Anthropic ha testato il suo più recente modello AI Claude 3.7 Sonnet con Pokémon Red

- Anthropic ha testato il suo nuovo modello Claude 3.7 Sonnet utilizzando Pokémon Red sul Game Boy di Nintendo.
- Il modello è riuscito a raggiungere 12 traguardi nel gioco ed ha eseguito oltre 35.000 azioni.
- Claude 3.7 Sonnet può "pensare" per tutto il tempo che l'utente desidera, a seconda della complessità del problema.
Anthropic ha testato il suo più recente modello AI, Claude 3.7 Sonnet, sul classico gioco Pokémon Red su Game Boy di Nintendo. Il modello ha ottenuto prestazioni significativamente migliori rispetto alle versioni precedenti, riuscendo a completare 12 traguardi nel gioco.
In un recente post sul blog, Anthropic ha rivelato i dettagli dei suoi recenti test. L'azienda ha pubblicato un grafico, mostrando i 'Milestones' (traguardi) nel gioco sull'asse Y e il 'Numero di azioni' sull'asse X. Ha confrontato le prestazioni del 3.7 Sonnet con quelle del 3.5 Sonnet (nuovo), 3.5 Sonnet e 3.0 Sonnet. Tra questi modelli, il 3.7 ha visivamente performato meglio, eseguendo oltre 35k azioni per raggiungere un totale di 12 traguardi. È stato vittorioso contro 3 leader della palestra nel gioco e ha vinto le rispettive medaglie. Per confronto, il modello precedente di Anthropic, 3.0 Sonnet, poteva eseguire solo poche migliaia di azioni e non riusciva a superare le fasi iniziali del gioco.

Riguardo ai recenti test di gioco, Anthropic ha notato: "Pokémon è un modo divertente per apprezzare le capacità di Claude 3.7 Sonnet, ma ci aspettiamo che queste capacità abbiano un impatto reale ben oltre il semplice giocare ai videogiochi."
Una caratteristica unica di Claude 3.7 Sonnet è che si impegna nel "pensiero esteso". Proprio come R1 di DeepSeek e o3-mini di OpenAI, Claude 3.7 Sonnet è in grado di ragionare su problemi più complessi. Lo fa impiegando più tempo e, in cambio, utilizzando più potenza di calcolo.
Non è ancora chiaro quanto potere di calcolo Claude 3.7 abbia consumato per raggiungere i suddetti traguardi. Inoltre, Anthropic non ha chiarito quanto tempo ha impiegato il modello per raggiungere Surge, l'ultimo capo palestra del gioco.
È sicuro assumere che i test su Pokémon Red siano nient'altro che un modo leggero per mostrare le capacità del nuovo modello. Mostra semplicemente che il nuovo modello è in grado di ragionamento esteso e potrebbe impiegare più tempo (se necessario) per risolvere problemi più complessi. Dopo tutto, i ricercatori hanno spesso iniziato a testare le capacità dei loro modelli facendoli giocare a videogiochi come Street Fighter, scacchi e altro.
Claude 3.7 Sonnet può pensare per tutto il tempo che l'utente desidera
A quanto pare, Claude 3.7 Sonnet è in grado di pensare per tutto il tempo che l'utente desidera. È definito un "modello di ragionamento AI ibrido" perché fornisce risposte in tempo reale insieme a risposte ben ponderate. Spetta all'utente decidere se attivare le sue capacità di ragionamento, il che fa sì che Claude 3.7 Sonnet impieghi più o meno tempo sul problema.
Sembra che l'obiettivo qui sia migliorare l'esperienza utente semplificando le opzioni. La maggior parte dei chatbot oggi dispone di un selettore di modelli piuttosto confuso per l'utente medio. Questi modelli di solito hanno una gamma di impostazioni e variano nelle capacità. Ad esempio, ChatGPT di OpenAI offre anch'esso una vasta gamma di opzioni.
In effetti, Sam Altman ha recentemente menzionato nel percorso aggiornato della sua azienda che l'obiettivo a lungo termine di OpenAI è unificare le offerte di ChatGPT in modo che gli utenti possano cercare soluzioni ai loro problemi in movimento. In questo senso, ChatGPT potrebbe anche adottare un approccio incentrato sull'agente.
Claude 3.7 Sonnet è più costoso di DeepSeek R1 e o3-mini
Anthropic ha recentemente lanciato Claude 3.7 Sonnet per sviluppatori e utenti lunedì. Tuttavia, le funzionalità di ragionamento del modello sono disponibili solo per chi sceglie i piani premium del chatbot. Al momento, costa solo 3 $ per milione di token in input e 15 $ per milione di token in output. Ciò significa che un utente può inserire 750.000 parole per 3 $. Pertanto, è più costoso sia di R1 di DeepSeek che di o3-mini di ChatGPT. Tuttavia, questi due modelli non sono ibridi come Claude 3.7 Sonnet; sono molto rigorosamente "modelli di ragionamento".
I modelli di ragionamento generalmente funzionano più lentamente e impiegano più tempo per rispondere a una domanda. Alcuni esempi includono Grok 3 (Think) di xAi, Gemini 2.0 Flash Thinking di Google, R1 di DeepSeek e, naturalmente, il modello o3-mini di ChatGPT.
Secondo Dianne Penn, responsabile del prodotto e della ricerca presso Anthropic, l'azienda vuole che Claude sia in grado di decidere quanto tempo impiegare per riflettere su un problema, invece di richiedere agli utenti di scegliere esplicitamente le impostazioni. A riguardo, Anthropic ha dichiarato nel suo post sul blog: "Proprio come gli esseri umani non hanno due cervelli separati per le domande che possono essere risposte immediatamente rispetto a quelle che richiedono riflessione."
Tuttavia, a differenza di Grok 3 di xAi, che cerca di essere meno restrittivo e più aperto alle discussioni, Claude 3.7 Sonnet rifiuterà di rispondere a determinate domande. Infatti, all'inizio di questo mese, la versione beta di Grok 3 è andata fino a suggerire una pena di morte per Trump, una presunta "terribile e cattiva falla" che è stata successivamente corretta, come confermato dal capo dell'ingegneria di xAi, Igor Babuschkin.

Tuttavia, rispetto ai suoi modelli precedenti, rifiuta meno spesso ed è in grado di fare distinzioni tra prompt innocui e prompt dannosi. Secondo Anthropic, i rifiuti inutili sono stati ridotti del 45% rispetto al modello precedente, Claude 3.5 Sonnet.
I cervelli più intelligenti del crypto leggono già la nostra newsletter. Vuoi unirti a loro? Unisciti a loro.
Dichiarazione di responsabilità. Le informazioni fornite non costituiscono consigli di trading. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti effettuati sulla base delle informazioni fornite in questa pagina. Si consiglia vivamente di effettuare ricerche indipendenti e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.

Shummas Humayun
Shummas è un ex redattore tecnico di contenuti e ricercatore.














