OpenAI 全新發布 o1 模型，我們正式邁入了下一個時代

作者：卡茲克

大半夜的，OpenAI抽象了整整快半年的新模型。

在沒有任何預告下，正式登場。

正式版名稱不叫草莓，草莓只是內部的一個代號。他們的正式名字，叫：

為什麼取名叫o1，OpenAI是這麼說的：

For complex reasoning tasks this is a significant advancement and represents a new level of AI capability. Given this, we are resetting the counter back to 1 and naming this series OpenAI o1.

翻譯過來是：

對於複雜推理任務來說，這是一個重要的進展，代表了人工智能能力的新水平。鑑於此，我們將計數器重置為 1，並將這一系列命名為 OpenAI o1。

這次模型的強悍，甚至讓OpenAI不惜推掉了過去GPT系列的命名，重新起了一個o系列。

炸了，真的炸了。

我現在，頭皮發麻，真的，這次OpenAI o1發佈，也標誌著，AI行業，正式進入了一個全新的紀元。

“我們通往AGI的路上，已經沒有任何阻礙。”

在邏輯和推理能力上，我直接先放圖，你們就知道，這玩意有多離譜。

AIME 2024，一個高水平的數學競賽，GPT4o準確率為13.4%，而這次的o1 預覽版，是56.7%，還未發佈的o1正式版，是83.3%。

代碼競賽，GPT4o準確率為11.0%，o1 預覽版為62%，o1正式版，是89%。

而最牛逼的博士級科學問題 (GPQA Diamond)，GPT4o是56.1，人類專家水平是69.7，o1達到了恐怖的78%。

我讓Claude翻譯了一下o1的圖，醜是醜了點，但是能看的懂每項數據意思就行。

什麼叫全面碾壓，這就是。

特別是在測試測試化學、物理和生物學專業知識的基準GPQA-diamond上，o1 的表現全面超過了人類博士專家，這也是有史以來，第一個獲得此成就的模型。

而整個模型之所以達到如此成就，基石就是Self-play RL，不知道這個的可以去看我前兩天的預測文章：新模型草莓到底是個啥？

通過Self-play RL，o1學會了磨練其思維鏈並完善所使用的策略。它學會了識別和糾正自己的錯誤。

它也學會了將複雜的步驟分解為更簡單的步驟。

而且噹噹前的方法不起作用時，它也學會了嘗試不同的方法。

他學會的這些，就是我們人類，最核心的思考方式：慢思考。

諾貝爾經濟學獎得主丹尼爾·卡尼曼有一本著作，名叫：《思考，快與慢》。

非常詳細的闡述了人類的兩種思考方式。

第一種是快思考（系統1），特點是快速、自動、直覺性、無意識，舉幾個例子：

• 看到一個笑臉就知道對方心情很好。

• 1+1=2 這樣簡單的計算。

• 開車時遇到危險情況立即踩剎車。

這些就是快思考，也就是傳統的大模型，死記硬背後學得的快速反應的能力。

第二種是慢思考（系統2），特點是緩慢、需要努力、邏輯性、有意識，舉幾個例子：

• 解決一道複雜的數學題

• 填寫稅務申報表

• 權衡利弊後做出重要決定

這就是慢思考，我們人類之所以強大的核心，也是AI要通往下一步AGI路上的基石。

而現在，o1終於踏出了堅實的一步，擁有了人類慢思考的特質，在回答前，會反覆的思考、拆解、理解、推理，然後給出最終答案。

說實話，這些增強的推理能力在處理科學、編碼、數學及類似領域的複雜問題時絕對極度有用。

例如o1可以被醫療研究人員用來註釋細胞測序數據，被物理學家用來生成量子光學所需的複雜數學公式，以及被各個領域的開發人員用來構建和執行多步驟工作流，等等等等。

o1也絕對是全新一代的數據飛輪，如果答案正確，整個邏輯鏈就會變成一個包含正負獎勵的訓練示例的小型數據集。

以OpenAI的用戶級別，未來的進化速度，只會更恐怖。

寫到這，我忽然嘆了口氣，我覺得我跟一年以後的o1比起來，可能就是個純廢物了，真的。。。

目前，o1模型已經逐步向所有ChatGPT Plus和 Team用戶開放，未來會考慮對免費用戶開放。

分為兩個模型，o1預覽版和o1 mini，o1-mini就是更快更小更便宜，推理啥的都不錯，極度適合數學和代碼，就是世界知識會差很多，適用於需要推理但不需要廣泛世界知識的場景。

o1預覽版每週30條，o1-mini每週50條。

雪崩，甚至不是按以前的3小時來限制的，是每週30條，也能從側面看出來，o1這個模型，有多貴了。

對於開發者來說，只對已經付過1000美刀的等級5開發者開放，每分鐘限制20次。

都挺少的。

而且在功能上閹割挺大，但是畢竟早期，理解。

API的價格上，o1預覽版每百萬輸入15美元，每百萬輸出60美元，這個推理成本...

o1-mini會便宜一些，每百萬輸入3美元，每百萬輸出12美元。

輸出成本都是推理成本的4倍，對比一下GPT4o，分別是5美元和15美元。

o1-mini還是勉強有一些經濟效應的，不過還是開始，後面等著OpenAI打骨折。

既然說o1已經對Plus用戶開放，我就直接去我的號上看了眼，還不錯，拿到了。

那自然，第一時間試一試。

目前不支持曾經的所有功能，也就是沒有圖片理解、圖片生成、代碼解釋器、網頁搜索等等，只有一個可以對話的裸模型。

我先是一個曾經很致命的問題：

“農夫需要把狼、羊和白菜都帶過河，但每次只能帶一樣物品，而且狼和羊不能單獨相處，羊和白菜也不能單獨相處，問農夫該如何過河。”

思考了6秒時間，給了我一個很完美的回答。

還有之前一個坑遍所有大模型的調休問題：

“這是中國2024年9月9日（星期一）開始到10月13日的放假調休安排:上6休3上3休2上5休1上2休7再上5休1。

請你告訴我除了我本來該休的週末，我因為放假多休息了幾天？”

在o1思考了整整30秒以後，給出了一天不差的極度精準的答案。

無敵，真的無敵。

再來一個更難的，就是曾經姜萍那個比賽的奧數題：

別問我題目什麼意思，我看不懂，我是廢物，這題曾經屠殺所有的大模型，這次，我們讓o1也來試一下看看。

在o1思考了整整1分多鐘之後，他給出了答案。

...

全...對...

我裂開了。

目前我自己試下來，感覺Prompt，未來可能也要重新摸索，在GPT為代表的快思考大模型時代，我們有很多所謂的一步一步思考之類的玩意，現在全都無效了，對o1甚至還有負效果。

OpenAI給出的最佳寫法是：

• 保持提示簡單直接：模型擅長理解和響應簡短、清晰的指令，而不需要大量的指導。

• 避免思路鏈提示：由於這些模型在內部進行推理，因此不需要提示它們“逐步思考”或“解釋你的推理”。

• 使用分隔符來提高清晰度：使用三重引號、XML 標籤或章節標題等分隔符來清楚地指示輸入的不同部分，幫助模型適當地解釋不同的部分。

• 限制檢索增強生成 (RAG) 中的附加上下文：提供附加上下文或文檔時，僅包含最相關的信息，以防止模型過度複雜化其響應。

最後，我想說一下這個思考的時長。

現在o1是思考了一分鐘，但是，如果是真正的AGI，說實話，思考的越慢可能會越刺激。

當他真的，可以去做證明數學定理，去做癌症藥物研發，去做天體研究呢？

每一次的思考，可以達到幾小時、幾天、甚至幾周呢？

最後的結果，可能會讓所有人震驚的難以置信。

現在，沒有人能想象到，那時候的AI，會是一個什麼樣的存在。

而o1的未來，在我看到，也絕對不止是一個普普通通的ChatGPT。

而是我們前往下個時代，最偉大的基石。

“我們通往AGI的路上，已經沒有任何阻礙。”

現在，我毫不猶豫的堅信著這句話。

星光熠熠的下一個時代。

在今天。

正式到來了。