Claude 3 lanseras – Opus, Sonnet och Haiku får bildförståelse

Claude 3 lanseras – Opus, Sonnet och Haiku får bildförståelse

Den 4 mars 2024 presenterade Anthropic Claude 3, en modellfamilj i tre storlekar: Haiku, Sonnet och Opus. Modellerna fick bildförståelse, förbättrad instruktionsefterlevnad och ett kontextfönster på upp till 200 000 tokens i de vanliga produkterna.

Marketplace sammanfattar lanseringen i efterhand. Claude 3 blev Anthropics tydligaste svar på GPT-4 och Gemini 1.0. Opus prioriterade maximal kapacitet, Sonnet balanserade kvalitet och kostnad och Haiku riktades mot hög hastighet och stora volymer.

Claude 3 i korthet

| Modell | Inriktning vid lanseringen |
|---|---|
| Claude 3 Opus | Högsta kapacitet för svåra analyser och komplexa uppgifter |
| Claude 3 Sonnet | Balans mellan kvalitet, hastighet och pris |
| Claude 3 Haiku | Snabb och kostnadseffektiv modell för stora volymer |

| Punkt | Uppgift |
|---|---|
| Lanseringsdatum | 4 mars 2024 |
| Modaliteter | Text och bildförståelse |
| Kontext | Upp till 200 000 tokens i standarderbjudandet |
| Första tillgång | Opus och Sonnet lanserades direkt; Haiku följde kort därefter |
| Produkter | Claude.ai, API och molnpartner |
| Viktig förändring | Färre onödiga avslag och bättre precision på komplexa instruktioner |

Tre modeller för olika kostnadsnivåer

Anthropic gjorde modellvalet tydligt. En organisation behövde inte använda den dyraste modellen till varje steg.

Claude 3 Opus

Opus var avsedd för uppgifter som krävde djup analys, lång kontext och hög maximal kvalitet. Exempel var forskning, avancerad kod, strategiskt arbete och jämförelse av stora dokument.

Claude 3 Sonnet

Sonnet skulle vara det praktiska standardvalet för många företag. Den var snabbare och billigare än Opus men behöll stark kapacitet inom text, kod och analys.

Claude 3 Haiku

Haiku prioriterade låg latens och stora volymer. Modellen passade klassificering, support, extraktion och andra uppgifter där tusentals körningar behövdes.

Uppdelningen blev en modell för senare AI-familjer: huvudmodell, balanserad modell och snabbmodell.

Bildförståelse

Claude 3 kunde analysera fotografier, diagram, skärmbilder och dokumentbilder. Det öppnade fler användningsområden än ren text.

Modellen kunde exempelvis:

• läsa ett diagram
• beskriva ett gränssnitt
• tolka ett fotograferat dokument
• jämföra två produktbilder
• analysera en presentation
• identifiera information i tabeller

Bildförståelse var inte felfri. Små siffror, dålig kontrast och ovanliga symboler kunde misstolkas. Modellen hade dessutom begränsningar för att identifiera personer och hantera vissa känsliga bilder.

När en siffra var viktig borde användaren be Claude redovisa exakt vad den läst och kontrollera originalet.

Lång kontext

Ett kontextfönster på 200 000 tokens gjorde det möjligt att analysera hundratals sidor i samma session.

Det var relevant för:

• avtal
• årsredovisningar
• forskningsartiklar
• tekniska manualer
• kodbaser
• mötesarkiv

Anthropic beskrev även möjlighet till större kontext för utvalda företagskunder.

Stor kontext betyder inte att modellen har perfekt minne. Den kan missa en fotnot eller blanda ihop versioner. Dokument bör därför ha tydliga namn, datum och källhänvisningar.

Needle-in-a-haystack och återvinning

Anthropic testade hur modellerna hittade en liten informationsbit i stora dokument. Claude 3 visade stark förmåga att återfinna detaljer över lång kontext.

Företaget rapporterade även ett uppmärksammat beteende där Opus i ett test noterade att en inskjuten mening verkade malplacerad och möjligen skapad för utvärderingen.

Detta beskrevs ibland som modellens ”metamedvetenhet”, men bör tolkas försiktigt. Att identifiera ett ovanligt testmönster är inte bevis på mänsklig medvetenhet.

Färre onödiga avslag

Tidigare Claude-versioner kunde vara överdrivet försiktiga och avvisa legitima frågor. Anthropic sade att Claude 3 bättre kunde skilja harmlösa uppgifter från verkligt riskfyllda.

Det var viktigt för:

• cybersäkerhet
• medicinsk information
• juridiska texter
• fiktion
• forskning om känsliga ämnen

En säker modell behöver kunna hjälpa inom legitima gränser, inte bara säga nej. Samtidigt kan färre avslag öka risken för missbruk om klassificeringen blir fel.

Benchmarkresultat

Anthropic redovisade starka resultat för Opus på flera akademiska tester inom resonemang, matematik och kunskap. Företaget beskrev modellen som konkurrenskraftig med eller bättre än andra ledande modeller på många mätningar.

Benchmarkresultat behöver sättas i sammanhang. De visar inte automatiskt:

• kvalitet på svenska
• kostnad per verklig uppgift
• stabilitet i produktion
• juridisk korrekthet
• säkerhet vid verktygsanvändning
• hur modellen fungerar på ett företags egna dokument

En organisation bör använda ett eget testset med kända facit.

Kod och tekniska uppgifter

Claude 3 förbättrades inom programmering. Modellerna kunde:

1. förklara kod
2. skapa funktioner
3. analysera fel
4. skriva tester
5. jämföra implementationer
6. dokumentera system

Opus kunde hantera mer komplexa frågor, medan Haiku kunde användas för enklare koduppgifter och stora volymer.

Genererad kod behövde granskas. Modellen kunde introducera osäkra mönster, använda gamla bibliotek eller missa verksamhetsregler.

Haiku och realtidsnära användning

Claude 3 Haiku lanserades som en mycket snabb modell. Anthropic lyfte användningsfall som kundservice, moderering och dataextraktion.

Låg svarstid är viktig när en AI finns direkt i ett arbetsflöde. Men en snabb modell kan även skala fel snabbt.

Företag behöver:

• validering av strukturerade fält
• kvoter
• kostnadstak
• stickprov
• eskalering till människa eller starkare modell

Företagsintegrationer

Claude 3 gjordes tillgänglig genom Anthropics API och molnplattformar som Amazon Bedrock och Google Cloud Vertex AI.

Det gav företag flera driftvägar. Valet påverkade:

• dataregion
• avtal
• identitet och åtkomst
• loggning
• kostnad
• integration med befintlig infrastruktur

Samma modell kan omfattas av olika produktvillkor beroende på var den används.

Dataskydd

Bild- och dokumentanalys ökade mängden känsliga data som kunde skickas till modellen.

Organisationer behövde kontrollera:

1. personuppgifter i dokument och bilder
2. företagshemligheter
3. om materialet fick lämna landet eller molnmiljön
4. retention och loggning
5. vem som kunde se resultatet
6. om data användes för träning

Ett stort kontextfönster gör det enkelt att ladda upp mer än vad uppgiften kräver. Dataminimering förblir en grundprincip.

Claude 3 jämfört med Claude 2

| Claude 2 | Claude 3 |
|---|---|
| Främst text | Text och bildförståelse |
| En huvudsaklig kapacitetsnivå | Haiku, Sonnet och Opus |
| Lång kontext | Lång kontext med bättre återvinning |
| Fler överförsiktiga avslag | Färre onödiga avslag enligt Anthropic |
| Starkt dokumentfokus | Bredare multimodal och kodprofil |

Svenska användningsområden

Claude 3 kunde vara relevant för svenska företag inom:

• rapportanalys
• kundservice
• kod
• dokumentextraktion
• presentationer
• intern kunskap

Svenska bransch- och myndighetstermer behövde testas. Modellen kunde skriva flytande svenska men ändå använda en term på ett sätt som inte stämde med svensk lag eller praxis.

Vanliga frågor

När lanserades Claude 3?

Anthropic presenterade familjen den 4 mars 2024.

Vilka modeller ingick?

Claude 3 Haiku, Sonnet och Opus.

Kunde Claude 3 analysera bilder?

Ja. Modellerna kunde förstå fotografier, diagram, skärmbilder och dokumentbilder.

Hur långt kontextfönster hade modellerna?

Upp till 200 000 tokens i de vanliga produkterna vid lanseringen.

Vilken modell var starkast?

Opus hade högsta maximala kapacitet, Sonnet balanserade kvalitet och kostnad och Haiku prioriterade hastighet.

Kunde Claude 3 fortfarande göra fel?

Ja. Modellerna kunde hallucinera, feltolka bilder och missa detaljer i långa dokument.

Sammanfattning

Claude 3 lanserades den 4 mars 2024 med Haiku, Sonnet och Opus. Familjen gav Anthropic en tydlig modellportfölj för snabbhet, balans och maximal kvalitet.

Bildförståelse och lång kontext gjorde Claude mer användbart för dokument, kod och företagsdata. Samtidigt ökade behovet av dataminimering och verifiering. Den bästa modellen var inte alltid Opus; verklig nytta krävde rätt modell för uppgiften, tydlig eskalering och mänsklig kontroll.

Faktaunderlag: Anthropic, ”Introducing the next generation of Claude”, publicerad 4 mars 2024. Artikeln är en historisk sammanfattning publicerad i efterhand.