截至 2026 年 11 月 20 日,Anthropic 已发布 Claude 2.1。这是一个基于 Claude 2 增加了更多产品特性和功能的新版本,现已支持完整的 20 万代币上下文窗口,并改进了长上下文准确性和诚实度指标。此次更新解决了此前的局限性:长上下文窗口表现不可靠,模型有时会遗漏长文本中途的信息。Claude 2.1 改进了模型正确使用完整 20 万代币上下文窗口的能力——这相当于约 150,000 个单词——且不会出错。
Claude 2.1 上下文窗口扩展
Claude 2 首次发布时,Anthropic 虽然训练模型处理 20 万个代币,但仅支持 10 万个上下文代币。如今,公司已在 Claude 2.1 中将支持范围扩展至完整的 20 万代币上下文窗口。新版本针对从长篇文本或文档的各个部分回忆信息时的准确性进行了具体改进。Anthropic 开展的评估表明,Claude 2.1 能够准确回忆不同长度上下文中的文档信息。
诚实度与事实准确性改进
Anthropic 成功提升了 Claude 2.1 在多项诚实度指标上的表现,并将改进分为不同方面。在幻觉方面——即模型声称存在实际上并不存在的内容——Claude 2.1 在没有来源材料时能更有效地避免生成虚假内容。在事实准确性方面,Anthropic 使用一份精心整理的 150 个开放式事实问题清单测试模型,这些问题涵盖不同主题和难度。许多问题极具挑战性或十分具体,普通语言模型通常无法正确作答。Anthropic 并非只按答案是否正确评分,而是采用评分标准区分错误答案和不确定答案。Claude 2.1 大幅降低了在这组测试题中作出事实错误陈述的频率。与 Claude 2.0 相比,Claude 2.1 更可能婉拒作答,而不是给出事实错误的信息。
在长文档忠实度方面,对于需要依据所提供文档作答的问题,Claude 2.1 的错误答案减少了 30%,错误认定文档支持某项说法的概率降低了 3-4 倍。Anthropic 指出,这项指标的内部评估仍处于早期开发阶段。公司使用 Hotpotqa 测试了 Claude 2.1 的表现;这项评估包含事实问题,并向模型提供一组固定的 Wikipedia 摘录。评估中的问题经过筛选,确保 Claude 无法仅凭先前知识作答。
关键事实
- Claude 2.1 基于 Claude 2 增加了更多产品特性和功能,是一个新版本,而非新的基础模型
- Claude 2 经训练可处理 20 万代币的上下文窗口,相当于约 150,000 个单词
- Claude 2 首次发布时仅支持 10 万个上下文代币;Claude 2.1 现已将支持范围扩展至完整的 20 万代币上下文窗口
- 在长文档忠实度任务中,Claude 2.1 的错误答案减少了 30%
- 与先前版本相比,Claude 2.1 错误认定文档支持某项说法的概率降低了 3-4 倍
- Claude 2.1 大幅降低了在 Anthropic 的 150 道题测试中作出事实错误陈述的频率
- 与 Claude 2.0 相比,Claude 2.1 更可能拒绝作答,而不是给出事实错误的信息
- Anthropic 使用 Hotpotqa 评估 Claude 2.1;该评估将事实问题与固定的 Wikipedia 摘录配对
常见问题
Claude 2.1 的上下文窗口容量是多少?
Claude 2.1 支持完整的 20 万代币上下文窗口,相当于约 150,000 个单词。Claude 2 虽然经训练可处理这一容量,但首次发布时仅支持 10 万个代币。Claude 2.1 将支持范围扩展至完整的 20 万代币上下文窗口,并改进了此前不可靠的长上下文表现;此前模型有时会遗漏长篇文本中途的信息。
Claude 2.1 在诚实度和事实准确性方面有哪些改进?
在针对 Anthropic 精心整理的 150 个开放式事实问题进行测试时,Claude 2.1 作出事实错误陈述的频率大幅降低。与 Claude 2.0 相比,Claude 2.1 更可能拒绝作答,而不是给出事实错误的信息。在长文档忠实度任务中,Claude 2.1 的错误答案减少了 30%,错误认定文档支持某项说法的概率降低了 3-4 倍,表明其准确参考所提供文档的能力有所提升。
Claude 2.1 是全新的基础模型吗?
不是。Claude 2.1 是基于 Claude 2 增加了更多产品特性和功能的新版本,而非新的基础模型。Anthropic 将这项信息作为 Claude 2 模型卡的附录提供,并指出在大多数方面,Claude 2.1 仍与 Claude 2 相似,只进行了一些针对上下文窗口可靠性和诚实度指标的更新。