作者：卜淑情

来源：硬AI

一觉醒来，大模型世界迎来了“新王登基”！

当地时间周三，聊天机器人竞技场Chatbot Arena更新对战排行榜，Claude 3反超GPT-4，一举摘得“最强王者”桂冠。

这次登顶榜首的是Claude 3系列的超大杯Opus，它以2分Elo的微弱优势，险胜GPT-4-1106-preview模型，GPT-4-0125-preview位列第三。

而且，不仅仅是超大杯Opus，Claude 3家族其他两个成员大杯Sonnet和小杯Haiku都杀进了TOP10，分别获得了第四和第六的好成绩。

小杯Haiku达到GPT-4级别

尤其是小杯Haiku，被官方单独拉出来表扬。

“Haiku给所有人留下了深刻的印象，根据我们的用户偏好，Claude 3 Haiku已经达到了GPT-4级别！”运行Chatbot Arena的LMSYS平台发帖大赞，“它的速度、功能和上下文长度目前在市场上是独一份的。”

更难等可贵的是，Haiku参数规模远远小于Opus以及任何的GPT-4模型，而且它的价格是Opus的1/60，响应速度却是它的10倍。

GPT-4自去年5月被纳入Chatbot Arena榜单以来一直牢牢霸占榜首，但现在，Claude 3凭借其出色表现，尤其是其在高级任务处理上的能力，成功颠覆了这一格局。

“这是史上第一次，面向高级任务的第一模型Opus和面向成本效率的Haiku均出自非OpenAI的供应商，”独立AI研究员Simon Willison在接受媒体采访时表示，“这非常让人欣慰——在这个领域，顶尖供应商的多样性对大家都有好处。”

“向新国王下跪！”

吃瓜网友也纷纷对Claude 3竖起大拇指。

“印象深刻，Very nice!”

还有人建议苹果将Claude设置为默认AI工具。

更有人直呼：“旧王已死。安息吧，GPT-4。”

“向新国王下跪！”

相比之下，网友对GPT-4的感情更加复杂。

“GPT-4变得非常蹩脚。”

最近几个月，有关GPT-4变懒的话题在网上闹得沸沸洋洋。

据称，GPT在高峰时段使用时，响应会变得非常缓慢且敷衍，甚至还会拒绝回应，单方面中断对话。

比如，它在进行编程工作时会习惯性地跳过部分代码，还出现了让人类自己写代码的名场面。

评分准确吗？

在一阵赞扬Claude 3的声音中，也夹杂着质疑的声音。

那么，Chatbot Arena究竟是如何给这些大模型打分的？

Chatbot Arena由伯克利大学主导团队的LMSYS开发。平台采用匿名、随机的方式让不同的大模型“打擂台”，并让人类用户担任裁判，最后根据大模型所得的积分进行排名。

具体来说，系统每次会随机选择两个不同的大模型和用户匿名聊天，让用户决定哪款大模型的表现更好一些，系统会根据用户的选择对大模型进行打分，然后将分数汇总整理形成最终的积分，最后以排行榜的形式呈现。

自推出以来，已有超过40万名用户成为Chatbot Arena的裁判。新一轮排名又吸引了7万名用户加入。

在本次激烈的“擂台赛”中，Claude 3通过成千上万次的对战，在GPT-4、Gemini等一众强劲对手中杀出重围，成为新的大模型之王。

值得一提的是，在评价一个大模型的好坏时，用户的“感觉”也就是体验感至关重要。

“所谓的参数标准无法真正评价大模型的价值，”AI软件开发者Anton Bacaj此前发贴说，“我刚和Claude 3 Opus进行了一场长时间的编码会话，真的是远超GPT-4。”

Claude 3的进化可能会令OpenAI感到一丝不安，一些用户已经开始在工作中“叛变”，放弃ChatGPT，转而使用Claude 3。

“自从有了Claude 3 Opus，我再也没有用过ChatGPT。”

软件开发者Pietro Schirano在X平台写道：“老实说，Claude 3 > GPT-4最令人震惊的事情之一，就是切换太容易了。”

但也有人指出，Chatbot Arena并没有考虑到添加工具后的表现，这恰恰是GPT-4的强项。

另外，Claude 3 Opus和GPT-4之间的分数非常接近，而且GPT-4已经问世一年了，预计今年某个时候会出现更强大的 GPT-4.5或GPT-5。

毋庸置疑，到那时这两大模型之间的PK将会更加激烈。