Claude 3 Opus

Claude 3 Opus (claude-3-opus-20240229) · Rodzina: Claude

Najwydajniejszy model rodziny Claude 3 (Anthropic, 2024): multimodalny (tekst+obraz), okno 200K, RLHF i Constitutional AI. Obecnie starsza generacja.

⚠ Deprecated⏳ Ograniczony dostępLLMModel multimodalnyModel używający narzędzi📁 Claude

Okno kontekstowe

200K

tokenów

Max output

4096

tokenów

Data premiery

4 marca 2024

🏢AnthropicProducent

Dostęp:APIHostedWdrożenie:☁ Cloud

Przegląd

Claude 3 Opus to duży model językowy firmy Anthropic, najbardziej wydajny wariant rodziny Claude 3, zaprezentowany 4 marca 2024 r. wraz z modelami Sonnet i Haiku. Był pozycjonowany jako najinteligentniejszy model Anthropic w chwili premiery, przeznaczony do złożonych zadań: badań, strategii, analizy i automatyzacji.

Model jest multimodalny — przyjmuje na wejściu tekst oraz obrazy (zdjęcia, wykresy, diagramy, dokumenty/PDF) i generuje odpowiedzi tekstowe. Obsługuje okno kontekstowe o rozmiarze 200 000 tokenów (z możliwością obsługi wejść powyżej 1 mln tokenów dla wybranych klientów).

Claude 3 Opus wytrenowano z wykorzystaniem uczenia ze wzmocnieniem na podstawie informacji zwrotnej od ludzi (RLHF) oraz metody Constitutional AI Anthropic. Model wspiera wywoływanie narzędzi (tool use), wyjście strukturyzowane i pracę wielojęzyczną.

Model był dostępny komercyjnie przez Claude API, platformę claude.ai oraz Amazon Bedrock i Google Vertex AI. Cennik API wynosił 15 USD za 1 mln tokenów wejściowych i 75 USD za 1 mln tokenów wyjściowych. Claude 3 Opus jest obecnie modelem starszej generacji (deprecated), zastąpionym przez nowsze modele Claude.

Klasyfikacja

LLMModel multimodalnyModel używający narzędzi

Rodzina: Claude

Zastosowania

Chatboty Analiza dokumentów Analiza danych Streszczanie Tłumaczenie

Dostęp i wdrożenie

APIHostowane

Chmura

Wagi: Zamknięte

Kluczowe parametry

📏 Kontekst: 200K

✓ Narzędzia

📥 Wejście: tekst, obraz, dokumenty

Platformy

Anthropic Claude API Amazon Bedrock Vertex AI

Specyfikacja techniczna

Okno kontekstowe

200K

tokenów

Max output tokens

4096

tokenów na odpowiedź

Knowledge cutoff

31 sie 2023

Data graniczna wiedzy

Licencja

Proprietary

Funkcje:✓ Używanie narzędzi

Modalności

⬇ Wejście (Input)

textimagedocuments

⬆ Wyjście (Output)

textcodestructured_data

Możliwości i zastosowania

Natywne możliwości modelu

Rozumowanie

Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.

Kategoria: reasoning

Rozumowanie wieloetapowe

Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.

Kategoria: reasoning

Długi kontekst

Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.

Kategoria: language

Programowanie

Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.

Kategoria: coding

Użycie narzędzi

Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.

Kategoria: planning

Wyjście strukturyzowane

Generowanie danych w ustrukturyzowanych formatach, np. JSON.

Kategoria: structured_generation

Rozumienie obrazu

Analiza i interpretacja treści obrazów.

Kategoria: vision

Rozumienie wykresów

Odczyt i interpretacja wykresów, tabel i diagramów.

Kategoria: vision

OCR

Rozpoznawanie tekstu na obrazach i w dokumentach.

Kategoria: vision

Wielojęzyczność

Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.

Kategoria: language

Dziedziny zastosowań

Chatboty Analiza dokumentów Analiza danych Streszczanie Tłumaczenie

Wyniki benchmarków

17 benchmarków

MMLU

accuracy · 5-shot

86.8%%