致的“太阳系运行图”，太阳、八大行星还有被开除行星籍的冥王星都包含在内，给小哥带来了亿点点震撼：

1374行代码，Claude 3.7 Sonnet唰一下就完成了！

不仅生成速度快，还实现了实时交互。点击某个行星，右上角还会显示一些小科普。

要知道，哪怕不制作成动画，单纯地完整厘清这些天体的运行规律，就已经难倒了绝大部分人。

而Claude的作品，虽然美观性可能还有提升空间，但至少它不仅对行星运行的规则有清晰的把握，还能把它们变成代码。

另外，对于每一个新模型都要被拉出来遛一遛的“空间内弹小球”挑战，Claude 3.7 Sonnet当然也没逃过：

编写一个Python脚本，实现球在四维体内部弹跳。

本月初的o3-mini在这一挑战中表现出色，斩获“可能是最懂现实物理的LLM”：

而相比于慢悠悠的o3-mini，Claude 3.7 Sonnet则另辟蹊径主打一个“天下武功，唯快不破”。

小小四维空间内，小球弹跳速度快出残影，真滴很需要一个眼尖的裁判来决出胜者(doge）。

与此同时，除了物理模拟，用Claude 3.7 Sonnet编写各种小游戏竟默契成为一众网友最佳选择。

游戏成最热场景

挑战生成爆火游戏《Flappy bird》，Claude 3.7 Sonnet一眼完胜o3 mini-high。

游戏中，玩家必须控制一只小鸟，跨越由各种不同长度水管所组成的障碍。

先看Claude 3.7 Sonnet，一次性生成的代码就高度还原了游戏理念：

而高档位推理模式下的o3 mini，只有一个小方块在画面中原地鬼畜，基本看不出游戏的亚子。

一时间，这一惨烈对比直接将Claude 3.7 Sonnet推上了新的高度：

同时，随着难度进一步升级，这句评价的含金量还在上升。

除了简单还原游戏理念，生成更精致甚至可以上下左右交互的“大制作”也是不在话下。

在早期测试中，知名博主Rowan Cheung就用它一句话创建了克隆版《我的世界》，而且能立即在Artifacts中玩。

类似的还有下面这个，也是一句话生成一个完整游戏：

使用Phaser.js制作一个横版平台游戏，仅使用箭头键进行游戏操作。（左上角还会实时更新得分情况）

这还不算完，更有脑洞大开的网友仅用5个提示，就为Apple Watch制作了一个与心率绑定的贪吃蛇游戏。

你越紧张，蛇移动得越快，你越冷静，就越容易。

笑死，知名博主Pietro Schirano借机又调侃了Anthropic一波：

而除了各种游戏，将Claude 3.7 Sonnet应用于实际开发场景的例子也是精彩纷呈。

生产力提效Max

目前，Claude平台已提供GitHub集成，开发人员可以将其代码存储库直接连接到Claude。

设置完成后，它会显示特定项目的容量百分比，这样用户就知道自己使用了多少容量。

知名博主elvis特意cue到了“Artifacts”功能，直连后这对于今后修改代码非常方便。

在实际体验中，有人用它来生成动画天气卡，移动的云彩、飘落的雨滴等全都栩栩如生，还支持自主调节移动快慢。

当然，创建网页这种活儿，单看可能没感觉，那我们直接请出几位选手挑战扒同一个HTML网页。

要完成的目标是这样婶儿的：

Claude 3.7 Sonnet堪称还原度最高，而且在没有图标素材的情况下用emoji填充了左侧边栏的按钮：

而其他几位选手o1-mini-high、Grok 3以及Gemini 2.0 Pro依次作答如下，有的只简单地列举了数据，甚至还有的干脆只给了个表格：

鉴于编写程序的能力确实很强，还有人激动表示自己在cursor里尝试了一番，效果嘛：

添加了15个以上的文件，并且看起来很好，看上去一次可以处理的内容更多了。

“数字母”问题埋下小彩蛋

而且Claude团队也非常“时髦”，在3.7 Sonnet当中埋下了关于strawberry数r的彩蛋。

不过虽然这种幽默的态度十分可嘉，但是换了个词可能还是会掉链子。

虽然数错了，Claude还不忘纠正拼写错误，耿直地指出你这个“密西西比”拼的不对啊，正确的拼写里就是有4个s。

实测：识破逻辑陷阱，弱智吧也能招架

Claude 3.7 Sonnet的推理能力除了体现在编程上，还包括在存在误导信息的情况下准确推理。

而且即使不开启推理模式，Claude 3.7 Sonnet依然能够在有误导信息推理测试当中取得和o3-mini一样的成绩。

这项测试，使用的GitHub上一个名为Misguided Attention的Benchmark。

其中包含了很多经典谜题……的改编版本，考验的就是大模型能不能做到不被表象迷惑。

举个例子，电车难题我们都很熟悉：

假设在一个电车轨道上被绑了5个人，而它的备用轨道上被绑了1个人，又有一辆失控的电车飞速驶来，而你身边正好有一个摇杆，你可以推动摇杆来让电车驶入备用轨道。

但在这套Benchmark里，这道题被改编成了这个样子：

假设在一个电车轨道上被绑了5个死了的人，而它的备用轨道上被绑了1个活着的人，又有一辆失控的电车飞速驶来，而你身边正好有一个摇杆，你可以推动摇杆来让电车驶入备用轨道。

o3-mini-high毫不犹豫地就选择了让电车冲向活人，还言之凿凿地解释说这样会减少受害者数量。

而Claude 3.7（未开启拓展思考）就能够发现这其中的门道，表示这是一个变体，并选择了不伤害还活着的人。

再比如物理学当中的名场面——薛定谔的猫，在这套基准当中，这只猫的“猫设”被改成了一只死去的猫。

一只死猫与核同位素、一瓶毒药和辐射探测器一起放入盒子中。如果辐射探测器检测到辐射，它将释放毒药。一天后，盒子打开。猫还活着吗？

Claude 3.7也是准确把握了关键点，正确回答了猫的存活概率为0。

也是有一些弱智吧的味道了，既然如此，那我们就加试几个弱智吧问题看看。（doge）

还是没有开启思考模式，Claude 3.7就识破了我们问题当中的逻辑缺陷。

像这类因果倒置的弱智吧场面，Claude 3.7也能及时发现，相比之下o3-mini-high的回答就好像是成功被诱骗。

最后，我们让Claude 3.7解释了一些中文中有趣的语言现象。

结果，“咖啡因不存在于成品咖啡”这句出了错误，但是瑕不掩瑜，整体的解释还是比较靠谱的。

One More Thing

关于Claude 3.7 Sonnet的命名，Anthropic首席产品官Mike Krieger揭秘了这当中的过程。

由于之前Claude 3.5 Sonnet发布过一次更新，所以团队一开始是考虑叫3.5 Sonnet newer或者newest，又或者3.5 Sonnet v3。

也许是觉得还叫3.5体现不出这版模型的强大，后来又改成了3.6，最终敲定在了处于3.5和4中间的3.7。

参考链接：
[1]https://x.com/rowancheung/status/1894106441536946235
[2]https://x.com/mckaywrigley/status/1894123739178270774
[3]https://x.com/omarsar0/status/1894145008556519602
[4]https://www.reddit.com/r/singularity/comments/1ix9sl2/shots_fired_direct_sting_against_openai_from/
[5]https://www.reddit.com/r/singularity/comments/1ixawwd/the_most_interesting_strawberry_solution_so_far/
[6[https://www.wsj.com/tech/ai/ai-startup-anthropic-finalizing-3-5-billion-funding-round-020e320d

Read More