一覺醒來，大模型世界迎來了“新王登基”！
當地時間周三，聊天機器人競技場Chatbot Arena更新對戰排行榜，Claude 3反超GPT-4，一舉摘得“最強王者”桂冠。
這次登頂榜首的是Claude 3系列的超大杯Opus，它以2分Elo的微弱優勢，險勝GPT-4-1106-preview模型，GPT-4-0125-preview位列第三。
而且，不僅僅是超大杯Opus，Claude 3家族其他兩個成員大杯Sonnet和小杯Haiku都殺進了TOP10，分別獲得了第四和第六的好成績。
小杯Haiku達到GPT-4級別
尤其是小杯Haiku，被官方單獨拉出來表揚。
“Haiku給所有人留下了深刻的印象，根據我們的用戶偏好，Claude 3 Haiku已經達到了GPT-4級別！”運行Chatbot Arena的LMSYS平台發帖大贊，“它的速度、功能和上下文長度目前在市場上是獨一份的。”
更難等可貴的是，Haiku參數規模遠遠小于Opus以及任何的GPT-4模型，而且它的價格是Opus的1/60，響應速度卻是它的10倍。
GPT-4自去年5月被納入Chatbot Arena榜單以來一直牢牢霸占榜首，但現在，Claude 3憑借其出色表現，尤其是其在高級任務處理上的能力，成功顛覆了這一格局。
“這是史上第一次，面向高級任務的第一模型Opus和面向成本效率的Haiku均出自非OpenAI的供應商，”獨立AI研究員Simon Willison在接受媒體采訪時表示，“這非常讓人欣慰——在這個領域，頂尖供應商的多樣性對大家都有好處。”
“向新國王下跪！”
吃瓜網友也紛紛對Claude 3豎起大拇指。
“印象深刻，Very nice!”
還有人建議蘋果將Claude設置爲默認AI工具。
更有人直呼：“舊王已死。安息吧，GPT-4。”
“向新國王下跪！”
相比之下，網友對GPT-4的感情更加複雜。
“GPT-4變得非常蹩腳。”
最近幾個月，有關GPT-4變懶的話題在網上鬧得沸沸洋洋。
據稱，GPT在高峰時段使用時，響應會變得非常緩慢且敷衍，甚至還會拒絕回應，單方面中斷對話。
比如，它在進行編程工作時會習慣性地跳過部分代碼，還出現了讓人類自己寫代碼的名場面。
評分准確嗎？
在一陣贊揚Claude 3的聲音中，也夾雜著質疑的聲音。
那麽，Chatbot Arena究竟是如何給這些大模型打分的？
Chatbot Arena由伯克利大學主導團隊的LMSYS開發。平台采用匿名、隨機的方式讓不同的大模型“打擂台”，並讓人類用戶擔任裁判，最後根據大模型所得的積分進行排名。
具體來說，系統每次會隨機選擇兩個不同的大模型和用戶匿名聊天，讓用戶決定哪款大模型的表現更好一些，系統會根據用戶的選擇對大模型進行打分，然後將分數彙總整理形成最終的積分，最後以排行榜的形式呈現。
自推出以來，已有超過40萬名用戶成爲Chatbot Arena的裁判。新一輪排名又吸引了7萬名用戶加入。
在本次激烈的“擂台賽”中，Claude 3通過成千上萬次的對戰，在GPT-4、Gemini等一衆強勁對手中殺出重圍，成爲新的大模型之王。
值得一提的是，在評價一個大模型的好壞時，用戶的“感覺”也就是體驗感至關重要。
“所謂的參數標准無法真正評價大模型的價值，”AI軟件開發者Anton Bacaj此前發貼說，“我剛和Claude 3 Opus進行了一場長時間的編碼會話，真的是遠超GPT-4。”
Claude 3的進化可能會令OpenAI感到一絲不安，一些用戶已經開始在工作中“叛變”，放棄ChatGPT，轉而使用Claude 3。
“自從有了Claude 3 Opus，我再也沒有用過ChatGPT。”
軟件開發者Pietro Schirano在X平台寫道：“老實說，Claude 3 > GPT-4最令人震驚的事情之一，就是切換太容易了。”
但也有人指出，Chatbot Arena並沒有考慮到添加工具後的表現，這恰恰是GPT-4的強項。
另外，Claude 3 Opus和GPT-4之間的分數非常接近，而且GPT-4已經問世一年了，預計今年某個時候會出現更強大的 GPT-4.5或GPT-5。
毋庸置疑，到那時這兩大模型之間的PK將會更加激烈。---[作者：蔔淑情*來源：硬AI/來源: 華爾街見聞官方]
