2024年LLM竞赛正式拉开，被称为OpenAI“最强竞争对手”的大模型公司Anthropic带着Claude 3系列闪亮登场。而它的对手们，一个正和马斯克“扯头花”；另一个因为Gemini政治过分正确而焦头烂额。

  一时间，“全面碾压GPT-4”“全球最强模型易主”等字眼铺满屏幕，似乎一年前由OpenAI开辟的盛世终于转交给了Anthropic。

  别忘了，GPT-4已经是一年前的产物，GPT-5还在路上；谷歌也不是Anthropic的“对手”，是其背后第二大“金主爸爸”。有消息称，去年12月，谷歌对Anthropic的投资扩大到了20亿美元。

  而在这场“你追我赶”的游戏中，还有微软“小儿子”Mistral AI已经发布的Mistral Large，以及被Meta列为2024年重点任务的Llama 3等等。只不过，无论是Mistral AI还是Meta目前都是被GPT-4压着打，只有“脱胎”于OpenAI的Anthropic拿出了可以与之一战的“杀器”。

  这也表明了，暂时的排名只是先来后到，今年的LLMs将全面开花，。因此，铺天盖地的“Open AI被追平比分”仅仅是Anthropic新品发布的一个噱头，重点应该放在人工智能公司选择的商业化路径上——当Inflection、Character.AI，甚至OpenAI等公司进一步探向to C消费者用例时，Anthropic却一头扎向了to B。这条思路在其刚刚发布的Claude 3系列的突出性能、定价策略上均有所体现。

  值得注意的是，MMLU（本科常识）/ GSM8K （小学数学）/ HumanEval （计算机代码）等指标上已严重饱和，几乎所有的模型都表现相同。真正有区分度的为MATH（数学问题解答能力）和GPQA（领域专家能力），后者能体现模型在客户服务方面的能力。

  据悉，Claude3 选择了金融、法律、医学和哲学作为专家领域。其中，Opus的GPQA准确率达到了60%，这在某种程度上预示着其能力接近于同一领域且能够上网的人类博士准确率（65%—75%）。Sonnet达40.4%；Haiku达33.3%。而GPT-4仅为35.7%。

  对此，英伟达资深AI科学家JimFan指出：我建议所有LLM的模型卡都应该效仿这样的做法，这样不同的下游应用就能知道可以期待什么。

  同时，考虑到企业客户要处理很多PDF、PPT、流程图，Claude3 系列在视觉能力、准确性、长文本输入和安全方面，均有所进步。

  例如，在准确性方面，Anthropic 使用了大量复杂的事实问题来针对当前模型中已知的弱点，将答案分为正确答案、错误答案（幻觉）、承认“不知道”。相应地，Claude3 可以表明了自己不知道答案，而不是提供不正确的信息。除了更准确的回复，Claude 3甚至还能“引用”，指向参考材料中的精确句子来验证他们的答案。

  最强能力Opus——90美元/1M tokens，适合最尖端的企业和机构。其接近人类的理解能力，适用于需要高度智能和复杂任务处理的场景，如企业自动化、市场分析和制定策略、复杂的数据分析和金融预测、生物医学研究和开发等。

  最高性价比Sonnet——18美元/1M tokens，适合大多数企业客户规模化使用，消费者客户也可以负担。其纯文本任务表现与Opus相当，更适用于数据处理、代码生成、个性化营销，图文解析等中等复杂度的工作。

  最快速度Haiku——1.5美元/1M tokens，适合消费者客户使用。其具备近乎即时的响应能力，在大多数纯文本任务上表现仍然相当出色，且包含多模态能力（比如视觉），适用于与用户实时互动、内容管理、物流库存管理、文本翻译等工作任务。

  如此一来，成败似乎集中在了中端线Sonnet上。如果“更少的幻觉”“更专业的领域行家”“更高的性价比” 更吸引企业客户。那么，GPT-4 Turbo的地位将会变得不尴不尬，直到局势被GPT-5打破。

  目前，用户都能够免费体验中等性能的Sonnet，最强版Opus仅供Claude Pro付费用户使用（20美金/月），性能稍弱的Haiku即将推出。

  PS：适道在Poe上使用同样的提示语，让Opus、Sonnet、GPT-4 Turbo随机做了一段简单的新闻翻译。结果，Sonnet的表现居然最好，甚至翻译出了缩写！Opus水平巨中，而GPT-4直接忽略了主语。。。

  总之，这一套组合拳下来，正如Anthropic联合发起人Amodei兄妹所言：“Anthropic更像是一家公司公司，而不是一家消费者公司。”

  根据Anthropic高管Eric Pelz的一份声明：在Claude 3的早期测试用户中，生产力软件制造商Asana发现初始响应时间缩短了42%；软件公司Airtable表示，公司已将Claude 3 Sonnet集成到自己的AI工具中，以帮助加快内容创建和数据汇总。

  可以预见的是，在Claude 3发布之后，Anthropic的to B商业化之路将更加明晰，并与OpenAI等头部大模型公司走上不同的道路，尽管最后可能殊途同归。

  “赚的多，花的多”是头部大模型公司的真实写照。事实上，Anthropic的to B之路既是自愿选择，也是形势所迫。

  确实得益于快速的收入增长，2023年Anthropic 筹集了数十亿美元，估值超过 150 亿美元。

  但根据 Information 报道，有两位知情的人偷偷表示，在支付客户支持和AI 服务器成本后，2023年12月Anthropic的毛利率在50%—55%，根据Meritech Capital的数据，这远低于云软件公司77%的平均毛利率。

  还有一位重要股东预测，Anthropic长期毛利率将在 60%左右，且该毛利率未反映训练 AI 模型的服务器成本，因为这些成本是被 Anthropic 纳入其研发费用中。

  而根据 Sam Altman的说法，每个模型成本可高达1亿美元。不过，Altman自己也笑不出来，因为OpenAI的毛利率可能更低。毕竟 ChatGPT还有免费版，白白花掉一批服务器成本。

  上述事实均表明，即便你强如OpenAI，Anthropic，但AI初创公司普遍的利润率可能比现在的SaaS公司还低。

  不过，现在问题还没显现，毕竟大模型在风口，投资人更关注其惊人的增速。这些AI初创公司也会以其乐观的收入预测为依据，按照未来一年收入的 50—100 倍的估值进行融资。

  当然，只要AI创业能保持这种增长势头，投资人是可忽略亏损。直到，你的收入增长掉进30%—40%。一位VC合伙人表示：到那时，如果一个企业的经营现金流为负，并在短期内没有将至少10% 的收入转化为现金流，就很难吸引新的投资人入局。

  根据 Meritech Capital数据，上市软件公司的中位数是未来收入的 6 倍。也就是说，跟着时间的推移，对于初创公司来说，维持这样的收入倍数将越来越困难。

  具体到Anthropic和OpenAI这对“大冤种”身上，两家公司的增长和利润率部分依赖于主要云服务提供商。

  例如，谷歌和亚马逊向 Anthropic 投了数十亿美元，并将 Anthropic 的软件出售给其云客户。目前尚不清楚这些云厂商在销售中获得的提成比例，但如果改成是Anthropic直接向客户卖模型，利润率可能会更高。

  而微软虽然用更低的利润租给OpenAI云服务器，但OpenAI 必须将直卖给客户的部分收入返给微软。而且，当微软将OpenAI 软件卖给自己的云客户时，也会抽掉大部分收入。

  因此，对于上述“冤种”AI勇于探索商业模式的公司来说，想要拿到高毛利。一方面，通过更新技术，降低运行成本，就像OpenAI已经实现的；另一方面，像Anthropic“田忌赛马”战略一样，找准切口，聚焦企业客户，尽可能创收，并保持高增速。

  据 Forbes报道，Anthropic最近以184亿美元的估值融资7.5亿美元，该公司计划在未来几个月内增加代码解释、搜索功能和源代码引用等功能。其创始人Amodei兄妹说：“我们将继续扩大模型规模，让它们变得更智能，同时也继续努力让更小、更便宜的模型变得更智能、更高效。一整年都会有不同程度地更新。”

  为了更深入理解Anthropic的商业化路线，适道节选了一期创始人Dario Amodei访谈中的“商业化”部分，原文如下。

  Dwarkesh Patel ：你认为目前的 AI 产品是不是有足够时间在市场上获得长期稳定收入？还是随时有可能被更先进的模型取代？或者到时候整个行业格局会变得完全不同？

  Dario Amodei ：这取决于对“大规模”的定义。目前已经有几家公司的年收入1 亿—10 亿美元，但能否达到每年数百亿，甚至万亿级别，则难以预测。因为这还取决于很多不确定的因素。现在有些公司正在“大规模”应用创新型 AI，但这不能代表刚开始用就一步到位，达到最佳效果。而且，即使有收入也并不完全等于创造了经济价值，整个产业链的协同发展是一个长期过程。

  Dwarkesh Patel ：从Anthropic角度来看，如果LLM的进步如此迅速，那么理论上公司的估值应该增长得很快？

  Dario Amodei ：即使我们注重模型安全性研究而非直接商业化，在实践中也能明显感受到技术水平在以几何级数上升。对那些将商业化视为首要目标的公司来说，进步肯定比我们更快。（xswl在内涵OpenAI ）。

  虽然我们承认LLM进步神速，但对比整个经济体系的深度应用过程，技术积累依然处于较低的起点阶段。决定未来走向是这二者间的竞速——技术本身进步速度、被有效整合和应用，并进入实体经济体系的速度。这二者都很可能快速地发展，但结合顺序和微小差异都可能会引起相当不同的结果。

  Dwarkesh Patel ：科技巨头可能会在未来 2-3 年投入高达 100 亿美元进行模型训练，这会对 Anthropic 带来什么样的影响？

  Dario Amodei ：情况1——如果因为成本问题无法保持前沿地位，那么我们将不会继续坚持开发最先进的模型。相反，我们会研究怎么样从前几代的模型中获取价值。

  情况2——接受被制衡。我认为这一些状况的正面影响可能比它们看起来的要更大。

  情况3——当模型训练到达这种量级后，可能开始会出现新的风险，比如AI 滥用。

  总结一下，虽然Dario坚信LLM的能力会得到快速且显著的提升，但可能受制于社会因素、创新采纳效率，最终减缓其被“大规模”应用的速度，没办法发挥LLM的真正潜力。

  据此，Anthropic的to B之路看起来也更加稳妥。一方面，利用自己的“安全性”长处，切入金融、法律、医学等领域；另一方面，寻找偏重“技术应用”，可以长期合作的企业客户，尽可能消除C端消费者采用的不确定性。

  说到这里，我们大家可以大胆预测一下，如果真如Dario预测的“社会采纳速度低于模型发展速度”，那么，未来会否出现一批大模型公司亲自下场做应用？尤其在国内。

  特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

  最新！俄军摧毁乌克兰“最机密”中心！欧盟计划向乌提供60亿欧元援助，已启动乌入盟谈判框架的筹备工作

  突然宣布：取消！不到3天就开一场演唱会，连唱9个月，63岁张学友撑不住了？曾自曝患这种病

  云鲸推出 J4 Lite 扫拖一体机：6800 Pa 吸力，2599 元起

  展览预告｜白梦帆&吴牧寒双个展：如是我见 Thus Have We Seen