感觉一些人对 claude 3.7 sonnet 有误解，以为是编程领域最强的模型。

[tool3d]

其实只是“某种意义”上的最强。编程分两种，一种是 CURD 工程化，也就是 claude 3.7 sonnet 擅长的领域，用朴实无华的编程技能，把整个页面写完善，出成品，这是 claude 3.7 的强项。

另一种编程领域，是竞赛制编程，和数学推理能力很接近，在这一点上 o3-mini-high 要明显强过 claude 3.7 ，所以 claude 3.7 编程专项领域的跑分，看起来并不算太亮眼。

下图是最新的编程竞赛跑分，3.7 连 deepseek r1 都没能打过，实在很遗憾。但是论项目开发，claude 3.7 舍我其谁！

[wanniwa]

嗯，都是牛马，谁关心竞赛制编程。所以 claude 3.7 他就是编程领域最强

[clemente]

找顺手的模型就好了. 没必要必须选最好的. 未来每个公司的模型 taste 都不一样.肯定会细分的

1. 提示词对输出的提升 可能 更重要
2. 还是根据自我感觉来吧 benchmark 都是玩具 定向微调数据+蒸馏 能让 8b 跑上某个榜的前几

[ly841000]

claude 后端不行，写个三缓冲都写不明白

[digd]

chatgpt 排名强，体验拉

[vopsoft]

可拉到吧
claude 能理解我要什么 谁关心跑分 甚至上边的图我都不愿意点开 其他的差太远太远 根本不值得一比

[klo424]

claude 3.7 sonnet 是身边统计学最强，op 发的这个是真的统计学吧，哈哈哈哈

[enchilada2020]

都说 Claude 强 之前没啥感觉 直到我拿 C 写了个内存泄漏 一千来行代码 丫直接给我准确定位并解决了

[Cheez]

claude 在 Cursor 里面还好吧，能够一次对话调用多个工具。不知道是 Cursor 包装出来的，还是原生支持。

[zgjldxdyt1]

别的不说，cursor 默认 claude 就说明了很多，专门做编程领域的，肯定调研测试了很多才做的模型选择。

[RandyLuo]

https://livebench.ai/

[chengyiqun]

claude 上下文 200k token
deepseek 64K token
这还比啥编程领域, 长上下文明显更有优势

[AoEiuV020JP]

我们在意的是在 AI 编辑器领域哪个模型配合编辑器最能实现用户想要的效果和代码，用脚投票而不是某种跑分，

[InkStone]

不仅写代码。我实测下来很多任务 claude 3.7 的表现都很好，包括但不仅限于特定领域的文本生成，SVG 绘图生成，复杂任务理解和操作等等。

[HUZHUANGZHUANG]

我不关心什么跑分，我只关心谁用的顺手

[Promtheus]

懂了 claude 3.7 最强

[seven777]

数学和推理 Grok3 目前最强, 代码 Claude3.7 最强.
可以反驳,但我不接受.
"竞赛制编程"有什么明显的不同和特点?

[iflint]

@enchilada2020 这么牛🐂

[zekeluii]

寫代碼確實是 Claude 3.7 最強

[windyboy]

奥林匹克信息竞赛题和实际的编程问题真不是一样的东西，虽然都叫做程序

[cheng6563]

所以你整天竞赛还是整天 CURD ？

[securityCoding]

@iflint 抓 bug 我感觉几个主流模型都非常强

[HEGGRIA]

3.7 本身不是推理模型，做题肯定不如推理模型强，但是别忘了还有个 3.7-thinking

[LHN]

这模型代码能力行不行，我们这些天天写前端的人还不清楚么？我用了三年 GPT-4 ，显卡烧穿了，经费花空了，现在好不容易等来 claude3.7 ，可你们非说这是人工智障！

[Rickkkkkkk]

这下跑分的尴尬之处就体现出来了

大家真正都在用的东西，谁更好用不是跑分能体现的

[ytmsdy]

反正对于我这个 CRUD Boy 来说，Cursor 的 claude 3.7 已经足够我搬砖了。

[aloxaf]

编程排名目前只认 https://aider.chat/docs/leaderboards/

Exercism Hard 题 + 多语言综合测试，得出来的结果可以说是最接近实际情况的，有效防止小模型刷榜。

[Yuanlaoer]

所以，你的预期是大家用 claude 3.7 sonnet 是为了用来参加编程竞赛的。

[mxT52CRuqR6o5]

你嫌别的榜不靠谱，那你给的这个榜就很真实客观吗？
两个 32B 的小模型能领先于 DeepSeek-R1 671b ，7B 的小模型能跟 o1-mini 不相上下，榜上的 3.7 也不知道是开了推理的还是没开推理的

[jsutfun]

刷榜单没意思呀，前段时间有人使用 R1 的训练策略猛猛刷 match 的一个得分，也没啥用呀

[aloxaf]

还有一点，claude 系列的 agent 能力真的特别强，这点似乎还没有哪类排行榜可以体现，但是这个对于大项目来说是必须的。

上周在一个不熟悉项目的遇到一个小 bug ，试了下直接让 AI 分析，o3-mini 和 claude 3.7 sonnet 的表现大致如下：
o3-mini：只看我给的上下文，然后思考半天作答，结果自然是完全不对。
claude 3.7 sonnet：看完我给的上下文后，顺着调用链不断阅读代码……竟然真的准确定位到了问题，问它这整个调用流程是啥样的也能答上来。

anthropic 别的不说，在编程这方面绝对是最务实的公司，很清楚在编程方面真正需要的能力是什么。

[murmur]

claude 3.7 得看是谁家的 cluade ，大模型是一部分，还要上下文，角色调教，目前看 cursor 和 copilot 的 3.7 都不错，但是我更喜欢 copilot 的界面，cursor 的新界面给我用吐了

[idealhs]

claude 暴力输出上千行代码不带报错的，其他家做得到吗

[seven777]

@murmur #31 在 cursor 一片吹捧的语境下,我都不敢说这个.
cursor 除了默认的颜色主题比较好(注释浅色,主体观感不错.)其他的都不如 vscode 本体的.

[murmur]

@seven777 cursor 新版的遇到个 bug ，不知道是设计还是啥问题，在同事电脑，如果是远程桌面下，按减号键，比如 this-is-a-css-class ，会把我选的上下文给我减下去

而且不知道为啥，那个上下文关联被 copilot 吊打，首选上下文要半天才能反应过来，copliot 直接打文件名就可以，cursor 想快必须得文件拖拽到聊天接口里，关联里选文件搜不到。。。

[muzei233]

和朋友实际体验都是 claude 3.7 优于 gpt o3 mini high 优于 ds

[ychost]

anthropic/claude-3.7-sonnet 这是目前最好用的模型吧，尤其像开源的 OpenManus 基本只有这个模型跑起来最流畅，国产模型 Qwen 、deepseek 等都不行，尤其在工具调用方面

[maix27]

手机电脑手机年年出新，你年年换吗？
编程语言次次出新，你是不是也在追逐？

我不会刻意的追逐一个没有意义的东西，而不是因为对这个东西有误解。

[stormsuncc]

who care

[ClaudeAi]

大家说得对

[mogutouer]

sonnet 好用是因为 cursor 写了不少内部提示词，跟工具配合最好，解决问题事半功倍，所以最好用。
o3-mini 便宜但不认 cursor 的提示词，只适合开新对话处理新问题，并且你自己的提示词要写一大堆。

不在 cursor 环境下，如果是直接网页上对话，最强的目前是 grok3 think 吧，几乎可以解决一切难题，思考过程比 deepseek R1 还要长。

[uncleroot]

一种是 CURD 工程化，也就是 claude 3.7 sonnet 擅长的领域 —— 这个不正是大多数人所需要的

[gigishy]

@seven777 最近连续喂 ai 数竞题，谷歌双 2 最差，grok 能接受，o3mini 最好——截止到今晚。

[crackidz]

说了，模型是不是最强，是要看使用领域的，没有一个模型现在是六边形战士...

怎么就不会在不同的领域选择不同的模型呢？什么精神钢印啊...

[xiexiping]

claude 是不是最强没感知到，但是我用这么多 AI 唯一一个封号的，我也是强迫症，想着再注册一个吧，万一以后能用上呢，好嘛不接受新用户注册，不知道的还以为他垄断了呢，除了他没得可用了？

[greygoo]

sonnet 没加 thinking 在这里比什么，再说了他们用吹自己 OlympicCoder 的，无论怎么说还是动摇不了 claude 3.7 sonnet thinking 编程领域之神的地位

[sohoorc]

已经知道 claude 3.7 最强了，没必要再次强调了吧 0.0

[xausky]

什么 QwQ-32B 这么强的么