Claude Haiku 5.5、Mistral Large 4,以及面向 Mac 和 Windows 的本地模型

📌 One-Sentence Summary
Anthropic 的 Claude Haiku 5.5 与 Sonnet 5.5 以自适应推理和颇具竞争力的基准成绩更新了 Claude 家族,而 Mistral Large 4 则凭借强劲的网络安全表现与主权 AI 定位,成为欧洲能力最强的模型。
📝 Summary
本期 The Batch 涵盖两大模型发布。Anthropic 推出了其最快、最便宜的模型 Claude Haiku 5.5,以及 Claude Sonnet 5.5——后者在独立基准上几乎追平 Claude Opus 5.5,但每个任务消耗的 token 远多于后者。两者均具备五档推理级别的自适应思考、工具调用,以及可拦截高风险请求的分类器。在 Artificial Analysis 的 Intelligence Index 上,Haiku 5.5 得分 43(第 13 名),而 Sonnet 5.5 在最高推理级别下得分 56(第 2 名)。然而,Sonnet 5.5 在最高强度下每个任务约生成 193,000 个输出 token,比 Opus 多出约 60%,使其在最高推理级别下的单任务成本高于 Opus。Mistral Large 4 绰号「le Chonk」,是一个 1.05 万亿参数的混合专家模型,激活参数 520 亿,在 3,800 块 GPU 上训练。它在 Intelligence Index 上得分 38,与 GPT-6 Luna 持平,领先所有非中国开源模型,并在 CyberGym-E2E-AA 上达到 82%,为公开可用模型中的最佳成绩。Mistral 将其定位为满足主权 AI 需求的产品。吴恩达的公开信对比了可验证任务与判断类任务,并警告不要过度泛化 AI 的进展。
💡 Main Points
Claude Haiku 5.5 与 Sonnet 5.5 以自适应推理和强劲的基准成绩扩充了 Anthropic 的模型家族,但单任务成本会随推理级别剧烈变化。
Haiku 5.5 在 Artificial Analysis 的 Intelligence Index 上得分 43(第 13 名),而 Sonnet 5.5 在最高推理级别下得分 56(第 2 名)。然而,Sonnet 5.5 在最高强度下每个任务约生成 193,000 个输出 token,比 Opus 多出约 60%,使其在最高推理级别下的单任务成本高于 Opus。开发者应针对自身任务,衡量每个推理级别下的成本。
Mistral Large 4 是欧洲能力最强的模型,在关键基准上领先非中国开源模型,并在公开可用模型的网络安全漏洞检测中位居首位。
这个 1.05 万亿参数的 MoE 模型在 Intelligence Index 上得分 38,与 GPT-6 Luna 持平,仅落后于中国开源模型。它在 CyberGym-E2E-AA 上达到 82%,为公开可用模型中的最高成绩,并在 Cyber Index 上达到 50%,与 GLM-5.3-Flash 持平,落后于 Grok 4.7 和 MiMo-V2.6-Pro。
Mistral 将自身定位为面向希望掌控其智能获取渠道的组织的主权 AI 提供商。
CEO Arthur Mensch 将智能比作电力,主张获取渠道不应被限流。Mistral 计划公开该模型的权重,其训练数据覆盖 160 多种语言,包括所有欧盟官方语言,这对寻求美国和中国供应商之外替代方案的政府与企业颇具吸引力。
吴恩达指出了 AI 在可验证任务与判断类任务上的表现长期存在差距,并警告不要过度泛化其进展。
编程和数学等可验证任务拥有自动奖励信号,可通过强化学习和监督学习实现更快的进步。判断类任务缺乏明确的正确答案,训练难度更大。社会已多次从 Deep Blue 和 AlphaGo 等 AI 里程碑中过度泛化,而在可验证任务上的评估会营造出过于乐观的印象。
💬 Key Quotes
LLM 在可验证任务上的表现,与在需要判断力的不可验证任务上的表现之间的鸿沟,比大多数人意识到的要大得多。
仅凭每 token 价格,并不能告诉开发者一个任务要花多少钱。
如果你把智能当作电力,那么你只想确保自己获取智能的渠道不会被限流。
更高的推理级别会改变智能体的行为,而不只是延长它推理的时间,而这种改变并不总是有益的。
📊 Article Meta
AI Screening: 88
Source: The Batch | DeepLearning.AI
Author: Analytics DeepLearning.AI
Category: 人工智能
Language: 英文
Read Time: 19 min
Word Count: 4568
Tags:
AI 与智能应用 , 模型发布 , AI 安全与对齐 , 开放权重模型 , Windows 与微软生态
内容翔实,正好需要,先收藏再看。
有没有更详细的教程,期待后续。
楼主辛苦了,内容很有参考价值。
看标题就点进来了,内容果然没让人失望。
不错不错,已加入书签。
内容翔实,正好需要,先收藏再看。
收藏了,以后慢慢研究。
这个比较实用,已转发给同事。
很有价值的分享,感谢整理。
收藏了,以后慢慢研究。
作者写得真不错,学到了不少。
很有价值的分享,感谢整理。