26日，360集團(tuán)創(chuàng)始人、董事長@周鴻祎在微博發(fā)布視頻稱，他認(rèn)為“OpenAI對(duì)中國地區(qū)停止服務(wù)只能加速中國自己大模型產(chǎn)業(yè)的發(fā)展，未必是一個(gè)壞事?！彼忉尩溃骸癘penAI的API無法調(diào)用，這逼著國內(nèi)應(yīng)用只能選擇國產(chǎn)大模型，而國產(chǎn)大模型與GPT的差距已經(jīng)逐漸縮小了。” 消息面上，6月25日，OpenAI向中國用戶發(fā)布郵件稱，自7月9日起阻止來自非支持國家和地區(qū)的API流量。受影響組織若希望繼續(xù)使用OpenAI的服務(wù)，必須在其支持的國家或地區(qū)內(nèi)訪問。目前，OpenAI的API向161個(gè)國家和地區(qū)開放，由于中國未在其中，這意味著OpenAI將終止對(duì)中國提供API服務(wù)。 值得一提的是，25日，每日經(jīng)濟(jì)新聞大模型評(píng)測(cè)報(bào)告（第1期）發(fā)布。《每日經(jīng)濟(jì)新聞大模型評(píng)測(cè)報(bào)告》（第一期）顯示，國產(chǎn)大模型正在全面趕超海外大模型，零一萬物Yi-Large成為最大“黑馬”，在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”“微博新聞寫作”“文章差錯(cuò)校對(duì)”“財(cái)務(wù)數(shù)據(jù)計(jì)算與分析”四大應(yīng)用場(chǎng)景的總分排名第一。幻方求索DeepSeek-V2、百川智能Baichuan4則在“財(cái)務(wù)數(shù)據(jù)計(jì)算與分析”場(chǎng)景顯示出強(qiáng)大的數(shù)據(jù)計(jì)算和分析能力。而一直備受各界推崇的GPT 4.0在本次評(píng)測(cè)中表現(xiàn)不佳，甚至在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”場(chǎng)景中排名墊底。 OpenAI對(duì)中國API“停服”！ 據(jù)媒體報(bào)道，25日，OpenAI宣布終止對(duì)包括中國大陸在內(nèi)的地區(qū)提供API服務(wù)。25日凌晨，部分開發(fā)者收到了來自O(shè)penAI官方的郵件。 郵件顯示：“我們的數(shù)據(jù)顯示，貴組織的APl流量來自O(shè)penAl目前不支持的地區(qū)。您可以在此處找到受支持的國家和地區(qū)。我們將從7月9日開始采取額外措施，阻止來自不在我們支持的國家和地區(qū)列表中的地區(qū)的APl流量。要繼續(xù)使用OpenAl的服務(wù)，您需要在受支持的地區(qū)訪問服務(wù)。” 據(jù)悉，目前OpenAI的API向161個(gè)國家和地區(qū)開放，但中國大陸未包含在其中。這也意味著，OpenAI宣布終止對(duì)中國大陸提供API服務(wù)。 阿里云百煉第一時(shí)間宣布，將為OpenAI API用戶提供最具性價(jià)比的中國大模型替代方案，并為中國開發(fā)者提供2200萬免費(fèi)tokens和專屬遷移服務(wù)。根據(jù)斯坦福最新公布的大模型測(cè)評(píng)榜單HELM MMLU，Qwen2-72B得分為0.824，與GPT-4并列全球第四。通義千問GPT4級(jí)主力模型Qwen-plus在阿里云百煉上的調(diào)用價(jià)格為0.004元/千tokens，僅為GPT-4的50分之一。 6月25日，智譜推出OpenAI API用戶特別搬家計(jì)劃，幫助用戶切換至國產(chǎn)大模型。具體來看，智譜為開發(fā)者提供：1.5億Token（5000萬GLM-4+1億GLM-4-Air）；從OpenAI到GLM的系列遷移培訓(xùn)。對(duì)于高用量客戶，智譜提供與OpenAI使用規(guī)模對(duì)等的Token贈(zèng)送計(jì)劃(不設(shè)上限)，以及與OpenAI對(duì)等的并發(fā)規(guī)模等。 6月25日，百度智能云千帆推出大模型普惠計(jì)劃，即日起為新注冊(cè)企業(yè)用戶提供0元調(diào)用、0元訓(xùn)練、0元遷移等服務(wù)。 其中，文心旗艦?zāi)Ｐ褪状蚊赓M(fèi)，贈(zèng)送ERNIE3.5旗艦?zāi)Ｐ?000萬Tokens包，主力模型ERNIE Speed/ERNIE Lite和輕量模型ERNIE Tiny持續(xù)免費(fèi)；針對(duì)OpenAI遷移用戶額外贈(zèng)送與OpenAI使用規(guī)模對(duì)等的ERNIE3.5旗艦?zāi)Ｐ蚑okens包。以上優(yōu)惠活動(dòng)均在2024年7月25日24點(diǎn)前適用。 國產(chǎn)大模型正全面趕超 近期，由30余位每日經(jīng)濟(jì)新聞優(yōu)秀記者、編輯和子公司每經(jīng)科技工程師組建的“每日經(jīng)濟(jì)新聞大模型評(píng)測(cè)小組”，對(duì)市場(chǎng)上主流大模型在財(cái)經(jīng)新聞工作場(chǎng)景中的表現(xiàn)與能力進(jìn)行了歷時(shí)2個(gè)月深入評(píng)測(cè)，并于6月25日發(fā)布了《每日經(jīng)濟(jì)新聞大模型評(píng)測(cè)報(bào)告》（第一期）。 《每日經(jīng)濟(jì)新聞大模型評(píng)測(cè)報(bào)告》（第一期）顯示，國產(chǎn)大模型正在全面趕超海外大模型，零一萬物Yi-Large成為最大“黑馬”，在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”“微博新聞寫作”“文章差錯(cuò)校對(duì)”“財(cái)務(wù)數(shù)據(jù)計(jì)算與分析”四大應(yīng)用場(chǎng)景的總分排名第一?；梅角笏鱀eepSeek-V2、百川智能Baichuan4則在“財(cái)務(wù)數(shù)據(jù)計(jì)算與分析”場(chǎng)景顯示出強(qiáng)大的數(shù)據(jù)計(jì)算和分析能力。而一直備受各界推崇的GPT 4.0在本次評(píng)測(cè)中表現(xiàn)不佳，甚至在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”場(chǎng)景中排名墊底。 經(jīng)過評(píng)測(cè)，《每日經(jīng)濟(jì)新聞大模型評(píng)測(cè)報(bào)告》（第一期）得出以下結(jié)論。 結(jié)論一：國產(chǎn)大模型正全面趕超 國產(chǎn)大模型正逐漸展現(xiàn)出其競(jìng)爭力。與國外大模型相比，它們?cè)诙鄠€(gè)任務(wù)上的表現(xiàn)已經(jīng)顯示出趕超之勢(shì)。 國產(chǎn)大模型在多個(gè)測(cè)試場(chǎng)景中排名靠前。商湯商量SenseChat-5三次占據(jù)前五席位，兩次擊敗谷歌Gemini 1.5 Pro。在國外模型中，Anthropic Claude 3 Opus同樣在三個(gè)測(cè)評(píng)場(chǎng)景中排名前五，谷歌Gemini 1.5 Pro在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”和“文章差錯(cuò)校對(duì)”兩個(gè)場(chǎng)景中排名第一。令人意外的是，一直備受各界推崇的GPT 4.0卻在本次評(píng)測(cè)中整體表現(xiàn)不佳，在每個(gè)場(chǎng)景中都未能斬獲前五名，甚至在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”中排名墊底。 “財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”場(chǎng)景中，商湯商量SenseChat-5、字節(jié)豆包Doubao-pro-32k和百度ERNIE 4.0等，在信息提煉準(zhǔn)確和重要新聞點(diǎn)突出方面與谷歌的Gemini 1.5 Pro不相上下。 “微博新聞寫作”場(chǎng)景中，百度文心ERNIE 4.0、商湯SenseChat-5等模型的總分與國外模型Anthropic Claude 3 Opus并列第一。 “文章差錯(cuò)校對(duì)”場(chǎng)景中，零一萬物Yi-Large是唯一一款得分超過100分的國產(chǎn)大模型。國產(chǎn)大模型比國外大模型更能理解漢語句式和表達(dá)規(guī)范。但在查找并修改錯(cuò)別字、標(biāo)點(diǎn)使用不當(dāng)、數(shù)字和量詞錯(cuò)誤、事實(shí)和信息錯(cuò)誤等要求更精準(zhǔn)的任務(wù)方面，還有提升空間。 “財(cái)務(wù)數(shù)據(jù)計(jì)算和分析”場(chǎng)景中，Anthropic Claude 3 Opus總分雖領(lǐng)先，但對(duì)幻方求索DeepSeek-V2和零一萬物Yi-Large的優(yōu)勢(shì)并不大。尤其是幻方求索DeepSeek-V2成為此場(chǎng)景評(píng)測(cè)中一匹“黑馬”，其“財(cái)務(wù)數(shù)據(jù)分析”能力突出。 結(jié)論二：大模型各有專長 不同模型在特定場(chǎng)景、特定維度、特定指標(biāo)上的表現(xiàn)差異顯著。體現(xiàn)了它們?cè)诟髯灶I(lǐng)域的專長。 例如，谷歌Gemini 1.5 Pro在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”和“文章差錯(cuò)校對(duì)”兩大場(chǎng)景中排名第一。在“微博新聞寫作”場(chǎng)景中，該模型整體排名靠后。 Anthropic Claude 3 Opus、幻方求索DeepSeek-V2、百川智能Baichuan4則顯示出了強(qiáng)大的數(shù)據(jù)計(jì)算能力。 結(jié)論三：在跨語言環(huán)境下差異明顯 以“微博新聞寫作”場(chǎng)景為例，百度文心ERNIE 4.0、商湯商量SenseChat-5與Anthropic Claude 3 Opus并列第一。這反映了國產(chǎn)大模型在微博這一國內(nèi)社交媒體場(chǎng)景下的卓越表現(xiàn)。國產(chǎn)大模型更能夠準(zhǔn)確把握微博用戶的內(nèi)容偏好和交流方式，生成符合平臺(tái)特性和用戶期待的微博文案。 相比之下，谷歌Gemini 1.5 Pro在微博寫作的運(yùn)營維度上得分為0，可能源于其對(duì)微博平臺(tái)特性和用戶行為的不熟悉。 在中文語境之下，GPT 4.0在全部4個(gè)場(chǎng)景中的排名均不理想。這一現(xiàn)象突顯了大模型在跨語言和文化環(huán)境中的適應(yīng)性問題，也表明了國產(chǎn)大模型在本土化應(yīng)用上具有天然優(yōu)勢(shì)。 結(jié)論四：信息提取能力參差不齊 從文章中準(zhǔn)確提取關(guān)鍵信息，是對(duì)大模型能力的一項(xiàng)關(guān)鍵挑戰(zhàn)。本期評(píng)測(cè)中“文章差錯(cuò)校對(duì)”場(chǎng)景正包含了對(duì)這一能力的測(cè)試。 谷歌Gemini 1.5 Pro憑借其在錯(cuò)別字、標(biāo)點(diǎn)使用不當(dāng)、數(shù)字和量詞錯(cuò)誤、事實(shí)和信息錯(cuò)誤的查找和糾錯(cuò)方面與其他大模型拉開了差距。 相比之下，零一萬物Yi-Large在病句查找和糾錯(cuò)方面則位居首位，本可以挑戰(zhàn)谷歌Gemini 1.5 Pro，但在錯(cuò)誤查找方面的表現(xiàn)拖了后腿。 大模型信息提取能力的差異可能與模型的訓(xùn)練數(shù)據(jù)、算法設(shè)計(jì)以及對(duì)語言細(xì)微差別的捕捉能力有關(guān)。增強(qiáng)大模型的信息提取能力，可以提高其生成結(jié)果的準(zhǔn)確度，更能讓大模型適用于對(duì)準(zhǔn)確性要求極高的新聞工作。 每日經(jīng)濟(jì)新聞綜合@周鴻祎