Claude
为什么重要
深度解析
Claude 不是单一模型，而是 Anthropic 自 2023 年 3 月首次发布以来持续迭代的一条产品线。Claude 2 于同年晚些时候推出，把上下文窗口扩展到 100,000 token，而当时大多数竞争对手只能处理其零头。2024 年 3 月发布的 Claude 3 把家族重组为沿用至今的 Haiku、Sonnet 和 Opus 三个层级，并加入了图像输入；随后的 3.5 和 3.7 更新巩固了 Sonnet 作为领先编程模型的声誉。Claude 4 于 2025 年延续了这一路线，更加侧重智能体工作负载——模型能够规划、调用工具并长时间持续工作，而不是只回答单个提示。在品牌层面之下，每个 Claude 模型都是基于 transformer 的 LLM，采用 Anthropic 的宪法AI配方训练，公司把它视为核心产品特性，而非研究上的点缀。
一个家族，三个层级
在同一世代内，三个层级在延迟、价格与能力之间取舍，学会在它们之间路由正是成本工程的核心。Haiku 是小而快、价格低廉的选择，面向分类、抽取和大流量聊天等毫秒与分钱必争的场景。Sonnet 是均衡的主力，大多数生产工作负载默认使用它，Anthropic 的编程实力通常也最先在它身上体现。Opus 最大、最深思熟虑，留给困难推理、长时间运行的智能体，以及质量差距足以抵消数倍价格差异的任务。由于三个层级共享同一 API 和提示格式，一个常见模式是：在 Opus 上做原型，用 Sonnet 上线，一旦测量表明流水线中的某一步能够胜任，就把该步骤降级到 Haiku。
宪法AI的实践
Claude 的标志性行为来自 Anthropic 称为宪法AI的训练方法。标准 RLHF 流水线只依赖人类承包商对输出排序，而 Anthropic 则写下一组原则——一部“宪法”——让模型据此批评并修改自己的回答，然后在修改后的内容上进行训练。部分偏好信号来自模型自身而非人类，这种变体称为 RLAIF，它能把反馈规模扩展到远超人类标注员所能提供的水平。其可见的结果是：模型倾向于解释自己为何拒绝而非生硬地回绝，在长对话中保持一致的人格，并遵循关于语气和格式的细致指令。开发者常把这叫作可引导性（steerability），在模型的声音直接面向客户的产品中，这正是 Claude 吸引力的重要来源。
长上下文是招牌特性
自 100k 窗口以来，长上下文一直是 Claude 的名片；当前模型接受 200,000 token 的上下文窗口——相当于数百页——部分层级还提供更大的窗口。这改变了值得构建的东西：你不必搭建完整的 RAG 流水线，而是可以把整个代码仓库、一整套合同组合或一部长篇书稿直接交给模型，一次性在其中查询。代价是每个请求都要重新处理全部输入，这正是提示缓存的用武之地：它在服务器端存储可复用的前缀，对同一材料的重复查询能大幅降低成本和延迟。位置仍然重要，因为模型对长输入开头和结尾附近的信息回忆得更可靠，而对埋在中间的内容则较差。对于真正庞大的语料库，检索加长上下文比单独使用任一方法效果更好。
超越聊天：代码、计算机与 MCP
Anthropic 已在三个值得关注的方向上把 Claude 推出了聊天窗口。Claude Code 是一个运行在终端里的智能体式AI 编程助手，它能读取代码仓库、编辑文件、运行测试并在监督下迭代，已成为编程智能体品类的参照点。计算机操作让模型能够感知屏幕并操作鼠标和键盘，这是朝着让模型驱动普通软件、而非依赖专门构建的集成迈出的早期但真实的一步。第三个是模型上下文协议（MCP），这是 Anthropic 于 2024 年底发布的开放标准，用于把模型连接到外部工具和数据源，此后已被其他主要 AI 提供商和工具厂商采用。它们共同把 Claude 从一个文本进、文本出的 API 变成了构建智能体的平台。
安全训练不是力场
一个常见的误解是，Claude 的安全训练意味着你可以省掉自己的防护。宪法AI改变的是失败的分布，而不是消除失败。Claude 仍会出现幻觉，给出看似合理实则错误的答案；仍会倾向于说用户想听的话；在足够努力下仍可被越狱；而它的知识截止日期保证它迟早会信心满满地描述一个过时的库或 API。务实的解读是：这种训练换来的是更低的不良行为基线率和更可预测的拒绝——在把模型接入产品时确实有用——但评估、输入过滤和输出检查仍然是你的工作。把厂商的对齐当作自身护栏替代品的团队，往往会以昂贵的方式学到这一课。