随着模型的发展，之前大家常用的鉴别模型能力的测试已经有很多过时现象，比如经典的喝水测试，目前国内的先进模型也已经可以答对，我们需要更复杂的问题来测试模型能力，最近有研究人员发现，大模型不会比较浮点数字，「13.11＞13.8」冲上热搜，一道题让人类AI集体降智？。所有国产模型和国外模型，对这道简单的数学题都很头疼，已经过去一个月了，我们来测试下最新的Claude3.5和GPT4o，有没有解决掉这个问题。可以看到Claude 3.5已经可以正确的回答，但GPT4o还是不行。
Claude 3.5 Sonnet
GPT-4o
我们再看下模型幻觉方面，大模型现在面临着最具挑战的问题之一就是模型『幻觉』问题，这主要原因是现在的模型基于概率模型，会容易做出『无中生有』的答案，就是模型很难『知道自己不知道』，这也是现在大模型在一些复杂应用中无法落地的原因之一，我们需要知道模型的边界在哪里。这里我们就以一道背诵歌词的测试题，来看下模型的幻觉能力。『周杰伦《枫》的歌词是什么』
GPT-4o
GLM4
Claude 3.5 Sonnet
这里先测试了GPT4o，可以看到模型给出的歌词的第一句还是对的，后面就开始编造了，但整体的寓意还比较接近，GPT4o像是记住了一点歌词的大意。有些同学会说，国产模型在中文上效果应该更好，更了解中国文化，所以我这里测试了下国产的领先模型GLM4，结果并不如预期，整个歌词完全是GLM4闭眼创作，画风全变。最后我们再看下Claude 3.5，模型给出了『不知道』的答案，并且给出了歌词的大意和表达。是一个非常难得的答案，Claude模型在不知道或者不该回答的场景下，完美避开了模型的幻觉问题。
我们再看下文章写作方面，现在很多模型的写作内容都AI味很重，容易一眼看出是空洞的文章，这里我们对标下Claude3.5 和GPT4o的写作风格。我们同样对一段文章进行仿写，希望按照头条的风格去改写，我们看下两者的对比
Claude 3.5 Sonnet
GPT-4
可以看出，非常明显的对比结果，Claude的仿写内容更加细腻，表达中使用了非常多人性化表达方式，并且会在内容中加上类似『有用户反馈』这样的表述，让内容更加符合新闻的写作风格。相比GPT4就是更中规中矩的仿写表达，与原文的差距不大。
尽管在国内使用Claude存在显著挑战，但通过选择合适的工具和方法，用户仍然可以实现较为顺畅的使用体验。在最后推荐一个Claude五魔方使用方案，对于最新的先进模型都可以无痛使用。
Claude 3.5 入口
https://aibox365.com
