1.1 背景：Anthropic 的创立#

Anthropic 由 Dario Amodei、Daniela Amodei 等 OpenAI 前核心成员于 2021 年创立。团队核心人员曾参与 GPT-2/GPT-3 的训练与安全研究，因对 AI 安全路线的分歧离开 OpenAI。公司的核心理念是：能力提升与安全保障必须同步推进。

1.2 模型架构与训练#

Claude 1（内部代号 Claude 1.3）基于 Transformer 架构，训练流程融合了 Anthropic 独创的 Constitutional AI 方法：

Constitutional AI 的核心思路是让 AI 通过「宪法」进行自我批评和修正，减少对大量人类标注的依赖。这一方法的具体原理和两阶段训练流程，详见本系列第 7 篇。

1.3 初始能力与局限#

Claude 1 的推出定位是 ChatGPT 的安全替代品：

优势：

• 更低的幻觉率：在事实性问答中表现稳健
• 更好的拒绝策略：对有害请求的处理更加细致，而非简单拒绝
• 长文本处理：9K 上下文在当时属于中等偏上水平

局限：

• 编码能力较弱，HumanEval 表现一般
• 上下文窗口（9K）不如同期竞品
• 仅支持文本输入，无多模态能力
• 推理速度偏慢

1.4 API 与接入方式#

Claude 1 最初仅通过 Anthropic 官网聊天界面和 API 提供。合作伙伴包括 Quora（Poe 平台）和 DuckDuckGo 等早期采用者。API 定价采用按 token 计费模式。

2.1 重大突破：100K 上下文窗口#

Claude 2 最显著的升级是从 9K 一举跃升至 100K tokens 的上下文窗口。这在当时是所有商用 LLM 中最大的上下文长度，远超 GPT-4 的 32K。

100K 上下文的实际意义：

2.2 编码能力大幅提升#

Claude 2 在编程方面的提升尤为显著：

Claude 2 的代码生成不再局限于简单函数，而是能够理解多文件项目结构、生成复杂类定义和测试用例。

2.3 对齐训练流程的优化#

1
# Claude 2 的训练流程（简化）
2
def claude_2_training_pipeline():
3
    # 阶段 1：大规模预训练
4
    base_model = pretrain(
5
        data="网页 + 书籍 + 代码 + 对话",
6
        context_length=100_000,  # 原生支持长上下文
7
    )
8

9
    # 阶段 2：Constitutional AI 自我对齐
10
    # （详见第 7 篇：SL 批评-修订 + RL 偏好学习）
11
    aligned_model = constitutional_ai_alignment(
12
        base_model,
13
        constitution=ANTHROPIC_CONSTITUTION,
14
    )
15

16
    # 阶段 3：针对性能力增强
17
    enhanced_model = targeted_sft(
18
        aligned_model,
19
        focus_areas=["coding", "math", "long_context"],
20
    )
21

22
    return enhanced_model

2.4 与同期的对比#

Claude 2 虽然在原始智能水平上不及 GPT-4，但在长上下文处理和安全性方面建立了差异化优势。

2.5 Claude 2.1 (2023 年 11 月)#

Anthropic 在 2023 年 11 月发布 Claude 2.1，进一步提升：

• 幻觉率降低 2 倍（通过改进对齐训练）
• 系统提示词支持：允许开发者定义模型行为
• 文件上传：支持直接上传文档进行对话分析
• 改进的数学推理能力

3.1 三档模型家族#

Claude 3 最大的变化是引入了三档模型策略，针对不同场景提供差异化方案：

价格格式为 输入 / 输出（每百万 token），单位为美元。

3.2 性能基准：全面超越 GPT-4#

Claude 3 Opus 在多项关键基准上首次全面超越 GPT-4：

Claude 3 Sonnet 在多项基准上也接近 GPT-4 水平，但价格仅为 GPT-4 的 1/5。Claude 3 Haiku 则在速度和成本上占据绝对优势。

3.3 多模态能力#

Claude 3 是 Anthropic 首个支持视觉理解的模型。三个模型均具备多模态输入能力：

1
# Claude 3 视觉理解示例
2
import anthropic
3

4
client = anthropic.Anthropic()
5
response = client.messages.create(
6
    model="claude-3-opus-20240229",
7
    max_tokens=1024,
8
    messages=[
9
        {
10
            "role": "user",
11
            "content": [
12
                {
13
                    "type": "image",
14
                    "source": {
15
                        "type": "base64",
16
                        "media_type": "image/png",
17
                        "data": image_data,
18
                    },
19
                },
20
                {
21
                    "type": "text",
22
                    "text": "分析这张图表的数据趋势，并给出三个关键洞察。",
23
                },
24
            ],
25
        }
26
    ],
27
)

视觉能力的主要应用场景：

• 文档 OCR：识别和理解复杂文档布局
• 图表分析：读取并分析数据可视化图表
• UI 理解：描述和评估用户界面设计
• 数学公式：识别和理解手写或印刷的数学表达式

3.4 训练与对齐的进化#

Claude 3 在训练方法上延续了 Constitutional AI，但增加了更精细的对齐策略：

• 改进的红队测试：系统性覆盖更多风险类别
• 宪法条款扩展：从早期几十条扩展到覆盖更多边界情况
• 多语言对齐：在非英语场景中保持一致的安全行为
• 长上下文安全：确保 200K 上下文中安全行为的一致性

4.1 Sonnet 的性能飞跃#

Claude 3.5 Sonnet 是这一代的明星模型。它在中端价格档位实现了接近甚至超越前代旗舰（Claude 3 Opus）的性能：

这个结果意义重大：中端模型追平旗舰，同时成本降低 80%。这标志着模型效率优化的一个。

4.2 Artifacts 功能详解#

Artifacts 是 Claude 3.5 引入的交互式内容生成功能，将 Claude 从「对话助手」升级为「协作工作台」：

Artifacts 的工作机制：

1. 内容检测：Claude 识别出生成的内容属于可渲染类型（代码、图表等）
2. Artifact 创建：将内容放入独立的可视化窗口
3. 实时渲染：前端即时渲染预览（支持 React 组件、SVG、HTML）
4. 迭代修改：用户可以在对话中要求修改，Artifact 实时更新
5. 版本管理：每次修改产生新版本，支持回溯

4.3 Computer Use（Beta）#

2024 年 10 月，Anthropic 为 Claude 3.5 Sonnet 添加了 Computer Use 能力的 Beta 版本。这是业界首个正式提供 GUI 操控能力的主流 LLM：

1
# Claude Computer Use API 示例
2
response = client.beta.computer_use.messages.create(
3
    model="claude-3-5-sonnet-20241022",
4
    tools=[
5
        {
6
            "type": "computer_20241022",
7
            "display_width_px": 1280,
8
            "display_height_px": 720,
9
        }
10
    ],
11
    messages=[
12
        {
13
            "role": "user",
14
            "content": "打开浏览器，搜索 'Anthropic Claude'，截取第一页结果。",
15
        }
16
    ],
17
)
18

19
# Claude 返回的操作序列
20
# 1. 移动鼠标到浏览器图标位置
21
# 2. 点击打开浏览器
22
# 3. 在搜索框中输入查询
23
# 4. 按下回车键

Computer Use 的技术架构：

4.4 Claude 3.5 Haiku#

2024 年 11 月，Anthropic 发布 Claude 3.5 Haiku，在 Haiku 的价格档位上提供接近 Sonnet 的智能水平：

• 编码能力显著超过 Claude 3 Haiku
• 速度与 Claude 3 Haiku 相当
• 适合高吞吐量的生产场景（分类、提取、客服）

5.1 双旗舰发布#

2025 年 5 月，Anthropic 发布 Claude 4 系列，采用双旗舰策略：

5.2 关键能力突破#

1
# Claude 4 代码执行示例
2
result = client.messages.create(
3
    model="claude-sonnet-4-20250514",
4
    tools=[{"type": "code_execution_20250514"}],
5
    messages=[
6
        {
7
            "role": "user",
8
            "content": "分析这个数据集的统计特征，生成可视化图表。",
9
        }
10
    ],
11
)
12
# Claude 直接在沙盒中执行 Python 代码
13
# 输出包含执行结果和生成的图表

5.3 性能对比#

Claude 4 在关键基准上的表现：

5.4 与竞品的定位差异#

Claude 4 在 LLM 市场中的独特定位：

6.1 各版本的对齐演进#

Constitutional AI 并非一成不变，它在 Claude 系列中持续演进：

6.2 红队测试体系#

Anthropic 建立了系统化的红队测试框架，与 Constitutional AI 配合使用：

这一体系确保了每一代 Claude 在能力提升的同时，安全性同步增强。

7.1 Helpfulness（有用性）#

Claude 尽可能为用户提供有价值的帮助：

• 理解复杂问题并提供详细解答
• 协助编程、写作、分析等实际任务
• 在拒绝请求时解释原因并建议替代方案

7.2 Harmlessness（无害性）#

Claude 避免造成实质性伤害：

• 拒绝提供危险品的制造说明
• 拒绝协助网络攻击或欺诈行为
• 拒绝生成仇恨言论或恶意内容
• 对边缘场景采用保守策略

7.3 Honesty（诚实性）#

Claude 力求准确和坦诚：

• 承认不确定性，而非编造答案
• 标注信息的置信度
• 主动纠正可能的错误
• 明确区分事实与观点

8.1 全世代演进对比#

8.2 竞争力分析#

9.1 Q1： Claude 和 ChatGPT 有什么本质区别？#

核心区别在对齐理念。Claude 使用 Constitutional AI 实现自我对齐，通过一组明确的「宪法」原则让 AI 批评和修正自身输出。ChatGPT 主要依赖 RLHF（人类反馈强化学习）。实际体验上，Claude 在长上下文处理、安全拒绝的精细度、以及编码能力方面有差异化优势。

9.2 Q2： Claude 3 的 Haiku/Sonnet/Opus 该怎么选？#

选择依据：

• Haiku：需要极低延迟和高吞吐的场景（客服、分类、信息提取），成本最低
• Sonnet：日常开发、写作、分析任务的最佳选择，性能与成本的最佳平衡
• Opus：复杂推理、研究级任务、需要最高准确度的场景

9.3 Q3： Claude 的 100K/200K 上下文真的能用满吗？#

可以，但有注意事项。Claude 的长上下文在文档分析、代码库理解等场景中表现优秀。但实际使用中，信息检索准确率随上下文长度增加会下降（这是所有 LLM 的共性问题）。建议在关键场景中，仍然通过 RAG 等方式辅助定位关键信息。

9.4 Q4： 什么是 MCP？为什么它很重要？#

Model Context Protocol（模型上下文协议）是 Anthropic 推出的开放标准，让 AI 模型能以统一的方式连接外部工具和数据源。类比于 USB 协议统一了设备接口，MCP 统一了 AI 工具调用接口。开发者只需实现一次 MCP 服务器，就能让所有支持 MCP 的模型使用。这降低了工具开发的碎片化问题。

9.5 Q5： Claude 的 Computer Use 安全吗？#

Anthropic 为 Computer Use 设置了多层安全机制：

• 沙盒环境：所有操作在隔离的虚拟环境中执行
• 用户确认：敏感操作需要用户明确授权
• 最小权限：模型只能执行用户明确允许的操作类型
• 审计日志：所有操作记录可追溯

目前 Computer Use 仍为 Beta 功能，建议仅在受控环境中使用。

9.6 Q6： Constitutional AI 和 RLHF 哪个更好？#

两者并非完全对立。Constitutional AI 可以看作 RLHF 的增强版——它用 AI 反馈部分替代人类反馈，解决了 RLHF 的可扩展性问题。实际训练中，Claude 同时使用了两种方法：Constitutional AI 建立基础对齐，RLHF 进行精细化调整。详见本系列第 7 篇的深度对比。

9.7 Q7： Claude 4 相比 Claude 3.5 值得升级吗？#

如果你的使用场景涉及以下方面，升级收益显著：

• Agentic 编码任务：SWE-bench 从 49% 提升到 72-80%
• 长时间自主任务：Claude 4 可以独立工作数小时
• MCP 工具生态：需要与外部系统深度集成
• 代码执行：需要模型直接运行代码并返回结果

如果只是简单的问答和写作，Claude 3.5 Sonnet 仍然是性价比极高的选择。

9.8 Q8： Anthropic 的「负责任扩展政策」是什么？#

Anthropic 提出了 Responsible Scaling Policy（RSP），承诺在模型能力达到特定阈值时，必须先完成安全评估再发布。这包括：

• 定义 AI Safety Levels（ASL）分级标准
• 在每个级别设置对应的安全测试要求
• 建立独立的安全审查团队
• 公开安全评估报告

这一政策是 Anthropic 区别于其他 AI 公司的重要特征。

10.1 Claude 和 GPT 的主要区别是什么？#

核心区别在于对齐哲学：Claude 采用 Constitutional AI（模型自我监督），GPT 采用 RLHF（人类反馈）。实践中，Claude 在安全性和长文本处理上更强，GPT 在多模态和工具生态上更成熟。

10.2 Claude 3 的三个版本如何选择？#

• Haiku：最快最便宜，适合简单任务（分类、提取）
• Sonnet：性价比最优，适合大多数任务（写作、编程、分析）
• Opus：最强能力，适合复杂推理和创意任务

10.3 Claude 的上下文窗口有多大？#

Claude 2：100K tokens；Claude 3 系列：200K tokens；Claude 3.5 Sonnet：200K tokens。实际使用中，200K 约等于 ~15 万字中文。

10.4 Constitutional AI 和 RLHF 有什么区别？#

RLHF 需要人类标注偏好数据训练奖励模型；Constitutional AI 让模型根据一组”宪法原则”自己评判和修正输出，减少了对人类标注的依赖。两者可以组合使用。