本文来自微信公众号：王智远，作家：王智远，原文标题：《Open AI发布新一代模子01》，题图来自：AI生成

凌晨1点，我还在追剧。

这时，一又友发来一条音问说：Open AI发布了新模子，你在电脑上碰庆幸能用吗？哎，老大，王人要就寝了，这要强制开机，让我起来加班码字啊。‍‍

带着有趣，翻开PC端ChatGPT一看，竟然，多出两个模子，分散是ChatGPT o1-mini和o1-preview。

这是什么东东？如何叫这个名字？这个模子有什么特质？如何还有两个版块呢？价位如何？难谈是此前被传的“草莓”作念出来了？

带着猜忌，熬夜看完官方文档，把内容归来共享给你。

一

为什么叫o1呢？官方说：

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。

我用自带浏览器的翻译功能，翻译出来便是：

这个模子在复杂推理任务上是一个要紧的当先，代表了东谈主工智能材干的一个新水平；因此，咱们决定再交运转编号，把这一系列模子定名为OpenAI o1。

袄，底本因为这个模子相当锐利，能作念许多复杂的事情，OpenAI 以为这是一个新的起先，是以把编号再行设为1，运转一个新的系列。

那么，它为什么会有两个版块呢？官方说：

o1 mini版是个简化的版块。它在速率、体积和老本方面王人作念了优化。

这个版块在处理数学、编程推理任务时发达可以，独特适宜需要快速处理问题的步地；因为它体积小，老本也低，是以，若是你想快速得到谜底，那么o1 mini版可能更适宜你。

相对o1 preview版，是竣工版块。

比拟擅长贬责复杂的问题，比如，不管是科学问题、数学题如故编程，它王人能处理得相当好；天然，若是你碰到的问题要平日的学问或者久了的分解，那么这个版块更适宜你，因为它的推理材干相当弘远。

我不信，于是，让国产大模子Kimi Chat给我想了一个逻辑数学逻辑题，如下：

假定我有一个农场，内部有鸡和兔子。有一天，我数了数农场里动物的头和脚，发现系数有35个头和94只脚。求教，农场里各有若干只鸡和兔子？

preview版竟然很强。除了告诉我有23只鸡，和12只兔子外，还给出了门径，通盘下来，也就不到2秒。天然，这种测试用来拼集Chat确定是无压力的，若是你有时间，也可以带入职责中的问题，我方体验下。

总的来说，两个版块的主要区别是它们处理任务的材干、速率和老本；o1 mini版在速率、老本上有上风；preview版更适宜推理。

不外，践诺体验下来，没以为有什么互异，也许我自身要它作念的事情，比拟绵薄。

体验完后，仔细一想，这和GPT-4o、GPT-4omini有啥区别呢？非要搞出四个模子吗？加上GPT-4，我电脑上一经有五个模子了。

查了下官方文档，有一篇著作叫《用法学硕士学习推理》（Learning to Reason with LLMs）详备先容了一切。

他们是这样说的：

在对OpenAI的两个AI模子——o1-preview和GPT-4o的践诺使用偏好测试中，东谈主类评估者在不知情的情况下，比拟了两个模子对复杂问题的恢复。

成果涌现，在需要大王人推理的任务上，比如数据分析、编程和数学问题，天下更心爱o1-preview。因为o1-preview经过特别的强化学习造就，是以，在贬责这类问题时，推理材干更强，更高效。

然而，在天然讲话处理任务上，o1-preview的发达不如GPT-4o。这是因为它的造就重心在推理和贬抑止题的策略上，而不是在讲话的盛开度或文本生成的各样性上。

这证明，固然o1-preview在某些边界很出色，但它并不适宜扫数类型的任务，尤其是那些专注于天然讲话处理的场景。

底本如斯。

我又看了看o1-preview和o1 mini版适宜哪些东谈主。官方说，若是你在处理科学、编码、数学等边界的复杂问题，这些增强的推理材干可能独特有效。

比如：

医疗商讨东谈主员可以用o1来标注细胞测序数据；物理学家可以生成量子光学所需的复杂数学公式；各个边界的开垦者王人可以用o1来构建和实施多步的职责进程。

是以，若是你作念科学、敲代码、编程、数学方面的职责，用它再好不外了。

二

那么，o1-preview和o1 mini到底作念了哪些测试呢？

起先，为了涌现o1模子在推理方面比GPT-4o有多大纠正，他们在不同的东谈主体查验和机器学习基准上测试了它。

比如：

在2024年的AIME数学检修中，GPT-4o平均只贬责了12%的题目；而o1模子单次测试的平均解题率达到了74%。若是算上64次测试的平均得分，能达到83%；再行从1000个样本中名次，平均得分致使可以达到93%。

这个收获不仅让它投入了全好意思前500名，还突出了参加好意思国数学奥林匹克的分数线。

他们还用一个叫作念GPQA钻石的可贵来测试o1。这个测试波及化学、物理和生物学的专科学问。

他们请了一些领有博士学位的群众来恢复这些问题，成果发现，o1模子的发达突出了东谈主类群众，成为第一个在这个测试中获得这样收获的模子。

这并不虞味着o1在扫数方面王人比博士更锐利，而是证明它在贬责某些专科问题上更为老练。

天然，在其他一些机器学习的测试中，他们也作念了大王人测试；它在MMMU的视觉感知测试中得了78.2分，成为第一个能和东谈主类群众竞争的模子；况兼，在57个MMLU子测试中的54个名堂上，它的发达王人优于GPT-4o。

我有趣地搜索了一下，什么是 MMLU？绵薄讲，MMLU 像一场大型的轮廓检修，参加检修的不是东谈主类，而是东谈主工智能模子。

总之，这些测试最终论断是：

OpenAI的o1模子在全球编程比赛Codeforces中名依次89位，在好意思国数学奥林匹克（AIME）的资历赛中，投入了全好意思前500名。

在物理、生物学和化学问题的测试中，它的发达致使突出了博士水平。

因此，o1-preview和o1 mini在贬责高难度的推理和专科问题上发达更出色；而GPT-4o更适宜处理日常的任务。

三

是以，这样强的推理材干如何收尾的？要道有四个方面：

起先，o1模子用了一种“自我对弈强化学习”（Self-play RL）的花样；这是一种通过模拟环境和自我扞拒来进步模子性能的时刻。

这种花样中，模子在莫得外部指导，通过束缚尝试和荒唐来学习策略和优化有野心。

联想一下：

它就像在和我方棋战，一边玩一边学；过程中，无用别东谈主教，我方试试、出错、再试，渐渐就学会了如何作念有野心和贬抑止题。

其次，o1还师法了东谈主类的“慢想考”（Slow Thinking）；这种想考要时间、致力和逻辑三者接续，就像咱们在检修时仔细想考一个可贵相似。

通过三想尔后行的样子，o1先分析问题，然后把它闭幕，再推理，再贬责；这让它在科学、编程或数学上更精确，更出色。

天然，这一步离不开想维链。

想维链的推理，还用一种特有的花样来监控模子。若是这些想维链是可读的，研发东谈主员就能“读懂”模子的想考过程。

这关于监测模子是否能主管用户活动相当有匡助，然而，为了让模子能摆脱地抒发想考，他们不在模子中加入任何与战略、用户偏好商酌的硬性次序。

因此，这个模子整合了安全战略和东谈主类价值不雅，通过在模子的谜底中重现想维链中的有效宗旨，让用户转折了解模子的想考过程。

还有极少，想维链加入了鲁棒性（Robustness）测试。所谓鲁棒性指一个系统、模子或者缔造在面临各式不测情况、干涉或者变化时，仍然能够正常职责，回绝易出问题。

比如：

一辆汽车，不管在高温、低温、下雨如故震荡的路面上，王人能正常行驶，这证明它的鲁棒性很好；在AI边界，鲁棒性指软件、模子在面临不同的数据输入、荒唐，致使坏心挫折时，仍然能保合手踏实和准确。

是以，鲁棒性强调的是在各式复杂、多变的环境下，仍然能保合手可靠和踏实的性能。

除以上两点，o1在造就时还用上了数据飞轮（Data Flywheel）；它的正确谜底会被用来再造就它我方，匡助它变得更聪惠。

天然，为辅助这些复杂的想考任务，o1还用上了一些独特优化的算法、架构。这些时刻让它更快、更准确地贬抑止题，提高了它的合座材干。

总之，o1模子造就暖热五个维度：

1. 自我对弈强化学习；2. 师法东谈主类慢想考；3. 拆解了想维链的过程；4. 在想维链中加入了鲁棒性测试；5. 数据飞轮再强化。

看完官网文档，说白了，我以为他们让AI更像东谈主了。

四

再弘远的东西，不买卖化确定不行。那么，o1模子的老本和使用罢休有哪些呢？

o1-preview的价钱是：

每处理一百万个输入要花15好意思元，每处理一百万个输出则是60好意思元；这证明，若是你用这个版块，输入和输出的处理用度会比拟高。

爱护啊。这是什么见识？举个例子：

若是你每天和这个模子聊天100次，每次输入1000个单词，那么一天的用度是75好意思分乘以100次，等于75好意思元。按照目下汇率，75好意思元约等于540东谈主民币。

这样看来，使用这个模子的老本独特于每天花540块钱。若是你每天王人这样使用，一个月下来的破耗就相当可不雅了，堪比请一个群众了。

而o1-mini的价钱低廉一些。

每一百万个输入只需3好意思元，每一百万个输出12好意思元。但这个低廉版在功能上可能会有些罢休；若是你是ChatGPT Plus或Team的用户，就可以优先尝试o1模子的功能。

对开垦者来说，条目就严格多了，独一支付了1000好意思元的五级开垦者才能用这个模子，况兼每分钟只可调用20次。

至于API的调用罢休，o1-preview每周只可调用30次，o1-mini每周可以调用50次。这种罢休是按周来算的，不是按小时或分钟。

功能方面，目下的o1模子还不行辅助扫数的功能，比如分解图片、生成图片、暴露代码、网页搜索等。是以，用户目下只可用它来进行基本的对话。

官方还说：

固然目下o1模子老本较高，使用也有限，但跟着时刻发展和OpenAI的束缚纠正，瞻望将来会有更多用户能使用到这个模子，老本也可能会裁汰。

不管岂肯说，AI越来越像东谈主相似“三想尔后行”了，至于这个模子，谁会付费呢？谁又能为它支付1000好意思金呢？未必，独一大公司、商讨机构、有特定需求的专科东谈主士才能承担得起。

那到时候，真就成了费钱请了一个“AI群众”，是以，AI会替代群众吗？

归来‍

越来越像东谈主的模子。

谁也猜不到，改日的o1-preview（mini）会发展成什么样，至少，它确定不会是个普通的GPT。

它会发展成具身智能吗？有这个可能。跟着时刻束缚当先，o1-preview（mini）很概况率会更动一些行业的运作样子。

本文来自微信公众号：王智远，作家：王智远