Claude 3.7 Sonnet kết hợp chế độ trả lời tiêu chuẩn với extended thinking, cho phép dành thêm thời gian suy luận trước khi trả lời. Anthropic công bố mô hình cùng Claude Code ngày 24/02/2025. Giá và kênh phân phối trong bài được mô tả tại thời điểm ra mắt, không phải cam kết khả dụng hiện hành. [1]
Suy luận lai: hai cách sử dụng trong một mô hình
Anthropic gọi Claude 3.7 Sonnet là mô hình suy luận lai đầu tiên trên thị trường. Đây là nhận định của nhà cung cấp, không phải kết luận kiểm định độc lập. Mô hình có thể trả lời theo chế độ tiêu chuẩn hoặc dành thêm thời gian cho extended thinking. Hai chế độ không chứng minh rằng hai mô hình được ghép lại hay kiến trúc nội bộ đã được công bố đầy đủ. [1]
Trong chế độ tiêu chuẩn, Anthropic mô tả 3.7 là bản nâng cấp so với Claude 3.5 Sonnet. Extended thinking cho phép mô hình tự phản tư trước khi trả lời; hãng báo cáo cải thiện ở toán, vật lý, tuân thủ chỉ dẫn và lập trình. Người dùng API có thể điều chỉnh ngân sách token suy nghĩ để đánh đổi tốc độ, chi phí và chất lượng. Suy nghĩ dài hơn không bảo đảm câu trả lời đúng. [1]
Thông báo nêu ngân sách suy nghĩ có thể được điều chỉnh tới giới hạn đầu ra 128K token. Con số này không xác nhận cửa sổ ngữ cảnh 128K. Nguồn được dẫn không xác nhận số tham số, tốc độ token mỗi giây, phản hồi trong mili-giây hay cấu hình ngân sách tối thiểu. [1]
Khả dụng và giá API lịch sử
Tại thời điểm công bố, mô hình có trên các gói Claude Free, Pro, Team và Enterprise, cùng API, Amazon Bedrock và Google Cloud Vertex AI. Extended thinking không có trên gói Claude miễn phí. TechCrunch cũng đưa tin cùng ngày về sự phân biệt giữa chế độ tiêu chuẩn cho người dùng miễn phí và tính năng suy luận cho người dùng trả phí. Đây là thông tin lịch sử, không phải hướng dẫn đăng ký hay cam kết khả dụng năm 2026. [1] [2]
| Đơn vị tính tại ngày ra mắt | Giá cơ bản |
|---|---|
| 1 triệu token đầu vào | 3 USD |
| 1 triệu token đầu ra, gồm token suy nghĩ | 15 USD |
Giá giữ nguyên so với các mô hình tiền nhiệm được nhắc trong thông báo. Đây là giá API cơ bản, không phải phí thuê bao chatbot hay tổng chi phí của mọi công cụ. Token suy nghĩ được tính vào đầu ra: câu trả lời cuối ngắn không đồng nghĩa một phiên suy luận dài có chi phí thấp. Khi đánh giá, nên ghi lại ngân sách suy nghĩ và tổng token thay vì chỉ đo số chữ người dùng nhìn thấy. [1]
Claude Code là công cụ, không phải mô hình riêng
Claude Code được giới thiệu dưới dạng bản xem trước nghiên cứu giới hạn. Theo Anthropic, công cụ dòng lệnh có thể tìm và đọc mã, sửa tệp, viết và chạy kiểm thử, commit và push lên GitHub, sử dụng công cụ dòng lệnh và giữ người dùng tham gia quy trình. Các thao tác này phụ thuộc môi trường và quyền được cấp; việc chọn Claude 3.7 không tự động cấp quyền truy cập kho mã hay tài khoản. [1]
Anthropic dẫn phản hồi sớm từ Cursor, Cognition, Vercel, Replit và Canva để minh họa cải thiện lập trình và phát triển giao diện. Đây là các nhận xét đối tác trong thông báo của hãng, không phải kết quả kiểm định đồng nhất. Tuyên bố giảm thời gian trong thử nghiệm nội bộ của Anthropic cũng không thể diễn giải thành mức tăng năng suất áp dụng cho mọi đội ngũ. [1]
Benchmark: đọc cả điểm số lẫn phương pháp
Phụ lục SWE-bench Verified mô tả scaffold đơn giản: bash, công cụ sửa tệp bằng thay thế chuỗi và công cụ lập kế hoạch. Kết quả pass@1 chính không dùng extended thinking phải được phân biệt với cấu hình bổ sung tính toán. Trong hạ tầng của hãng, lời giải chuẩn chỉ chạy qua kiểm thử ở 489 trong 500 bài; 11 bài không tương thích được tính là thất bại trong điểm cơ bản để giữ mẫu số tương ứng bảng xếp hạng. Điểm số phản ánh cả mô hình, công cụ và môi trường thực thi. [1]
Trên riêng tập con 489 bài tương thích, Anthropic báo cáo 63,7% khi không dùng scaffold tính toán cao và 70,3% với cấu hình high compute. Cấu hình sau lấy nhiều lần thử song song, loại bản vá làm hỏng kiểm thử hồi quy nhìn thấy, rồi dùng mô hình chấm điểm để chọn phương án. Hãng nói không sử dụng thông tin kiểm thử ẩn. Không được gọi 70,3% là xác suất thành công của một lần yêu cầu hoặc so trực tiếp với điểm sử dụng mẫu số 500 mà không nêu khác biệt. [1]
Với TAU-bench, phụ lục cho biết bổ sung chỉ dẫn sử dụng công cụ lập kế hoạch và tăng số bước tối đa từ 30 lên 100 để thích ứng với việc suy nghĩ thêm. Phần lớn quỹ đạo vẫn hoàn thành dưới 30 bước. Điểm của Claude 3.5 Sonnet cũng được chạy lại trên dữ liệu đã cải thiện. Một so sánh đáng tin cần cùng dữ liệu, giới hạn bước, công cụ và ngân sách; không thể chỉ nhìn tên mô hình. [1]
Giới hạn suy luận và an toàn tác tử
System card dành các phần riêng cho prompt injection trong computer use, rủi ro mã nguồn, độ trung thực của chuỗi suy nghĩ và reward hacking trong ngữ cảnh tác tử. Chuỗi suy nghĩ hiển thị có thể giúp quan sát hành vi nhưng không phải bản ghi đầy đủ, trung thực tuyệt đối của mọi yếu tố dẫn tới câu trả lời. Tài liệu cũng lưu ý thiếu tính trung thực theo định nghĩa nghiên cứu không tự nó chứng minh mô hình có hành vi lừa dối hay lệch mục tiêu. [3]
Thông báo công bố giảm 45% các lần từ chối không cần thiết so với mô hình tiền nhiệm. Đây là kết quả đánh giá của Anthropic, không có nghĩa mọi yêu cầu lành tính đều được đáp ứng hay các biện pháp an toàn đã loại bỏ mọi rủi ro. Thành tích sửa lỗi không bảo đảm bản vá không tạo lỗi mới hoặc không gây xung đột trong kho mã thực tế. [1]
Khuyến nghị triển khai và kiểm chứng
Nên thử chế độ tiêu chuẩn cho giải thích mã, tạo tài liệu hoặc phác thảo giao diện; cân nhắc extended thinking cho lỗi nhiều bước và các bài toán cần kiểm tra giả định. Đội triển khai cần xây tập tác vụ đại diện, ghi cấu hình và đo chất lượng, độ trễ, tổng chi phí cùng tỷ lệ cần người can thiệp. Đây là đề xuất quy trình, không phải kết quả benchmark.
Với tác tử có quyền sửa mã hay chạy lệnh, nên dùng môi trường cô lập, giới hạn quyền mạng và tệp, bảo vệ bí mật, lưu diff và nhật ký, kiểm tra bảo mật và yêu cầu phê duyệt trước thao tác không thể hoàn tác. Nội dung website, tài liệu và kho mã ngoài phải được xem là dữ liệu không đáng tin, không tự động trở thành chỉ dẫn. Chạy qua kiểm thử hiện có là điều kiện cần, chưa đủ để xác nhận toàn bộ yêu cầu nghiệp vụ hoặc an toàn.
Nguồn chính thức xác minh mốc công bố và phương pháp; nguồn báo chí cung cấp đối chiếu đương thời; system card bổ sung giới hạn an toàn. Không nguồn nào thay thế kiểm định độc lập trên ứng dụng cụ thể.
Nguồn tham khảo
- Claude 3.7 Sonnet and Claude Code — Anthropic, 24/02/2025; gồm phụ lục SWE-bench Verified và TAU-bench.
- Anthropic launches a new AI model that ‘thinks’ as long as you want — Maxwell Zeff, TechCrunch, 24/02/2025.
- Claude 3.7 Sonnet System Card — Anthropic; tài liệu có thể chứa cập nhật sau ngày ra mắt.
Tác giả
Chăm Sóc Khách Hàng
