Claude 3.5 Opus無了，Anthropic本周可能會提前放出Claude 4。

網友爆料稱，除了Claude 4，還有推理模型也將首亮相，評分全面超越o3。

Anthropic已經沉寂太久了，去年曾被傳出內部模型研發受阻。

不久前，或許因為DeepSeek的沖擊，OpenAI、谷歌密集上新了新模型全家桶。

這次Anthropic要直接來一波大的：評分超越「滿血」o3，那可是目前公認的比DeepSeek-R1強的對手！

同一天，他們還發布了「Anthropic經濟指數」報告，全文38頁全面分析了數百萬匿名Claude對話，從中揭示了AI在各個職業的應用現狀。

Anthropic認為在未來幾年，AI對人們的工作將產生重大影響，最新報告旨在長期追蹤AI對勞動力市場和經濟的影響。

論文鏈接：https://assets.anthropic.com/m/2e23255f1e84ca97/original/Economic_Tasks_AI_Paper.pdf

AI將自動化43%工作

在這篇報告中，Anthropic從任務類型、使用深度、職業技能、收入水平等角度，討論了AI對不同職業不同群體的影響。

主要結論如下：

1. AI的使用主要集中在軟件開發和寫作任務上，這兩者占總使用量的近50%。
2. AI的使用范圍更廣泛，約有36%的職業在至少四分之一的相關任務中使用AI；在中等至高收入的工作中使用最為普遍。
3. 在各類任務中，57%的使用表明AI在增強人類能力，而43%的使用表明在取代人類勞動，即工作自動化。

更值得一提的是，Cluade編碼和數學占所有使用量1/3（37.2%）。

為什么發布「經濟指數」？

基于Claude.ai平臺上數百萬條匿名對話數據，該指數的首份報告提供了前所未有的分析和洞察，揭示在現代經濟的各類任務中，如何實際應用AI。

迄今為止，這是關于AI融入現實經濟活動的最清晰圖景。

為了推動更廣泛的研究，Anthropic決定開源本次分析所使用的數據集，供研究人員在此基礎上進一步探索和擴展。

項目地址：https://huggingface.co/datasets/Anthropic/EconomicIndex

面對勞動力市場即將到來的轉型及其對就業和生產力的影響，制定有效的政策措施需要多方視角，統籌兼顧。

因此，Anthropic誠摯邀請經濟學家、政策專家及其他研究人員提供寶貴意見。

數據分析方法：將對話和職業關聯

新論文基于對技術影響勞動力市場的長期研究，從工業革命時期的珍妮紡紗機到當今的汽車制造機器人。

關注AI（AI）的持續影響。新研究不調查人們的AI使用情況，也不嘗試預測未來；相反，直接獲取了AI實際使用的數據。

分析職業任務

新研究始于經濟學文獻中的重要洞見：有時候，關注職業任務而非職業本身，也有意義。

工作通常共享某些任務和技能：例如，視覺模式識別是設計師、攝影師、安檢員和放射科醫生共同完成的任務。

某些任務比其他任務更適合被新技術自動化或增強。

因此，預計AI會在不同職業中有選擇地被采用，分析任務（而不僅僅是整體工作）將提供一個更全面的圖景，展示AI如何融入經濟。

使用Clio匹配AI使用與任務

這項研究得以實現，依靠的是Clio系統。在保護用戶隱私的同時，它可以分析與Claude的對話。

新研究分析了約一百萬次與Claude的對話（包括Free和Pro版本的對話），并按職業任務對對話進行分類。

美國勞工部維護著一個包含約20,000項具體工作任務的數據庫，稱為職業信息網絡（O*NET）。

在線職業分類：https://www.onetonline.org/

根據美國勞工部的分類選擇任務，Clio將每次對話與最能代表對話中AI角色的O*NET任務進行匹配。

Clio系統將與Claude的對話（嚴格保密，位于下圖頂部左側）轉化為職業任務（下圖頂部中間），并進一步映射到O*NET提供的職業/職業類別（頂部右側）。

隨后，這些數據可以輸入到多種分析中（下圖底部一行）。

最后，按照O*NET的分類方案，將任務分組到它們最能代表的職業中，并將職業分組到一小組總體類別中：教育和圖書館、商業和金融等。

算法流程總結

具體結果

對不同職業影響

采用AI最多的任務和職業是「計算機與數學」類別，主要涵蓋了軟件工程角色。

37.2%的Claude查詢屬于這一類別，涉及的任務包括軟件修改、代碼調試和網絡故障排除。

第二大類別是「藝術、設計、體育、娛樂和媒體」（10.3%的查詢），主要反映了使用Claude進行各種寫作和編輯任務。

不出所料，涉及大量體力勞動的職業，如「農業、漁業和林業」類別（0.1%的查詢），在數據中表現最少。

新研究還將數據中的比例與各職業在整體勞動力市場中的出現率進行了比較，詳細結果如下圖所示。

職業內部AI使用程度

分析發現，在工作中AI的重度用戶集中在極少數職業：僅約4%的職業在至少75%的任務中使用AI。

AI的中等使用率更為普遍：大約36%的職業，在至少25%的任務中一定程度地使用AI。

AI在經濟中的應用分布：基于Claude.ai的真實使用數據。數據中的百分比表示與Claude的對話中涉及特定任務、職業及類別的比例。

AI在經濟中的應用分布：基于Claude.ai的真實使用數據。數據中的百分比表示與Claude的對話中涉及特定任務、職業及類別的比例

正如預測的那樣，數據中沒有證據表明職業被完全自動化：相反，AI在經濟中的許多任務中得到了廣泛應用，對某些任務群體的影響比其他任務群體更大。

AI使用與薪資

O*NET數據庫提供了各個職業在美國的中位薪資。

研究者將這一信息加入分析，從而比較不同職業的中位薪資與其任務中AI使用水平之間的關系。

有趣的是，低薪職業和高薪職業的AI使用率都較低（這些職業通常涉及大量手工操作，例如洗發師和產科醫生）。

而AI使用最廣泛的職業主要集中在中等至較高薪資范圍內，例如計算機程序員和文案撰寫人。

年薪（x軸）與涉及該職業的對話百分比（y軸）的關系。一些具有代表性的職業被突出顯示

自動化vs.增強

研究者還更詳細地分析了任務的執行方式。

他們關注了哪些任務屬于「自動化」（即AI直接執行任務，如格式化文檔），以及哪些任務屬于「增強」（即AI與用戶協作完成任務）。

總體來看，AI在任務執行上更傾向于增強模式，57%的任務屬于增強，43%的任務屬于自動化。

也就是說，在超過一半的情況下，AI并未取代人類完成任務，而是與人類協作，參與諸如驗證（例如核對用戶的工作）、學習（例如幫助用戶獲取新知識和技能）以及任務迭代（例如幫助用戶進行頭腦風暴或執行重復的生成性任務）等工作。

Claude對話中涉及增強與自動化的比例，以及每個類別內任務子類型的分解

38頁報告中，還覆蓋了其他一些有趣的數據。

下圖4中展示了不同職業中，人工智能使用深度的分析。約36%的職業至少在25%的任務中使用AI，僅約4%的職業在75%或更多的任務中使用AI。

這表明了，在大多數職業中，人工智能的整合仍然是選擇性的，而非全面性的。

圖5展示的是，與Claude對話用戶職業技能的分布。

批判性思維、寫作、編程等技能在對話中出現頻率較高，而設備維護、安裝等手工技能則較為罕見。

圖8所展示的是，Claude Sonnet 3.5（新版）和Claude Opus模型之間任務使用模式的比較分析，展示了人們偏好差異。

前者在編碼和技術任務方面表現出更多的使用量，而后者則更多用于創意寫作和教育內容開發。

任務層級使用狀況

如上所述，研究人員用Clio創建了一個任務層級體系，將對話匹配到最適合的O*NET任務。

在頂層（圖11），可以看到：

• IT、技術及相關任務占主導地位（對話量占比近50%）
• 第二層是創意和文化工作，與藝術、文化和宗教文物創作和保護相關的任務（約占20%）
• 商業管理、金融和客戶服務運營構成第三大類別（約占5%）
• 其余類別各自占比均不超過15%
• 醫療服務和環境系統的代表性較低，各自占比不到5%

在中層級（圖12），數據揭示了更細化的任務模式：

• 軟件開發和網站維護是最普遍的活動（約占14%）
• 計算機系統編程和調試緊隨其后（約占11%）
• 系統管理、硬件/軟件故障排除和文檔發布流程（各占4-6%）
• 市場營銷/推廣策略、網絡優化、學術輔導和公關管理雖然出現，但頻率較低（各約占2-3%）
• 數據科學和機器學習應用（約占2%）

在基礎層級（圖13），可以看到高度具體的技術操作：

• 軟件修改和錯誤修正活動占主導地位，其中以適應新硬件或改進性能為重點的任務出現最頻繁
• 初始調試程序、系統管理和硬件/軟件故障排除是下一組最常見的活動
• 文檔編輯和程序分析任務出現頻率較低，但仍構成對話的重要部分

注意！

新研究提供AI如何改變勞動力市場的獨特視角。

然而，與所有研究一樣，它也存在重要的局限性。以下是一些主要的注意事項：

1. 任務用途不明確：無法確定使用Claude完成任務的人是否是為了工作。例如，向Claude尋求寫作或編輯建議的人可能是為了工作，也可能是為了業余寫作的小說。
2. 響應使用方式不明確：不知道用戶如何使用Claude的響應。例如，他們是否復制粘貼代碼片段？他們是否核實響應還是不加批判地接受？
3. 數據來源有限：僅分析了Claude.ai免費和專業版的數據，而非API、團隊或企業用戶的數據。
4. 任務分類誤差：由于任務種類繁多，Clio可能會錯誤分類一些對話。
5. 創意用途未涵蓋：Claude無法生成圖像（除通過代碼間接生成外），因此創意用途在數據中未被引用。
6. 編碼用例可能過度代表：由于Claude被宣傳為用于編碼的頂尖模型，編碼用例可能在數據中被過度代表。因此，我們不認為數據集中的用例代表了人工智能的普遍使用情況。

結論與未來

人工智能的使用正在迅速擴展，模型的能力也在不斷提升。勞動力市場的面貌可能在短時間內發生顯著變化。

因此，Anthropic將不斷重復上述分析，以幫助跟蹤可能發生的社會和經濟變化，并定期發布結果和相關數據集。

這種縱向分析可以為提供關于AI和就業市場的新見解。

例如，可以監測職業內部AI使用深度的變化。如果人工智能僅用于特定任務，且只有少數職業在大多數任務中使用人工智能，那么未來可能是大多數現有職業演變而非消失。

還可以監測自動化與增強的比例，了解自動化在哪些領域變得更為普遍。

注意新研究只是對AI模型Claude的對話數據分析，并沒有提供政策建議。

如何做好為AI對勞動力市場的影響的準備，不能僅從研究中直接得出，而是需要結合證據、價值觀和廣泛的經驗。