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

首先我们来看一个数据对比图 从图上我们可以看到，claude系列已经更新到了3.5 sonnet版本，并且在多个维度上，Claude3.5的性能已经超过了GPT-4o。 除了在自然语言处理方面的卓越表现外，Claude 3.5 Sonnet还在视觉理解和内容创作方面实现了重大突破。能从不完美的图像中准确地转录文本，这一能力在零售、物流和金融服务等领域具有极高的应用价值。 并且Claude

大模型技术论文不断，每个月总会新增上千篇。本专栏精选论文重点解读，主题还是围绕着行业实践和工程量产。若在某个环节出现卡点，可以回到大模型必备腔调或者LLM背后的基础模型重新阅读。而最新科技（Mamba,xLSTM,KAN）则提供了大模型领域最新技术跟踪。若对于具身智能感兴趣的请移步具身智能专栏。技术宅麻烦死磕AI架构设计。 先来感受下Claude3.5的“Artifacts”，这是Claude.