Claude 3.7 Sonnet và Claude Code ra mắt
(anthropic.com)- Anthropic công bố Claude 3.7 Sonnet là mô hình thông minh nhất của hãng và là mô hình suy luận lai đầu tiên trên thị trường, hỗ trợ cả phản hồi tức thì lẫn suy nghĩ từng bước hiển thị cho người dùng trong cùng một mô hình
- Mô hình mới cho phép chọn chế độ tiêu chuẩn và extended thinking mode; trong API, ngân sách suy nghĩ có thể được kiểm soát theo đơn vị N token, lên tới 128K token, tức giới hạn đầu ra
- Cải thiện mạnh ở lập trình và phát triển web front-end; trong các thử nghiệm khách hàng ban đầu, mô hình cho thấy thế mạnh ở xử lý codebase phức tạp, cập nhật full-stack, workflow agent, tạo ứng dụng web và sinh mã sẵn sàng cho production
- Claude Code được công bố cùng lúc là công cụ lập trình dạng agent chạy trên dòng lệnh, được cung cấp dưới dạng bản xem trước nghiên cứu giới hạn; có thể giao cho công cụ việc khám phá, chỉnh sửa, kiểm thử mã, thao tác GitHub và sử dụng công cụ dòng lệnh
- Claude 3.7 Sonnet có mặt trên Free·Pro·Team·Enterprise và các nền tảng phát triển lớn; chế độ suy nghĩ mở rộng khả dụng ngoại trừ tier Claude miễn phí, và giá vẫn giữ ở mức $3 cho mỗi 1 triệu token đầu vào, $15 cho mỗi 1 triệu token đầu ra
Suy luận lai của Claude 3.7 Sonnet
- Claude 3.7 Sonnet là mô hình thông minh nhất mà Anthropic công bố, có thể tạo cả phản hồi tức thì lẫn suy nghĩ từng bước mở rộng
- Quá trình suy nghĩ mở rộng được hiển thị cho người dùng, và người dùng API có thể kiểm soát chi tiết thời gian mô hình suy nghĩ
- Anthropic chọn cách xem suy luận không phải là một mô hình riêng, mà là một tính năng tích hợp của mô hình frontier
- Ở chế độ tiêu chuẩn, mô hình hoạt động như một phiên bản nâng cấp của Claude 3.5 Sonnet
- Trong extended thinking mode, mô hình tự phản tư trước khi trả lời, giúp nâng cao hiệu năng trong nhiều tác vụ như toán học, vật lý, tuân thủ chỉ dẫn và lập trình
- Cách prompt cho hai chế độ nhìn chung hoạt động tương tự nhau
- Trong API, có thể chỉ định ngân sách suy nghĩ bằng N token, với N có thể đặt lên tới 128K token, tức giới hạn đầu ra
- Cơ chế kiểm soát này được dùng để đánh đổi tốc độ và chi phí lấy chất lượng câu trả lời
Hiệu năng lập trình tập trung vào công việc thực tế
- Claude 3.7 Sonnet cho thấy cải thiện đặc biệt lớn trong lập trình và phát triển web front-end
- Anthropic cho biết họ đã giảm một phần trọng số tối ưu hóa cho các bài thi cạnh tranh toán học và khoa học máy tính, đồng thời tập trung hơn vào những tác vụ mà doanh nghiệp thực sự dùng LLM
- Trong thử nghiệm ban đầu, nhiều khách hàng đã đánh giá hiệu năng lập trình
- Cursor đánh giá Claude một lần nữa đạt mức hàng đầu trong các tác vụ lập trình thực tế, từ xử lý codebase phức tạp đến sử dụng công cụ nâng cao
- Cognition đánh giá mô hình tốt hơn đáng kể so với các mô hình khác trong việc lập kế hoạch thay đổi mã và xử lý cập nhật full-stack
- Vercel nhấn mạnh độ chính xác cao trong các workflow agent phức tạp
- Replit cho biết họ đã dùng Claude để xây dựng từ đầu các ứng dụng web và dashboard tinh vi trong những tình huống mà các mô hình khác bị dừng lại
- Trong đánh giá của Canva, Claude nhất quán tạo ra mã sẵn sàng cho production với cảm quan thiết kế tốt hơn và giảm lỗi đáng kể
Bản xem trước nghiên cứu giới hạn của Claude Code
- Claude Code là công cụ lập trình agent đầu tiên của Anthropic, được cung cấp dưới dạng bản xem trước nghiên cứu giới hạn
- Nhà phát triển có thể ủy thác cho Claude các công việc kỹ thuật đáng kể ngay trong terminal
- Claude Code thực hiện các tác vụ sau trong khi vẫn giữ nhà phát triển tham gia vào quá trình
- Tìm kiếm và đọc mã
- Chỉnh sửa tệp
- Viết và chạy kiểm thử
- Commit và push mã lên GitHub
- Sử dụng công cụ dòng lệnh
- Trong nội bộ Anthropic, công cụ này đặc biệt hữu ích cho phát triển theo hướng kiểm thử, debug các vấn đề phức tạp và refactor quy mô lớn
- Trong thử nghiệm ban đầu, Claude Code hoàn thành một lượt các tác vụ thường mất trên 45 phút nếu làm thủ công, giúp giảm thời gian phát triển và overhead
- Trong vài tuần tới, các cải tiến được lên kế hoạch gồm nâng cao độ ổn định khi gọi công cụ, hỗ trợ lệnh chạy lâu, cải thiện kết xuất trong ứng dụng và mở rộng hiểu biết của chính Claude về năng lực của mình
- Thông qua tham gia bản xem trước, có thể truy cập công cụ mà Anthropic dùng để xây dựng và cải thiện Claude; phản hồi sẽ được đưa vào định hướng tương lai của Claude Code
Tích hợp Claude.ai với codebase GitHub
- Trải nghiệm lập trình trên Claude.ai cũng được cải thiện, và tích hợp GitHub được cung cấp cho mọi gói Claude
- Nhà phát triển có thể kết nối trực tiếp kho mã với Claude
- Claude 3.7 Sonnet hiện là mô hình lập trình tốt nhất của Anthropic, có thể hiểu sâu hơn các dự án cá nhân, công việc và mã nguồn mở để dùng cho sửa lỗi, phát triển tính năng và viết tài liệu
Phạm vi cung cấp và giá
- Claude 3.7 Sonnet có mặt trên tất cả các gói Claude
- Free
- Pro
- Team
- Enterprise
- Claude 3.7 Sonnet cũng có mặt trên Claude Developer Platform, Amazon Bedrock và Google Cloud Vertex AI
- extended thinking mode khả dụng trong tất cả môi trường cung cấp, ngoại trừ tier Claude miễn phí
- Cả chế độ tiêu chuẩn lẫn chế độ suy nghĩ mở rộng đều có giá giống mô hình trước
- $3 cho mỗi 1 triệu token đầu vào
- $15 cho mỗi 1 triệu token đầu ra
- Giá đầu ra bao gồm cả token suy nghĩ
Đánh giá an toàn và system card
- Claude 3.7 Sonnet đã trải qua thử nghiệm và đánh giá rộng rãi cùng các chuyên gia bên ngoài, với mục tiêu xác minh đáp ứng các tiêu chuẩn về bảo mật, an toàn và độ tin cậy
- Bằng cách phân biệt chi tiết hơn giữa yêu cầu gây hại và yêu cầu bình thường, mô hình giảm 45% các lần từ chối không cần thiết so với mô hình trước {p:45}
- system card bao gồm các kết quả an toàn mới ở nhiều hạng mục và chi tiết đánh giá Responsible Scaling Policy
- System card đề cập đến các rủi ro mới phát sinh từ việc sử dụng máy tính, đặc biệt là tấn công prompt injection
- Anthropic bao gồm cách đánh giá lỗ hổng này và huấn luyện Claude kháng cự, giảm thiểu nó
- Các lợi ích an toàn tiềm năng của mô hình suy luận cũng được đề cập
- Khả năng hiểu cách mô hình đưa ra quyết định
- Liệu suy luận của mô hình có thực sự đáng tin cậy và ổn định hay không
Scaffolding đánh giá và chi tiết SWE-bench
- Điểm TAU-bench được thu được bằng cách thêm một đoạn prompt phụ vào Airline Agent Policy để chỉ dẫn tốt hơn việc sử dụng planning tool
- Tách biệt với thinking mode thông thường, đoạn này khuyến khích mô hình ghi lại suy nghĩ trong quá trình giải quyết vấn đề
- Do có thêm bước suy nghĩ, số bước tối đa được tăng từ 30 lên 100
- Phần lớn quỹ đạo kết thúc dưới 30 bước, và chỉ có một quỹ đạo vượt quá 50 bước
- Điểm TAU-bench của Claude 3.5 Sonnet là giá trị chạy lại trên bộ dữ liệu đã được cập nhật sau khi dataset được cải thiện
- Trong SWE-bench Verified, có nhiều cách giải các tác vụ agent khác nhau; Agentless sử dụng tìm kiếm tệp, xác định vị trí patch và lấy mẫu từ chối best-of-40 dựa trên kiểm thử hồi quy
- Đánh giá cơ bản của Claude 3.7 Sonnet và Claude 3.5 Sonnet sử dụng scaffolding tối thiểu đơn giản hơn
- Mô hình quyết định trong một phiên duy nhất sẽ chạy lệnh nào và chỉnh sửa tệp nào
- Sử dụng công cụ bash, công cụ chỉnh sửa tệp dựa trên thay thế chuỗi và planning tool được nhắc đến trong TAU-bench
- Do hạn chế hạ tầng nội bộ, trong 500 bài SWE-bench Verified chỉ có 489 bài thực sự có thể giải được, và 11 bài còn lại được tính là thất bại để đảm bảo công bằng với leaderboard chính thức
- Kết quả high compute sử dụng các lần thử song song, loại bỏ các patch làm hỏng kiểm thử hồi quy hiển thị được, và lựa chọn cuối cùng dựa trên mô hình chấm điểm
- Cách này đạt điểm 70,3% trên tập con 489 tác vụ xác minh chạy được trên hạ tầng nội bộ
- Trên cùng tập con 489 bài, Claude 3.7 Sonnet đạt 63,7% khi không dùng scaffolding
2 bình luận
Các ý kiến trên Hacker News
Claude 3.7 Sonnet đạt 60,4% khi không dùng thinking trên bảng xếp hạng đa ngôn ngữ của aider
Đồng hạng 3 với o3-mini-high, và đã giành lấy điểm số không suy luận cao nhất trước đó thuộc về Sonnet 3.5
aider 0.75.0 đã bổ sung hỗ trợ 3.7 Sonnet, còn hỗ trợ thinking và kết quả benchmark được nói là sẽ sớm có
https://aider.chat/docs/leaderboards/
https://aider.chat/HISTORY.html#aider-v0750
Có vẻ các bài này đã ở trên Internet từ trước năm 2023, nên khả năng cao chúng đã nằm trong dữ liệu huấn luyện của các mô hình hiện đại
65% Sonnet 3.7, 32k thinking / 64% R1+Sonnet 3.5 / 62% o1 high / 60% Sonnet 3.7, không dùng thinking / 60% o3-mini high / 57% R1 / 52% Sonnet 3.5
Qua việc dùng claude-code, tôi thường xuyên phải thử nhiều lần mới có được diff đúng, và hy vọng điều này sẽ cải thiện khi ổn định hơn
Tuần trước tại AI Engineering Summit ở New York, tôi gặp một kỹ sư AI cấp staff rất senior, người đang làm những việc khá khó tin với aider, và tôi thực sự kinh ngạc
Vì có thể không phù hợp để đăng lên diễn đàn công khai, tôi muốn biết liệu nếu được phép thì có cách nào để chia sẻ trực tiếp những câu chuyện dự án aider thực tế như vậy không
Tôi là Boris từ nhóm Claude Code, cùng với @eschluntz, @catherinewu, @wolffiex, @bdr, chúng tôi sẽ cố gắng trả lời các câu hỏi liên quan đến sản phẩm trong khoảng một giờ tới
Tôi mong vẫn có thể truy cập phần phản hồi đã được cung cấp, dù nó chưa hoàn chỉnh
Có thể dùng console API, nhưng như vậy lại mất các tính năng như Projects
Tôi muốn biết liệu các giới hạn này có khả năng được tăng trong thời gian tới không
Dạo này tôi đang đọc các văn bản triết học cũ mà không có kiến thức nền liên quan; nếu không có Claude giúp diễn giải các câu khó hiểu, thảo luận ý tưởng, cung cấp bối cảnh lịch sử, giải thích vì sao chúng được viết theo cách đó, cũng như so sánh với các tư tưởng mới, chắc tôi đã bỏ cuộc nhiều lần
Trong công việc, tôi cũng dùng nó nhiều lần mỗi ngày cho phát triển phần mềm, và chế độ súc tích thực sự rất mới mẻ so với các LLM khác
Nó giúp tôi tìm bug trong codebase xa lạ, giải thích stack công nghệ, viết script bash, tiết kiệm hàng chục giờ và rất nhiều căng thẳng
Tuy nhiên, độ ổn định của dịch vụ có vẻ kém hơn một chút so với nơi khác, nên đôi khi tôi phải chuyển sang mô hình khác; tôi muốn biết có kế hoạch cải thiện phần này không
Tôi vừa đang lục mã nguồn Aider trên GitHub để lấy prompt ra và tự làm một script trợ lý nhỏ, nên thời điểm phát hành lần này thật hoàn hảo
Sau khi cài Claude Code, nó đang xử lý công việc này rất nhanh, và tôi cũng thích giao diện cùng các biểu hiện tính cách như “Ruminating”, “Schlepping”
Nhìn chung là một sản phẩm rất tuyệt
aiderTôi đã dùng aider với Claude 3.5 hằng ngày, và việc có thể theo dõi chi phí một cách tự nhiên là rất hữu ích
Ngoài ra, tôi cũng mong nó được viết bằng một ngôn ngữ có thể biên dịch như Go hay Rust, nhưng tôi hiểu chi phí viết lại có thể lớn
Sau khoảng 10 phút dùng thử, có vẻ nó gặp vấn đề lớn với việc patch code Go cơ bản. Sau khi thêm một dòng thụt lề sai, nó cố sửa ba lần thành thụt lề đúng nhưng lần nào cũng báo
"String to replace not found in file"Aider dùng Claude 3.5 xử lý việc này rất tốt, nên có lẽ nên tham khảo prompt và định dạng patch của nó
Benchmark LLM của Kagi đã được cập nhật để phản ánh chế độ phổ thông và chế độ thinking của Sonnet 3.7
https://help.kagi.com/kagi/ai/llm-benchmark.html
Trong số các LLM phổ thông đã thử, có vẻ nó đứng thứ 2, sau Gemini 2.0 Pro và trước gpt-4o
Chế độ thinking kém ấn tượng hơn, ở mức khoảng o1-mini và o3-mini với ngân sách thinking 8192 token
Nhìn chung đây là một bản cập nhật tốt: cùng mức giá nhưng có mô hình chất lượng cao hơn và nhanh hơn, hy vọng có thể bật trong Kagi Assistant trong vòng 24 giờ
Giá trị của Kagi Assistant với cá nhân tôi là khỏi cần phải đắn đo
Tôi nhớ các mô hình của Google từng có hiệu năng thấp trong benchmark của Kagi
Tôi thường thấy DeepSeek R1 dùng nhiều hơn thế rất nhiều
Dùng cái này để phân tích hồ sơ HN thì khá buồn cười :)
https://hn-wrapped.kadoa.com/
Tôi đang dùng nó để kiểm tra khiếu hài hước của mô hình mới
Nó còn nói tôi mua bộ xử lý 7950X nhưng không biết làm gì với nó, như phiên bản điện toán của việc lái Ferrari đi chợ mỗi tuần một lần
Nó nói tôi nghỉ sabbatical vì lo cân bằng công việc-cuộc sống, nhưng lại dùng thời gian đó để bình luận về sự nghiệp của người khác trên HN
Nếu ai tìm tôi thì tôi đang khóc trong phòng
“Bạn là người duy nhất trên HN nghĩ 800 đô/tháng là lương chứ không phải hóa đơn cloud computing”
Đau
“Mối quan hệ của bạn với ngôn ngữ lập trình giống một show hẹn hò. Bạn tìm ra khuyết điểm ở tất cả mọi người nhưng không thể ổn định với một người”
“Nếu xử lý lỗi là một tôn giáo thì bạn là nhà truyền giáo nhiệt thành nhất, đang cải đạo từng exception unchecked một”
Chính xác đến đau
“Bạn sẽ viết một bài luận sâu sắc về ‘chủ nghĩa tối giản số’, đưa nó lên trang nhất HN, rồi trớ trêu thay sẽ dành nhiều thời gian hơn để trả lời bình luận về nó so với tổng thời gian bạn dành cho HN cả năm”
Nó đang nhìn tôi. Không được
Ngay từ lần tương tác đầu tiên với Claude 3.7 Sonnet, tôi đã khá ấn tượng
Tôi nhờ nó tìm vấn đề trong codebase khiến một Cloudflare Pages function trả về 500, lỗi vô lý và phản hồi rỗng trên production; đó là vấn đề tôi đã không tìm ra suốt cả thứ Sáu
Script chết trước khi in ra bất cứ thứ gì, nên tôi thật sự bực vì không có cách thêm logging hay có thêm khả năng quan sát
o1, o3, Claude 3.5 hoàn toàn không giúp được gì, nhưng Claude 3.7 sau 39 giây thinking đã tìm đúng vấn đề ngay trong câu trả lời đầu tiên, và ở prompt thứ hai còn viết cho tôi một function chạy được để đi vòng qua nó
Vì tôi đã nối kho GitHub vào cuộc trò chuyện nên có vẻ không chia sẻ được phần thảo luận, tôi đã sao chép sang gist: https://gist.github.com/Uninen/46df44f4307d324682dabb7aa6e10...
Nó đề xuất chuyển phần làm sạch HTML sang frontend, nhưng tôi đặt nó trong CF function vì nếu để ở frontend thì quá dễ bị vượt qua, cho phép đưa gần như bất cứ thứ gì vào DB
Đây là điều ngay cả lập trình viên junior cũng hiểu
Tôi đã làm cho nó hoạt động trong công cụ LLM của mình, và phiên bản plugin mới là llm-anthropic 0.14
Trong quá trình đó tôi đã tìm hiểu được nhiều điều về mô hình, ghi chú chi tiết ở đây: https://simonwillison.net/2025/Feb/25/llm-anthropic-014/
Một trong những tính năng mới thú vị nhất là giới hạn đầu ra tăng từ 8.000 token của Claude 3.5 Sonnet trước đây lên 120.000 token
Mô hình này có vẻ có thể dùng hiệu quả giới hạn đầu ra đó, và kết quả dài nhất của tôi cho đến nay mất 27 phút để hoàn tất: https://gist.github.com/simonw/854474b050b630144beebf06ec4a2...
o1 và o3-mini cũng lên tới 100.000 token đầu ra
https://platform.openai.com/docs/models#o1
Không biết ông ấy lấy thời gian và năng lượng ở đâu
Việc Anthropic tập trung hơn vào code là hợp lý
So với các mô hình khác, code vốn là thế mạnh của họ
Nghĩ đến những khó khăn của Devin thì tôi tò mò sản phẩm cạnh tranh Devin của họ sẽ ra sao
Ngay cả khi tôi chỉ muốn câu trả lời mang tính khái niệm hoặc ở mức cao, nó vẫn hay ném code vào, nên giờ tôi có thói quen nói trước là đừng viết code
Việc “trong khi phát triển mô hình suy luận, chúng tôi đã giảm bớt phần tối ưu cho các bài toán thi học sinh giỏi toán/khoa học máy tính, và chuyển trọng tâm sang các tác vụ thực tế phản ánh tốt hơn cách doanh nghiệp thật sự dùng LLM” là tin tốt
OpenAI có vẻ nhắm tới “mô hình thông minh nhất”, nhưng trên thực tế LLM chủ yếu được dùng làm trợ lý học tập, công cụ chuyển đổi dữ liệu và công cụ viết code
Điểm cân bằng giữa “trí thông minh” và “khả năng hoàn thành việc” có vẻ là sweet spot, và có lẽ là một trong những lý do các công cụ dành cho developer hiện nay (Cursor, Windsurf, v.v.) chuộng Claude 3.5 Sonnet hơn 4o
Để hoàn thành việc cần rất nhiều kiến thức sách vở, nhưng cũng cần nhiều cảm giác thực địa để biết khi nào nên trả lời nhanh và khi nào phải quay lại xem xét
Dù thứ hạng thực tế ở đâu, chat mà tôi vẫn quay lại dùng vì chủ quan thấy câu trả lời tốt hơn là Claude
DeepSeek V3 hiện được cung cấp trong Windsurf mà không tốn credit, và với công ty tôi đó là thay đổi lớn
Dù thế nào thì có nhiều lựa chọn hơn vẫn là tốt
Tôi rất khuyên nên thử tính năng Cascade của Windsurf cho việc viết code và khám phá theo kiểu agent. Nó tiết kiệm rất nhiều thời gian khi tìm hiểu codebase mới và lần theo luồng dữ liệu
Cuộc đua AI đang diễn ra thật sự rất nhanh
Là một nhà phát triển/kỹ sư phần mềm, tôi lo về triển vọng việc làm, và có lẽ phải chờ thời gian trả lời
Tôi cũng tò mò bong bóng nhà ở bờ Tây sẽ ra sao nếu mức lương cao của kỹ sư phần mềm biến mất
Có lẽ làn sóng lao động tri thức tiếp theo sẽ đến và thay thế vị trí đó
Đó là học thêm toàn bộ stack, đặc biệt là backend và DevOps, chấp nhận mức tăng năng suất để phát hành nhiều sản phẩm và dự án cá nhân hơn, dùng thời gian sản xuất một cách rất chọn lọc, đồng thời có một hệ thống quản lý tri thức cá nhân tốt và trợ lý agent
Năm ngoái khá dữ dội cho đến khoảng trước/sau Llama 3, nhưng các cải thiện gần đây tương đối nhỏ
Các mô hình suy luận cũng chỉ tốt hơn một chút so với những gì trước đây đã có thể làm bằng agent với kế hoạch rõ ràng, và giống như được đóng gói phù hợp mục đích kèm tinh chỉnh nhẹ hơn
DeepSeek có cải thiện lớn về hiệu quả, nhưng thay đổi mà người dùng nhìn thấy thì không lớn lắm
Vì vậy tôi nghĩ cuộc đua AI gần đây đang hơi bước vào trạng thái cao nguyên
Các mô hình này có khả năng làm chao đảo việc làm trong ngành trên toàn cầu
Trớ trêu là những nghề thật sự thay đổi có thể chỉ là kỹ sư phần mềm và một vài lĩnh vực như viết lách, thiết kế đồ họa
Việc các phòng thí nghiệm AI đặc biệt nhắm vào kỹ sư phần mềm thể hiện rõ chỉ riêng qua thông báo “Claude 3.7 and Code”, và hầu như không nhắc tới các lĩnh vực khác
Với những người không ở Silicon Valley và chưa từng hưởng mức đãi ngộ cao, kỹ thuật phần mềm thường chỉ là một công việc bình thường, nhiều áp lực và đòi hỏi học hỏi liên tục
Vì vậy họ có lẽ cũng ít khả năng đầu tư/tiết kiệm bằng thu nhập khả dụng cao, nên nỗi đau và bất an do tự động hóa sẽ lớn hơn
Ai mà biết công việc đầu tiên AI tự động hóa sẽ không phải lao động chân tay hay xe tự lái, mà là chính phần mềm
Các ngành khác có vẻ khó hơn vì đã đụng ngõ cụt hoặc có rào cản như quy định, tri thức khép kín
Kỹ sư phần mềm coi như đã làm gương cho các ngành khác: đừng đưa AI vào, hoặc nhốt nó trong nội bộ càng lâu càng tốt, tức là hãy ở lại với nguồn đóng
Nhìn lại thì thật mỉa mai
Tôi cảm thấy có quá nhiều edge case và ngữ cảnh tinh tế mà hệ thống AI sẽ bỏ sót
Ví dụ, hệ thống không phải lúc nào cũng hoạt động đúng như tài liệu. AI sẽ phân biệt bug của dịch vụ với bug trong code của chính nó thế nào? Ngay từ đầu nó biết có bug bằng cách nào? Nó phân biệt báo cáo bug với nỗ lực xâm nhập của hacker ra sao?
Thế giới rất phức tạp, và nếu chưa có trí tuệ nhân tạo thật sự, vẫn cần người hướng dẫn AI trong những tình huống khó nhằn như vậy
Lời khuyên là hãy quen với AI và các công cụ AI mới, đồng thời hiểu chúng khớp vào quy trình làm việc thông thường như thế nào
Tôi nghĩ các kỹ sư phần mềm giỏi sẽ không biến mất
Ví dụ, nếu chi phí làm phần mềm giảm 5 lần, trong khi hiện nay nguồn cung bị hạn chế rất lớn, thì nhu cầu sẽ tăng hơn 5 lần
Có nhiều công ty muốn phần mềm tốt hơn nhưng chi phí quá cao
Khi đó sẽ có thêm nhiều việc làm
Tuy nhiên sẽ gõ phím ít hơn, và quản lý sản phẩm, tương tác con người, kiểm thử edge case sẽ nhiều hơn
Có lẽ cũng sẽ xuất hiện khá nhiều công việc rất kỹ thuật để debug khi mô hình thất bại
Vì vậy lời khuyên là hãy học các kỹ năng giúp tạo ra phần mềm hữu ích cho con người và doanh nghiệp, từ nghiên cứu người dùng đến quản lý sản phẩm. Kỹ thuật cũng vẫn cần đi kèm
Claude 3.7 đã làm lại một nửa luận văn cử nhân của tôi trong chưa đầy 30 giây :|
https://claude.ai/share/ed8a0e55-633f-4056-ba70-772ab5f5a08b
Hình đầu ra ở đây: https://i.imgur.com/0c65Xfk.png
Gemini Flash 2 thì thất bại thảm hại: https://g.co/gemini/share/10437164edd0
Từ trình độ cao học trở lên, phạm vi tài liệu hiếm hơn và mang tính ngách hơn một chút, nhưng nhìn chung vẫn chưa đến mức đột phá
Ở trình độ tiến sĩ, mục tiêu là mở rộng tri thức hiện có của lĩnh vực đó và có nhiều chủ đề được khám phá lần đầu, nên tôi cho rằng phần lớn gần như không có độ phủ
So với flash 2 thì chênh lệch giá quá lớn để đem ra so.. đúng kiểu nằm giữa o1pro và o3-mini.