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)測報(bào)告（第1期）發(fā)布?！睹咳战?jīng)濟(jì)新聞大模型評(píng)測報(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”“財(cái)務(wù)數(shù)據(jù)計(jì)算與分析”四大應(yīng)用場景的總分排名第一。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)測中表現(xiàn)不佳，甚至在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”場景中排名墊底。

OpenAI對中國API“停服”！

據(jù)媒體報(bào)道，25日，OpenAI宣布終止對包括中國大陸在內(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)。對于高用量客戶，智譜提供與OpenAI使用規(guī)模對等的Token贈(zèng)送計(jì)劃(不設(shè)上限)，以及與OpenAI對等的并發(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OpenAI遷移用戶額外贈(zèng)送與OpenAI使用規(guī)模對等的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)測小組”，對市場上主流大模型在財(cái)經(jīng)新聞工作場景中的表現(xiàn)與能力進(jìn)行了歷時(shí)2個(gè)月深入評(píng)測，并于6月25日發(fā)布了《每日經(jīng)濟(jì)新聞大模型評(píng)測報(bào)告》（第一期）。

《每日經(jīng)濟(jì)新聞大模型評(píng)測報(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”“財(cái)務(wù)數(shù)據(jù)計(jì)算與分析”四大應(yīng)用場景的總分排名第一?；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)測中表現(xiàn)不佳，甚至在“財(cái)經(jīng)新聞標(biāo)題創(chuàng)作”場景中排名墊底。

經(jīng)過評(píng)測，《每日經(jīng)濟(jì)新聞大模型評(píng)測報(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)出其競爭力。與國外大模型相比，它們在多個(gè)任務(wù)上的表現(xiàn)已經(jīng)顯示出趕超之勢。

國產(chǎn)大模型在多個(gè)測試場景中排名靠前。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)測評(píng)場景中排名前五，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”兩個(gè)場景中排名第一。令人意外的是，一直備受各界推崇的GPT 4.0卻在本次評(píng)測中整體表現(xiàn)不佳，在每個(gè)場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”場景中，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”場景中，Anthropic Claude 3 Opus總分雖領(lǐng)先，但對幻方求索DeepSeek-V2和零一萬物Yi-Large的優(yōu)勢并不大。尤其是幻方求索DeepSeek-V2成為此場景評(píng)測中一匹“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)了它們在各自領(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”兩大場景中排名第一。在“微博新聞寫作”場景中，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。

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，是對大模型能力的一項(xiàng)關(guān)鍵挑戰(zhàn)。本期評(píng)測中“文章差錯(cuò)校對”場景正包含了對這一能力的測試。

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準(zhǔn)確性要求極高的新聞工作。