OpenAI斷供，中國企業：謝邀，已登頂_風聞

OpenAI斷供了。

自7月9日起，包括中國大陸、中國香港、俄羅斯、朝鮮、伊朗等國家和地區都不能再接入他們的API。

一看名單，全是美利堅的制裁對象，這當然是一個政治問題。

不過大家要是對OpenAI這家公司持續關注的話，這個決定一點也不奇怪。

不久前，OpenAI的CEO奧特曼就解散了安全團隊——超級對齊，這個由OpenAI曾經的首席科學家Ilya Sutskever帶的團隊。

Ilya隨即出走。很快，奧特曼就組建了一個新的安全團隊，而這個團隊的領導人是美國國安局前局長保羅·中曾根（Paul M. Nakasone）。

當OpenAI變成CloseAI，會對整個行業帶來什麼影響呢？

我們先看看這一波“斷供”可能會帶來什麼吧。

01

所謂的斷供“API”，這裏的API指的是“應用程序編程接口”。

你可以把API通俗地理解為餐廳的菜單。你可以用它來點菜，但你並不知道菜是怎麼做出來的。

還記得ChatGPT剛出來那陣兒，湧現出來無數AI公司麼。它們就是顧客，炒菜的是OpenAI，然後它們再把炒好的菜包裝一下，賣給餐廳外的我們。

所以本質上它們就是套殼公司，真正生產的是OpenAI。

可想而知，斷供對這些公司來説無異於釜底抽薪，把吃飯的傢伙給收走了。

但換個角度想，OpenAI這個AI行業內巨無霸居然主動讓出市場，有錢不賺是傻蛋。

這不，國內各路高手立馬就像餓虎撲食一樣衝上來搶這潑天富貴，各種**“搬家計劃”**紛紛出爐，服務不要太周到。

比如阿里的通義千問，除了提供專屬的遷移服務外，主力模型調用API的價格更是隻有GPT-4的1/50。這還是在通義千問跟GPT-4實力相當的情況下的價格。

其他包括智譜、訊飛、百度、百川等都提供了相當優惠的價格。

所以，現在擺在他們面前的已經不是to be or not to be的生死問題，而是如何從一眾“備胎”中挑最好的那個。

02

什麼樣的模型才是好模型呢？

正如歐洲歷史上最強的男人拿破崙所説，不想拿第一的模型不是好模型。

就像學生通過各個科目的考試比成績，大模型的能力也是看做題的成績。

學生有語數外理綜文綜的項目，大模型有推理能力、數學能力、編程能力、語言能力、多模態能力等多種項目。

比如最常用的MMLU數據集，內容涵蓋了STEM、人文、社科等57個學科，就是常用來測試模型知識和推理能力的數據集。

此外還有專考中文的C-Eval、考奧數的MATH（好會取名字）等等。

自然，每家模型都會爭取考個好成績。但就像學生考試一樣，有的人實力強大，有的人有自己的辦法。

截至2024年6月28日，C-Eval榜單上，前20名全是我國的大模型，GPT-4位於21位。

這並不符合我的實際體驗，雖然GPT-4的能力並沒有像以前一樣碾壓了，但也不至於排到21名啊。可以説，這份榜單在某種程度上失真了。

造成這種現象的原因有很多。

首先是隨着大模型的不斷升級，一些題目變得相對簡單了。就像以前大家都是小學生，考初中的題目，大家分都不高。但經過一年多的學習，大家的水平上升到了高中生，再去做這些題，都能得個90分以上，那麼這個試題就不能很好地區分大家的水平了。

其次，**閉卷變開卷。**雖然這些考題都不是公開數據集，但我每天就擱那考試，一連考幾十天。那考試就跟刷題庫一樣了，考試的題目也逐漸公開。後來的大模型們直接用這些公開的題目去訓練，那再去考的時候，就相當於開卷考試了。就算是難如數學競賽，出成績也不是不可能的。

當然了，考題本身的質量也很重要。

這是著名的開源社區Huggingface發佈的榜單Open LLM Leaderboard的最高成績。可以看到，從2023年9月到2024年5月，大模型在各個科目取得的成績都不斷地提高，都接近虛線，也就是人類水平。

當然這個成績並不意味着大模型已經跟人一樣了，而是説明了這份卷子已經被做爛了。

所以，Huggingface在6月推出了一套新試題，升級版的Open LLM Leaderboard v2。

這套試題比此前版本難度高了不少，比如GPQA數據裏面全是研究生級別的知識，且專門找了生物、物理、化學等領域的博士生來出題。

客觀講，這一波很有誠意，沒給那些刷榜的大模型留下什麼空子鑽。

各考生做這套卷子的成績很快出來，榜單很出乎意料：

裏面有不少老熟人，當紅炸子雞，“法國的OpenAI”Mistral、“史上最強開源大模型”Llama3以及打敗了Llama3的通義千問Qwen2-72B（720億參數）。

在這家法國榜單上看到咱國產的通義千問，屬實是有點驚訝。

我又去看了詳細的成績單，Qwen2的數學（MATH）、專業知識（GPQA）和長上下文推理（MuSR）是優勢學科，尤其是數學，比第二高了6分。哦不好意思，第二名是沒有經過微調的Qwen2。

這份成績得到了Huggingface CEO的稱讚：

我去看了另一個榜單LiveBench AI，這是在圖靈獎得主、AI三巨頭之一的楊立昆（Yann LeCun）主導的一個大模型測評基準。

Qwen2-72B排名第8。

但這是包括了所有閉源模型的總榜單，Qwen2-72B是前十中唯一一個開源模型。

還有其他的榜單，Qwen2基本都是開源中的霸主，在這裏就不多列了。

這説明了Qwen2的做題能力很強。但它到底是做題家還是真的實力強大呢？這需要一線開發者的測試。

紅迪（reddit）裏的開發者測試後，給出了肯定的評價：

初次測試很不錯，有一個題目其他模型都錯了，只有Qwen7B對了

另一個意大利的開發者甚至説“太強了以至於不像真的”：

我又去看了看推特，開發者們測試後也都非常認可Qwen2的能力，比如這位斯坦福的計算機副教授Percy Liang：

至此，我覺得Qwen2的實力已經沒什麼可質疑的了。

03

開源這條賽道上，競爭從來都不比閉源小。

前有法國獨角獸Mistral直接免費甩出自家大模型 Mistral 7B 的磁力下載鏈接。

開發者們下下來一跑，發現竟然性能並不比 130 億參數的 Llama 2 弱多少，而且微調一下，用一張顯卡上就能跑。

後來他們又推出了更大參數量的 Mixtral 8x7B，性能追平了Llama2和ChatGPT3.5。

這讓Mistral先後融資超11億刀，數錢數到手軟。

而兩個月前，深耕開源的Meta正式發佈了Llama3 8B和70B，這個據估計花費了1500萬美元來訓練的開源模型，重新奪回鐵王座。

Meta官方認證為**“迄今為止最強的開源大模型”**。

當時外界有一種聲音説：“只有GPT-5能壓住Llama3了。”

但GPT-5沒來，Qwen2先來了，驚不驚喜，意不意外？

其實，阿里雲是國內首個做開源的大型科技企業。2023年8月，他們就開源了Qwen7B。

到現在，他們一共開源了Qwen-VL、Qwen-14B、Qwen-72B、Qwen-1.8B、Qwen-Audio、Qwen1.5的8款模型和Qwen2系列的5個模型，參數從5000萬到720億，可謂是全家桶了。

看到這裏，可能有人會問，阿里雲還有自己的閉源模型，是在開源上遲疑了嗎？

但Qwen2這次全球第一的“出人頭地”，證明了阿里雲做開源是認真的！

隨着GPT-5發佈時間一而再再而三地延後，現在的消息已經推遲到明年年底了，大概率OpenAI還沒找到辦法讓GPT-5在GPT-4的基礎上大幅進步。

而與此同時，以Qwen2為代表的開源模型，表現正不斷地逼近閉源模型之首GPT-4。

將OpenAI變為CloseAI，從非盈利變為盈利的Sam Altman，在看到Qwen2的表現時，是否心中會生出一絲後悔呢？