没有任何预警，OpenAI 突然发布了 OpenAI o1 系列模型。按照官方技术博客说法，o1 在推理能力上代表了人工智能最强的水平。
OpenAI CEO Sam Altman 表示：「OpenAI o1 是一个新范式的开始：可以进行通用复杂推理的 AI。」
在复杂推理任务上，这款新模型是一次重要突破，代表了 AI 能力的新水平。基于此，OpenAI 选择将此系列重新命名为 OpenAI o1，并从头开始计数。
不知道这是否意味着，GPT-5 这个命名也不会出现了。
简单总结新模型的特点：
- OpenAI o1：性能强大，适用于处理各个领域推理的复杂任务。
- OpenAI o1 mini：经济高效，适用于需要推理但不需要广泛世界知识的应用场景。
现在，该模型已经全量推送，你可以通过 ChatGPT 网页端或者 API 进行访问。
其中 o1-preview 还是预览版，OpenAI 还会继续更新开发下一版本。目前使用有一定次数限制，o1-preview 每周 30 条消息，o1-mini 每周 50 条。
和传闻中的「草莓」一样，这些新的 AI 模型能够推理复杂任务，并解决科学、编码和数学领域中比以往更为困难的问题。官方表示，如果你需要解决科学、编码、数学等领域的复杂问题，那么这些增强的推理功能将尤为有用。
例如，医疗研究人员可以用它注释细胞测序数据，物理学家可以用它生成复杂的量子光学公式，开发人员可以用它构建并执行多步骤的工作流程。
此外，OpenAI o1 系列擅长生成和调试复杂代码。
为了给开发人员提供更高效的解决方案，OpenAI 还发布了一款更快、更便宜的推理模型 OpenAI o1-mini，尤其擅长编码。
作为较小版本，o1-mini 的成本比 o1-preview 低 80%，是一个功能强大且高效的模型，适用于需要推理但不需要广泛世界知识的应用场景。
在具体训练过程中，OpenAI 会训练这些模型在回答问题之前深入思考。o1 在回答问题前会产生一个内部的思维链，这使得它能够进行更深入的推理。
通过训练，OpenAI o1 模型能够学会完善自己的思维方式，并且随着更多的强化学习（训练时间计算）和更多的思考时间（测试时间计算）而持续提高。
OpenAI 研究员 @yubai01 也点出了 01 的训练路线：
我们使用 RL 来训练一个更强大的推理模型。很高兴能成为这段旅程的一部分，而且要走很长一段路！
据介绍，在测试中，这款模型在物理、化学和生物等任务中表现得如同博士生，尤其是在数学和编码领域表现突出。
在国际数学奥林匹克竞赛（IMO）的资格考试中，GPT-4o 只解决了 13% 的问题，而推理模型得分高达 83%。在 Codeforces 编程竞赛中，它的表现进入了前 89% 的队列。
不过，和传闻的爆料一样，作为一个早期版本，该模型还不具备一些 ChatGPT 的常用功能，比如网页浏览和上传文件或图像等多模态能力。
相比之下，GPT-4o 反而会更加胜任许多常见的应用场景。
为了确保新模型的安全，OpenAI 提出了一种新的安全训练方法。
在最严苛的「越狱」测试中，GPT-4o 得分为 22（满分 100），而 o1-preview 模型得分为 84，在安全性方面堪称遥遥领先。
从下周开始，ChatGPT Enterprise 和 Edu 用户也可以访问这两款模型。符合条件的开发人员现在可以通过 API 使用这两款模型，每分钟速率也有所限制。
在这里划个重点，OpenAI 表示，未来将向所有 ChatGPT 免费用户提供 o1-mini 的访问权限。不过，大概率也会在次数上有所限制。
关于新模型 o1 更多细节，我们很快将在更详细的体验后与大家分享。如果你有感兴趣的问题，欢迎在留言区告诉我们。
推理能力遥遥领先，但仍分不出「9.11 和 9.8 哪个大」
官方也放出了更多 OpenAI o1 的更多演示视频。
比如使用 OpenAI o1 来编写一个找松鼠的网页游戏。这个游戏的目标是控制一只考拉躲避不断增加的草莓，并在 3 秒后找到出现的松鼠。
与传统的经典游戏如贪吃蛇不同，这类游戏的逻辑相对复杂，更考验 OpenAI o1 的逻辑推理能力。
又或者，OpenAI o1 已经开始能通过推理，解决一些简单的物理问题，
演示列举了一个例子，一颗小草莓被放在一个普通的杯子里，杯子倒扣在桌子上，然后杯子被拿起，询问草莓会在哪里，并要求解释推理过程。这表明模型能够理解物体在不同物理状态下的位置变化。
落地到具体的应用中，OpenAI o1 还能成为医生的得力助手，比如帮助医生整理总结的病例信息，甚至辅助诊断一些疑难杂症。
热衷于将 AI 与科学相结合的量子物理学家马里奥•克莱恩（Mario Krenn）也向 OpenAI 的 o1 模型提出一个关于特定的量子算符应用的问题，结果，OpenAI o1 也轻松拿捏。
「Strawberry」里有多少个「r」，GPT-4o 会回答错误，但却难不倒 OpenAI o1，这一点值得好评
不过，经过实测，OpenAI o1 依然无法解决「9.11 和 9.8 哪个大」的经典难题，严重扣分。
对于 OpenAI o1 的到来，英伟达具身智能负责人 Jim Fan 表示：
我们终于看到了推理时间扩展的范式被推广并投入生产。正如萨顿（强化学习教父）在《苦涩的教训》中所说，只有两种技术可以无限制地与计算规模化： 学习和搜索。是时候将重点转向后者了。
在他看来，大模型中的很多参数是用来记忆事实的，这的确有助于在问答的基准测试「刷分」，但如果将逻辑推理能力与知识（事实记忆）分开，使用一个小的「推理核心」来调用工具，如浏览器和代码验证器，这样可以减少预训练的计算量。
Jim Fan 也点出了 OpenAI o1 最强大的优势所在，即 o1 模型可以轻松成为数据飞轮的一部分。
简单来说，如果模型给出了正确的答案，那么整个搜索过程就可以变成一个包含正负奖励的训练数据集。这样的数据集可以用来训练未来的模型版本，并且随着生成的训练数据越来越精细，模型的表现也会不断改善。好一个通过自己博弈，实现自己训练自己的内循环。
不过网友的实测中也发现了一些问题，比如回复的时间长了不少，虽然花了更长时间思考，但在一些问题上也会出现答非所问输出不全等问题。
赛博禅心猜测，这次的 o1 有可能是 GPT-4o 在进行一些微调/对齐后的 agent，整体远低于预期，
Sam Altman 也承认 o1 仍然有缺陷，存在局限，在第一次使用时更令人印象深刻，而在你花更多时间使用后就没那么好了。
尽管如此，OpenAI o1 模型在整体的表现上还是可圈可点。
现在，OpenAI o1 模型的发布堪称下半年 AI 模型大战的导火索，如无意外，接下来，其他 AI 公司也不会藏着掖着了。
没错，我点的就是 Anthropic、Meta AI、xAI 等老对手、以及一些潜在深处的 AI 黑马。
并且，从 GPT-4 发布至今，OpenAI 每一次模型发布的最深层意义并不在于性能的强大，而是提供了一种技术路线的标杆，从而带领人们往未知的深水区迈进。
GPT-4 如此，OpenAI o1 也希望如此。
热门跟贴