11月2日 Claude 3.5 新功能 支持对 100 页的PDF 图像、图表和图形进行可视化分析

Claude 3.5 Sonnet发布PDF图像预览新功能，允许用户分析长度不超过100页的PDF中的视觉内容。

此功能使用户能够轻松上传文档并提取信息，特别适用于包含图表、图形和其他视觉元素的研究论文和技术文档。

• 视觉PDF分析：用户现在可以从包含各种视觉元素的PDF中获取全面见解，提高复杂信息的可访问性。
• 文档大小限制增加：上传文件的大小限制已从10MB提高至30MB，允许用户上传更大的文件。
• 增强交互：Claude现在可以在解析文本的同时，视觉上解释PDF，使互动更加直观和信息丰富。

00:00

00:11

主要特点：

1. 视觉PDF分析：
   • 该功能允许Claude在处理PDF文档时，不仅提取文本，还能识别和理解其中的视觉内容。这意味着Claude可以处理任何标准PDF，用户可以询问关于PDF中任何文本、图片、图表和表格的信息，提供更全面的信息。
   • 示例用例包括：
     • 分析财务报告并理解图表/表格
     • 从法律文档中提取关键信息
     • 文件翻译辅助
     • 将文档信息转换为结构化格式
   • 上传PDF时，系统会提取文档内容，将每一页转换为图像，并提取文本。Claude同时分析文本和图像，以更好地理解文档。
   • PDF支持还与其他Claude功能兼容，如提示缓存（提高重复分析的性能）和批量处理（适合大规模文档处理）。
2. 文档大小限制增加：
   • 用户现在可以上传的文档大小从之前的10MB提高到32MB，最多可包含100页的PDF。这让用户可以处理更大、更复杂的文档，所提供的PDF不能有密码或加密。
3. 增强的交互体验：
   • 之前，Claude只能通过提取文本的方式来处理PDF，而现在它可以“看到”PDF的视觉内容，增强了与用户的互动体验。用户不仅能得到文本信息，还能获得视觉上的理解和支持。
4. API支持：
   • 现在，开发者在使用Claude的API时，可以直接将PDF作为输入，这为应用开发提供了更大的灵活性。
   • 目前，PDF支持可通过Claude 3.5 Sonnet（claude-3-5-sonnet-20241022）直接API访问，未来将在Amazon Bedrock和Google Vertex AI上支持。
   • 预期的令牌使用量：PDF文件的令牌计数取决于提取的总文本和页面数量。每页通常使用1,500到3,000个令牌，取决于内容密度。

其他重要更新：

• JavaScript执行功能：
  • Claude现在可以执行JavaScript代码，这意味着它不仅能处理文本和图像，还能编写和运行代码，甚至生成数据可视化图表。这对于需要编程和数据分析的用户非常有帮助。
• LaTex渲染：
  • Claude还支持LaTex，这是一种常用于排版数学公式的语言。这使得用户可以方便地输入数学公式，Claude会自动渲染成标准格式。

应用场景：

这些新功能使Claude 3.5 Sonnet在以下场景中特别有用：

• 学术研究：研究人员可以上传包含图表和数据的论文，快速获取所需信息，而不需要逐行阅读文本。
• 技术文档分析：工程师和技术人员可以通过Claude分析复杂的技术手册，快速理解关键部分。
• 编程和数据科学：开发者可以利用Claude的代码执行能力，在进行数据分析时自动生成可视化结果。

如何在Messages API中使用PDF：

提供了使用PDF的简单示例，用户可以通过API发送PDF文件并进行处理。

最佳实践：

• 确保文本清晰可读。
• 将页面旋转至正确方向。
• 在请求中，使用逻辑页码而非物理页码。
• 使用标准字体。
• 在请求中将PDF放在文本之前。
• 将非常大的PDF分割成较小的块。
• 对于相同文档的重复分析使用提示缓存。

如果您准备使用Claude处理PDF，这里有一些有用的资源：

• PDF示例
• API参考
• 消息批处理（测试版）

介绍：https://docs.anthropic.com/en/docs/build-with-claude/pdf-support