Pokémon đã sử dụng nhân học để đánh giá mô hình AI mới nhất của nó

Trong một động thái đáng ngạc nhiên, Anthropic đã quyết định đưa mô hình AI mới nhất của mình, Claude 3.7 Sonnet, vào thử nghiệm với trò chơi Game Boy cổ điển, Pokémon Red. Theo một bài đăng trên blog được phát hành vào thứ Hai, công ty đã đưa ra mô hình với các yếu tố cần thiết: bộ nhớ, khả năng đọc các pixel màn hình và sức mạnh để nhấn nút và di chuyển xung quanh màn hình trò chơi. Thiết lập này cho phép Claude 3.7 Sonnet đi sâu vào thế giới của Pokémon và tiếp tục chơi.

Điều khiến Claude 3.7 Sonnet khác biệt là sở trường của nó cho "suy nghĩ mở rộng". Tương tự như các mô hình khác như O3-Mini của Openai và R1 của Deepseek, nó có thể giải quyết các vấn đề khó khăn bằng cách tăng sức mạnh tính toán và dành thời gian ngọt ngào để suy nghĩ mọi thứ.

Tính năng này được chứng minh là một người thay đổi trò chơi trong Pokémon Red. Trong khi Sonnet Claude 3.0 cũ hơn thậm chí không thể ra khỏi khu vực bắt đầu ở Pallet Town, Claude 3.7 Sonnet đã xoay sở để hạ gục ba nhà lãnh đạo phòng tập thể dục và lấy huy hiệu của họ.

Tuần trước, một nhà nghiên cứu đã thử xem trước sớm của Claude 3.7 Sonnet.

Các kết quả rất nổi bật. Trong vài giờ, Claude đánh bại Brock. Vài ngày sau, nó bị sương mù. Tiến bộ mà các mô hình cũ có rất ít hy vọng đạt được.

Hóa ra suy nghĩ mở rộng là siêu hiệu quả. pic.twitter.com/rspslgj2uf

- Nhân chủng học (@anthropicai) ngày 25 tháng 2 năm 2025

Sẽ không lâu nữa trước khi một số nhà phát triển thông minh tìm ra các chi tiết nitty-gritty.

Mặc dù Pokémon Red có vẻ như là một bài kiểm tra thú vị, các trò chơi thực sự đã được sử dụng cho điểm chuẩn AI cho nhiều năm. Chỉ trong vài tháng qua, chúng tôi đã thấy một loạt các ứng dụng và nền tảng mới xuất hiện để kiểm tra các mô hình AI có thể chơi mọi thứ tốt như thế nào từ Street Fighter đến Pictionary.