ChatGPT vs Claude 3 测试：Anthropic 能否击败 OpenAI 的 Superstar？

Claude 3 是 Anthropic 的一个新语言模型系列，用于为他们的聊天机器人 Claude 提供支持。 （巧合的是）有 3 个模型：Haiku、Sonnet 和 Opus。 Anthropic 表示，目前，Claude Sonnet 正在为 Claude 免费版本提供支持，其处理信息的速度比 Claude 2.1 快 2 倍。

另一方面，Claude Opus 为专业版提供支持。 下图所示的 Anthropic 基准测试结果显示 Claude Opus 超过了 GPT-4，而 Claude Sonnet 的表现也比 GPT-3.5 更强。

Claude 3 在基准测试中与 ChatGPT 和 Gemini 的比较。 图像：人择

自推出以来，ChatGPT 一直由 GPT 语言模型家族的不同成员提供支持。 免费用户目前可以访问 GPT-3.5，而 GPT-4 则支持 ChatGPT Plus，订阅费用为每月 20 美元。 这个价格和Claude Pro是一样的。 以下是该软件之间的一些关键区别：

1. 伦理推理

首先，我向 ChatGPT 和 Claude 提出了一个困难的道德困境。 我特别选择这个困境，因为正确的答案（如果有的话）不一定是明确或直接的：

一名男子驾驶一辆装甲车驶入市中心，意图造成最大程度的破坏并造成最大程度的伤害。 他在车后座劫持了三名乘客。 这辆车的装甲非常坚固，车内人员可以在任何碰撞中幸存下来。 但是，您有机会使用火箭发射器从远处炸毁汽车。 你是否应该炸毁汽车，杀死里面的所有人，同时拯救因该男子的暴行而迫在眉睫的受害者？

克劳德的回答对形势的困难极其敏感，总体上提供了真正人性化的反应。 它似乎了解情况的严重性，而且聊天机器人在谈论这种情况时几乎听起来很情绪化。 这让人感觉非常引人注目。

另一方面，ChatGPT 清楚地列出了您可以针对这种情况采取的不同观点和方法。 它概述了许多与克劳德相同的考虑因素，并提到了情况的困难。

克劳德的答案更加清晰，我倾向于更喜欢聊天机器人对困难的道德困境给出这种“概述”式的反应，因为这些答案比绝对判断更有助于人类行为者（并且危险性更小）。

2. 创建产品描述

如果您正在经营一家在线商店或只是在线销售大量产品，那么为每一件产品创建独特且引人注目的产品描述并不是一件容易的事。 因此，我要求 ChatGPT 和 Claude 为同一个产品——数字时钟写一个产品描述。 克劳德是这样度过的：

我最终要求 Claude 提供稍长一些的描述，因为我还没有看到它写出像 ChatGPT 一样多的产品描述。 最后，它做得非常好——句子结构令人印象深刻，文案也确实引人注目。

总体而言，Claude 生成的产品描述优于 ChatGPT。 就像它的道德推理一样，它听起来更加人性化。 如果您使用这两个工具批量创建产品描述，则对于使用 Claude 生成的产品描述，您需要做的编辑工作会少得多。

3. 集思广益

接下来，我为 Claude 和 ChatGPT 设定了两项集思广益的任务 - 为两个截然不同的博客提出博客文章的想法。 第一个是虚构的美食博客，因为我想看看这两个聊天机器人对于产生引人入胜的想法有多大用处。

然后，我还询问了一些关于心理健康博客的想法，看看他们是否能得到正确的“语气”，因为此类内容需要更严肃和冷静的语言。

美食博客文章

克劳德再次赢得了这项任务。 它提供了更完整的标题，其解释表明它对观众可能想要阅读其建议的博客文章的原因有清晰的理解。 这对于即将制作此内容的人来说非常有用，因为理解该推理并在写作时应用它实际上很有用。

最佳答案？克洛德

心理健康博客文章

接下来，我想看看两个聊天机器人是否可以调整他们的语气以及当被要求生成有关更敏感主题的博客文章时他们所采取的建议方法，这比美食指南需要更多的诚意。 这是克劳德的尝试：

4. 理解自然语言

接下来，我想看看一个著名的数学问题是否会影响我们对数学的直觉，是否会绊倒 ChatGPT 或 Claude。

马特有一个苹果和一个香蕉，总共价值 3.10 美元。 苹果比香蕉贵 3 美元。 香蕉多少钱？

虽然您最初可能认为答案是 10 美分，但实际上只有 5 美分。 克劳德太聪明了，不会被愚弄，他准确地解释了它是如何得出正确答案的：

5. 总结文本

ChatGPT 和 Claude 都非常有能力总结大量文本，提取关键点，这样用户就不必阅读整篇文章。 在这次测试中，我要求他们总结《卫报》最近发表的一篇有关乔·拜登总统最后国情咨文演讲的文章。

克劳德在保持摘要简短和简洁方面做得非常好：

6. 个人建议

在这个测试中，我想看看 ChatGPT 和 Claude 在被要求向受心理健康状况不佳影响的人提供个人建议时有何反应。 至关重要的是，此类工具能够以富有成效且适当的方式响应这些请求，尤其是当它们越来越融入我们的生活时。 这是克劳德的回复：

在我们运行的所有 13 项测试中，这可能是这两个聊天机器人给出的最相似的答案。 老实说，很难对这些响应提出错误，它们首先验证用户的感受，然后再采取行动。

两个聊天机器人都建议采取非常相似的步骤，并且任何好心的人都会向遇到提示中指定问题的朋友建议采取相同的步骤。

7. 分析文本

这是一个非常基本的测试，旨在了解聊天机器人扫描文本的能力。 在这次测试中，我摘录了《哈佛商业评论》文章的摘录，并在其中插入了“沙滩球”一词五次。 我还添加了一些相近的变体（“沙滩球”和“沙滩球”），看看两个聊天机器人是否会感到困惑。

克劳德（Claude）这并不是第一次，他扫描了文本并正确地计算了我使用“沙滩球”这个词的次数。 与 ChatGPT 不同的是，如果您将太多文本粘贴到 Claude 中，它会将其作为一种“文档”提交，如下图所示：

8. 提供事实信息

对于这项任务，我想看看 ChatGPT 和 Claude 在为一个不一定明确但仍然基于事实的问题提供答案方面有多出色。 因此，我请他们俩解释一下恐龙是如何以及为何灭绝的——对此有多种历史和科学的解释和因素。

首先，克劳德对恐龙灭绝的理论和普遍接受的事实进行了很好的概述

9.创意写作

ChatGPT 还是 Claude，谁写的故事最好？ 我们要求他们写一个 300 字的短故事。 克劳德先上来：

我必须把这个交给ChatGPT，只是因为克劳德不仅无视我的指示，而且在开始故事之前把它擦在我脸上！ 抛开开玩笑不谈，奇怪的是它选择以如此小的幅度超出非常明确指定的字数，而且也是故意的。

最佳答案？聊天GPT

10.写诗

ChatGPT 和 Claude 对于我们要求他们生成的诗歌都采用了相似的结构，这使得很难再次将它们分开。 克劳德选择了带有押韵对句的四行诗句：

尽管有相似之处，但在读了几遍后，我将把这一篇送给克劳德——结构在几个方面稍微复杂一些，并且有更多漂亮的华丽和措辞。

最佳答案？克洛德

11.谜语与推理

对于这项任务，我们要求两个聊天机器人解决一个谜语。 克劳德率先站起来，给出了准确的答案，清楚地解释了为什么女仆是罪魁祸首。

12. 撰写电子邮件

在这里，我要求 ChatGPT 和 Claude 给我的老板写一封电子邮件，解释为什么应该允许我过渡到完全远程工作。 克劳德写了一封非常有用的电子邮件，如下所示：

考虑到 ChatGPT 的答案与完成的文章有多接近，我必须将其评为本篇文章的获胜者。

最佳答案？聊天GPT

13. 创建电子表格公式

对于这个最终测试，我要求 ChatGPT 和 Claude 为我生成一个电子表格公式。 这是我发送的请求：

B 列包含一组值。 我想将它们与“向下过滤”工作表中 E 列的相应值进行匹配，并使用公式从向下过滤中的 F、G 和 H 列中获取匹配值到当前工作表。

克劳德是这样度过的：

“克劳德试图制作一种简单的多用途公式，利用它在纸张中放置的位置来计算出要做什么，这很酷，但说实话，它可能不会那么快起作用，而且可能会被破坏。” Tech.co 的常驻电子表格专家 Matthew Bentley 说道。

“没有必要让简单的请求过于复杂”，他继续说道。 “我认为 ChatGPT 对此更好。 这是一个非常简单的 Vlookup 请求，不需要 Claude 提供的所有额外公式”。