深夜空降！OpenAI草莓正式发布，命名o1， GPT-4o被碾压！

今晚，OpenAI最新模型空降！先上张图，你就明白了。

GPT-4o竟然被碾压至此？

GPT-4o竟然被碾压至此？！

GPT-4o竟然被碾压至此！！

Altman说它是迄今为止最强大、最一致的模型，新模型的名字是——o1 。

为什么不是GPT-4.5、GPT-5呢，因为它代表一个新范式的开始：

可以进行通用复杂推理的人工智能。

所以OpenAI这次从1重新开始计数，命名为o1。用一句话概括就是，o1擅长解决复杂问题，尤其是编码、数学、科学远超GPT-4o。

打个比方，你可以认为o1是一个极度偏科的理工科天才。

但是它有个缺点，在开始回答之前，它会花更长时间 思考，因为内部会产生一个非常长的思维链，进行足够深入的思考，从而可以解决复杂的推理任务。

这个也不难理解，高考数学的最后一道大题，花多点时间想也很正常。

把GPT-4o按在地上摩擦的o1，具体表现怎么样呢，还是得用数据说话。

先看模型表现

首先，它在数学和编码方面表现非常出色。

• 在国际数学奥林匹克（IMO）资格考试中，GPT-4o 只正确解决了 13% 的问题，而o1的得分是83%。

• 编码方面，OpenAI o1 在竞争性编程问题 (Codeforces) 中排名第 89%，

• 在物理、化学、生物学科中的表现达到了博士生水平，78分超越了人类专家69.7分。

  

  而且，在众多基准测试上均超过了GPT-4o。

  

  效果好到把大家都常用来测试的MATH和GSM8K干崩了，因为表现太好，不得已只能用美国奥数的题目来评比。

  

  背后的思维链，可自主思考纠错

  回复速度慢，尤其擅长数学和编码，与先前对草莓模型的爆料完全对应的上。为什么回复变慢？

  因为OpenAI通过大规模强化学习算法，o1在回答问题前会产生一个内部的复杂的思维链，这使得它能够进行更深入的推理，并且o1学会了如何高效地使用其思维链。

  

  类似于人类在回答难题之前，可能会思考很长时间，o1 在尝试解决问题时也会使用一系列思维。通过强化学习，o1 学会磨练其思维链并完善其策略,能认识并纠正错误。它学会将棘手的步骤分解为更简单的步骤。当这个方法不起作用时，它会尝试另一种方法。这个过程极大地提高了模型的推理能力。

  为了培养o1模型的链式思维能力，OpenAI大规模的使用强化学习算法训练模型。

  而OpenAI也没想到的是，随着更多的强化学习投入和思考时间的延长，o1模型的性能在不断地提高，这与LLM预训练时提高性能的方法有很大不同。

  

  通过强化学习，o1模型学会了使用思维链，分步骤回答问题。

  也就是说，在回答困难问题前，o1模型就像人类一样，可以自我纠正学习。

  令人惊艳的是，o1模型可以自己判断答案是否正确，如果这个答案错误，它会再重新想办法解决。以此，o1模型的推理能力得到超大量级的提高。给你举个例子你就明白了。

   用户：oyfjdnisdr rtqwainr acxz mynzbhhx -> Think step by step。

   通过上面的例子解码下文:

   oyekaijzdf aaptcg suaokybhai ouow aqht mynznvaatzacdfoulxxz

  收到指令后，o1模型开始思考。

  （看到o1的思维链，我的第一反应是：逻辑缜密到有些夸张了。废话真的非常非常多）

  OpenAI o1-preview（以下为思考内容）：

  首先，我们得到：

  “oyfjdnisdr rtqwainr acxz mynzbhhx -> Think step by step”

  我们的任务是，使用上面的例子来解码：“oyekaijzdf aaptcg suaokybhai ouow aqht mynznvaatzacdfoulxxz”。

  所以第一部分是弄清楚“oyfjdnisdr rtqwainr acxz mynzbhhx”如何解码为“Think step by step”。

  观察1：明文短语“Think step by step””有15个字母（不包括空格），密文总字母有30个字母。

  明文Think step by step第一个词5个字母，第二个词4个字母，第三个词2个字母，第四个词4个字母。

  密文第一个词10个字母，第二个词8个字母，第三个词4个字母，第四个词8个字母。

  选项1：尝试找到字母到字母的映射。有字母相匹配吗？

  等一下。我想这里可能有一个字谜或替换密码。我认为我们可以注意到每组密文对应于一个明文单词。

  检查一下字母数量……interesting.看来密文单词的长度是明文单词的两倍。

  Idea：也许我们需要取出所有其他字母或相应地从密文中重建明文。如果我们从密文单词中取出所有其他字母，也许我们会得到明文。

  选项1：采取奇数位置。从第一个单词开始，取密文的13579位，组成单词是ofdid。

  Hmm，我们试一下映射字母：o f d i d –> Think。不太对。

  选项2：假设每个明文字母对应于密文中的2个字母。拆分第一个密文字母就是：oy fj dn is dr，对应明文字母think。

  oy->T，fj->h，dn->i，is->n，dr->k。

  现在，从“oy”到“T”的映射是什么？有没有办法将“oy”映射到“T”？

  选项1：字母之和。将字母转换为数字（A=1、B=2、…、Z=26）。

  o=15，y=25，总和15+25=40。“T”是数字20。不太对。

  或者，两个字母的平均值可能对应于“T”。(15+25)/2=20，即“T”。

  等一下，这看起来很有希望。让我们用第二对来检查一下。字母“f”=6，“j”=10。

  （6+10）/2=8，8对应于“h”，成功！

  让我们用第三对来检查一下……（中略）

  所以我们的代码是：对于每一对密文，字母对应数字值相加取平均值，得到对应的明文。

  所以我们把明文放在一起就是：THERE ARE THREE RS IN STRAWBERRY。

  我认为RS拼写应该是“R’s”，所以应该是：THERE ARE THREE R’s IN STRAWBERRY（草莓单词里有3个R）。

  

  当然，这种复杂推理非常消耗时间，而比较可惜的是，在文章写作和编辑方面，o1模型不仅会浪费很长时间来思考，得出的结果也并不尽人意。在评估中，o1模型处理自然语言任务的效果，还不如GPT-4o。

  所以，o1 并不适合所有场景！

  

  而且……OpenAI总会在给人希望的地方让人失望。

  传OpenAI的原话：

  权衡了用户体验、竞争优势、以及对思维链进行监控等多种因素后，我们决定不向用户展示原始思维链。

  这一切都源于OpenAI的病态追求：安全！安全！安全！

  OpenAI未雨绸缪：假设公开了思维链，会不会出现“模型思维链把用户思路带偏、甚至控制用户思维”的现象。

  此外，为了保证模型的思维链足够“原生”、足够“自由”，OpenAI还不能将一些政策规范和用户偏好强加到思维链中，而正是因为“不够对齐”，让OpenAI感到深深的担忧。

  好吧，在美国国家安全局监管下，我懂~

  作为补偿，OpenAI正在努力调整o1模型，让它能在回答中展示思维链的摘要。

  我只想问：思维链的摘要会占用输出tokens吗？会不会把我的钱包吃干抹净？

  诶，说到钱的问题，OpenAI还一并出了一个OpenAI o1-mini模型。

  

  关于o1和o1-mini，关系就像4o和4o-mini，mini模型是小模型，速率更快，延迟更低，更便宜，当然效果也会砍一些。

  不过，在推理方面还是比4o要强不少。

  

  怎么体验o1

  o1和o1-mini这两个模型，今天会在ChatGPT中上线，Plus和Team订阅用户可以直接体验了。

  

  开发者也能通过API访问使用，其中mini模型比原模型便宜80%。另外Enterprise和Edu用户也可以使用o1-mini模型。

  但是但是，目前的请求频率有限制，o1-preview 的每周速率限制为 30 条消息，o1-mini 的每周速率限制为 50 条。（太少了）