美东时间5月22日周四，Anthropic在公司首届”Code with Claude”开发者大会上推出了 Claude 4 系列的两款全新模型：Claude Opus 4和Claude Sonnet 4。
据了解，Claude Opus 4 和 Sonnet 4 都是混合推理模型，同时支持 Extended thinking（扩展推理）、工件调用、文件读取、并行任务等核心功能。
根据Anthropic官方重点信息提炼：
Opus 4 是全球顶级编程模型，非常擅长处理复杂且超长时间的推理任务，尤其是 Agent 领域非常出色。根据 Rakuten 测试数据显示，通过 Opus 4 打造的编程智能体可以独立稳定连续工作 7 小时，超过了之前 OpenAI 创造的记录。
Sonnet 4 则是 Sonnet 3.7 的迭代版本，同样在编程领域非常出色，在 SWE-bench 上达到了 72.7%，超过了 OpenAI 最新发布的 Codex-1、o3 等前沿模型。
Claude Opus 4 和 Claude Sonnet 4 在基准测试中，编码、推理等能力有了大幅提升。
图片来源：Anthropic 官方
今天，302.AI 团队会对五个模型进行对比实测，分别是 Claude 4 系列的claude-opus-4-20250514、claude-sonnet-4-20250514以及claude-3-7-sonnet、 o3和gemini-2.5-pro-preview-05-06。
I. claude 系列模型 vs. o3 vs. gemini-2.5-pro 实测
按照惯例，先展示测评模型在 302.AI 的价格：
价格最高为：claude-opus-4-20250514
价格最低为：gemini-2.5-pro-preview-05-06
1、推理
提示词：已知对前天来说的下周三是对后天来说的本周三，则今天距离对今天来说的下周三有可能有几天？（计算距离今天的天数时不包括今天。以周一为每周的第一天）
（答案是3，4，8，9）
o3：回答正确。
claude-3-7-sonnet：回答正确。
claude-sonnet-4：答案不完整，分析过程中存在错误。
claude-opus-4：同样答案不完整，分析过程中存在错误。
gemini-2.5-pro：回答正确。
2、数学计算
提示词：请用 1、1、6、7、10 计算出结果为81，只能使用加减乘除，且每个数字只能使用一次。
（正确答案：6 * [ 10 + 7 / ( 1 + 1 ) ]）
o3：回答正确。
claude-3-7-sonnet：等式并不成立，回答错误。
claude-sonnet-4：使用了三个“1”，回答错误。
claude-opus-4：没有使用数字“6”，回答错误。
gemini-2.5-pro：回答正确。
3、可视化网页
提示词：
你是一名专业的网页设计师和前端开发专家，对现代 Web 设计趋势和最佳实践有深入理解，尤其擅长创造具有极高审美价值的用户界面。你的设计作品不仅功能完备，而且在视觉上令人惊叹，能够给用户带来强烈的”Aha-moment”体验。
请根据最后提供的内容，设计一个美观、现代、易读的”中文”可视化网页。请充分发挥你的专业判断，选择最能体现内容精髓的设计风格、配色方案、排版和布局。待处理内容:
https://www.anthropic.com/news/claude-4
(提示词参考：歸藏)
o3：效果较一般，整体页面像是文字堆积，排版效果也较为普通。
claude-3-7-sonnet：效果尚可，对比 o3 略胜一筹，文字排版还不错。
claude-sonnet-4：配色可优化，部分选择会有阴影变化，整体比 claude-3-7-sonnet 更优。
claude-opus-4：无论是配色、排版、内容上，生成的效果都是本次测评模型中最佳的。
gemini-2.5-pro：从内容来看，gemini 的完整度最高的，但整体效果不如 opus-4 。
II. 实测总结
1、实测结果整理：
2、实测结论：
基于以上实测结果，可初步得出以下结论：
（1）根据实测1中的推理测试结果，Claude 4 系列的新模型的表现不及前一代模型 claude-3-7-sonnet，这是否表明新版本模型的推理能力有所减退？
（2）通过实测2中的数学测试结果，明显可以看出 o3 和 gemini-2.5-pro 表现优异，而 Claude 系列模型的表现则较为一般。
（3）在可视化网页设计的测试中，claude-opus-4 的表现明显优于其他模型，claude-sonnet-4 对于前一版本 claude-3-7-sonnet 也有进步。
综合本次实测结果，可以得出性价比最高的模型为 gemini-2.5-pro-preview。claude-opus-4 在本次对比模型中价格最高，但其表现未能达到预期的水平。我们将继续关注后续动态，并为大家提供更多实测报告。
III. 如何在302.AI上使用：
302.AI提供按需付费无订阅的服务模式，用户可以根据自身业务需求灵活选择使用。
1、聊天机器人中使用
步骤指引 ：在线使用→应用超市→机器人→聊天机器人；
点击选择模型 claude-sonnet-4-20250514/claude-opus-4-20250514 →确定→创建；
2、使用模型API
企业用户可以通过302.AI的API超市快速、便捷地调用模型，还能够根据特定项目需求进行定制化开发。
相关文档：API→API超市→语言大模型→Anthropic→查看文档；
API名称：claude-sonnet-4-20250514/claude-opus-4-20250514
想体验Claude 4 系列模型？
👉立即注册免费试用302.AI，开启你的AI之旅！👈
为什么选择302.AI？
● 灵活付费：无需月费，按需付费，成本可控
● 丰富功能：从文字、图片到视频，应有尽有，满足多种场景需求
● 开源生态：支持开发者深度定制，打造专属AI应用
● 易用性：界面友好，操作简单，快速上手
Comments(7)
[…] 302.AI 基准实验室丨Claude 4 系列最新对比测评，推理退步前端编程增强？ 302.AI 基准实验室 | 大模型排行榜第二！Gemini-2.5-flash-preview-05-20全方位对比测评 302.AI 基准实验室丨最新国产视频模型实测对比：Kling 2.0 vs. Vidu Q1 All Rights Reserved by 302.AI AI图像编辑AI图片生成AI多模态BAGELGPT-Image-1302.AI 基准实验室 | 模型测评 Like (0) 302.AI 0 Generate poster 302.AI 新品发布丨Higgsfield AI：超70种预设模板，只需一张图片即可创作电影、广告视频 Previous 2天前 302.AI 深度拆解 | 大白话聊一聊：Deepseek R1背后的来龙去脉! 2025年AI圈必读 Next 2025 年 2 月 5 日 上午11:15 […]
[…] 基准实验室丨字节跳动开源 BAGEL 对标 GPT-Image-1，实测结果令人大跌眼镜！ 302.AI 基准实验室丨Claude 4 系列最新对比测评，推理退步前端编程增强？ 302.AI 基准实验室 | […]
I like examining and I believe this website got some really utilitarian stuff on it! .
[…] 基准实验室丨字节跳动开源 BAGEL 对标 GPT-Image-1，实测结果令人大跌眼镜！ 302.AI 基准实验室丨Claude 4 系列最新对比测评，推理退步前端编程增强？ All Rights Reserved by 302.AI AI视频Kling可灵AI图生视频302.AI 基准实验室 | […]
There is noticeably a bundle to know about this. I assume you made certain nice points in features also.
It is really a great and useful piece of information. I am glad that you shared this useful information with us. Please keep us informed like this. Thanks for sharing.
Howdy just wanted to give you a quick heads up and let you know a few of the pictures aren’t loading properly. I’m not sure why but I think its a linking issue. I’ve tried it in two different internet browsers and both show the same results.