Claude 3.7 Sonnet と Claude Code のリリース

Anthropic は、標準的な LLM 機能と拡張されたステップバイステップの思考を単一のモデルに統合した、初のハイブリッド推論モデルである Claude 3.7 Sonnet を発表しました。このリリースにより、推論への統一的なアプローチが導入され、ユーザーは即時レスポンスと深い思考のいずれかを選択して、複雑な技術的タスクのパフォーマンスを向上させることができます。

Claude 3.7 Sonnet: ハイブリッド推論機能

Claude 3.7 Sonnet は、標準的な LLM と推論モデルの両方として機能します。標準モードでは、Claude 3.5 Sonnet のアップグレード版として機能します。拡張思考モードでは、モデルが回答する前に自己反省（self-reflect）を行い、これにより数学、物理学、コーディング、および指示への追従性が向上します。

推論システムの主な技術的特徴は以下の通りです：

Visible Thinking: モデルのステップバイステップの推論プロセスがユーザーに可視化されます。
Controllable Thinking Budgets: API ユーザーは思考予算（最大 128K tokens）を指定でき、回答の品質を高めるためにレスポンス速度とコストをトレードオフにすることができます。
Real-World Optimization: Anthropic は、競技形式の数学やコンピュータサイエンスの問題から、実際のビジネスユースケースを反映した現実世界のタスクへと焦点を移しました。

パフォーマンスとベンチマーク

Claude 3.7 Sonnet は、2 つの主要なベンチマークで最先端のパフォーマンスを達成しています：

SWE-bench Verified: モデルが現実世界のソフトウェアの問題を解決する能力を評価します。
TAU-bench: ユーザーとツールの相互作用を含む複雑な現実世界のタスクにおいて、AI エージェントをテストします。

業界パートナーによる初期テストでは、コーディングにおける高い有効性が示されています。Cursor は、このモデルが現実世界のコーディングタスクや複雑なコードベースにおいてクラス最高の性能であることを報告しました。Cognition は、コード変更やフルスタックのアップデートのための優れた計画能力に言及しました。Vercel は、複雑なエージェントワークフローにおける精度を強調し、Replit はこのモデルを使用して洗練されたウェブアプリをゼロから構築しました。Canva は、エラーが少なく、優れたデザインセンスを備えた、本番環境で使用可能なコードを報告しました。

Claude Code: エージェント的コーディングツール

モデルと並んで、Anthropic は現在限定的なリサーチプレビューとして提供されているコマンドラインツール、Claude Code を導入しました。Claude Code は、以下のようなアクティブなコラボレーターとして機能します：

コードを検索して読み取る。
ファイルを編集し、テストを実行する。
コードを GitHub にコミットしてプッシュする。
コマンドラインツールを使用する。

Anthropic によると、初期テストにおいて、Claude Code は以前は 45 分以上の手作業が必要だったタスクを、一度のパスで完了させました。

利用可能性と価格設定

Claude 3.7 Sonnet は、すべての Claude プラン（Free, Pro, Team, および Enterprise）、Claude Developer Platform、Amazon Bedrock、および Google Cloud の Vertex AI で利用可能です。拡張思考モードは、無料ティアを除いたすべてのインターフェースで利用可能です。

価格設定は以前のバージョンと一貫しています：

Input tokens: $3 per million tokens.
Output tokens: $15 per million tokens (including thinking tokens).

安全性と信頼性

Claude 3.7 Sonnet は、前身と比較して不要な拒否を 45% 削減し、有害なリクエストと無害なリクエストの間のより微妙な細かな違いを判別できるようになりました。このリリースには、Responsible Scaling Policy の評価の詳細を記載したシステムカードが付属しており、prompt injection attacks などのコンピュータ使用に関連するリスクに対座処置を講じています。