#201 - GPT 4.5, Sonnet 3.7, Grok 3, Phi 4
2025/3/5
Last Week in AI
A
Andrey Kurenkov
S
Sharon Zhou
@Andrey Kurenkov : 我认为OpenAI发布的GPT-4.5是一个非常大的模型，其规模可能比其他大型语言模型大一个数量级。虽然在基准测试中得分较高，但在实际使用中速度非常慢，并且价格昂贵（每百万输入75美元）。OpenAI强调GPT-4.5在情感智能和更愉快的聊天方面有所改进，而不是在智能方面有显著提升。我认为这表明单纯扩展大型语言模型的规模可能会遇到收益递减的问题。
此外，OpenAI似乎有意将GPT-4.5定位为更侧重于写作的消费者助手，而不是编程助手。这与Anthropic的Claude Sonnet 3.7形成对比，后者在编程基准测试中表现出色，并推出了一个名为ClaudeCode的代码辅助工具。
总的来说，GPT-4.5的发布并没有像人们预期的那样引起轰动，这可能反映了人们对单纯规模扩展的关注正在转向对推理能力和更有效的训练方法的关注。
@Sharon Zhou : Anthropic发布的Claude Sonnet 3.7是一个混合模型，它结合了推理和非推理能力，旨在简化用户体验，避免用户在不同模型之间切换。虽然价格昂贵（每百万输入令牌3美元，每百万输出令牌15美元），但在编程和代码编写基准测试中表现出色。Claude Sonnet 3.7还与一个名为ClaudeCode的代码辅助工具集成，允许用户直接从终端运行任务。
此外，Claude Sonnet 3.7在可靠性方面有所改进，减少了不必要的混淆。许多用户对Claude Sonnet 3.7在Agentic模式下的表现感到兴奋，认为它能够在几小时内生成完整的应用程序或网站。然而，我个人在基本的软件工程任务中并没有发现它与3.5版本有显著区别。
XAI发布的Grok 3在大型语言模型排行榜上名列前茅，它结合了图像分析和推理能力，并以详细的方式展示其推理过程。Grok 3使用了大量的GPU（约20万个），其计算能力是其前身Grok 2的十倍以上。虽然围绕Grok 3存在一些争议，例如其可能反映Elon Musk的观点，但其在基准测试和实际使用中的表现都非常出色，与OpenAI和Anthropic的模型不相上下。
Deep Dive
In this section, we delve into the latest updates from OpenAI's GPT-4.5 release and how it compares with the Claude Sonnet 3.7 from Anthropic. The discussion includes an analysis of the new capabilities, costs, and how these models stand out in the current AI landscape.
- GPT-4.5 is released by OpenAI, emphasizing emotional intelligence over reasoning.
- The model is significantly larger and costlier, priced at $75 per million inputs.
- Claude Sonnet 3.7 is a hybrid model integrating reasoning, priced at $3 per million input tokens.
- Anthropic's model excels in coding benchmarks, indicating a focus on code automation.
- OpenAI's GPT-4.5 focuses more on writing and consumer assistance rather than programming.