我要投稿

OpenAI全新发布o1模型 - 我们正式迈入了下一个时代。

发布日期：2024-09-13 06:09:45 浏览次数： 2799

作者：数字生命卡兹克

微信搜一搜，关注“数字生命卡兹克”

大半夜的，OpenAI抽象了整整快半年的新模型。

在没有任何预告下，正式登场。

正式版名称不叫草莓，草莓只是内部的一个代号。他们的正式名字，叫：

为什么取名叫o1，OpenAI是这么说的：

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.

翻译过来是：

对于复杂推理任务来说，这是一个重要的进展，代表了人工智能能力的新水平。鉴于此，我们将计数器重置为 1，并将这一系列命名为 OpenAI o1。

这次模型的强悍，甚至让OpenAI不惜推掉了过去GPT系列的命名，重新起了一个o系列。

炸了，真的炸了。

我现在，头皮发麻，真的，这次OpenAI o1发布，也标志着，AI行业，正式进入了一个全新的纪元。

“我们通往AGI的路上，已经没有任何阻碍。”

在逻辑和推理能力上，我直接先放图，你们就知道，这玩意有多离谱。

AIME 2024，一个高水平的数学竞赛，GPT4o准确率为13.4%，而这次的o1 预览版，是56.7%，还未发布的o1正式版，是83.3%。

代码竞赛，GPT4o准确率为11.0%，o1 预览版为62%，o1正式版，是89%。

而最牛逼的博士级科学问题 (GPQA Diamond)，GPT4o是56.1，人类专家水平是69.7，o1达到了恐怖的78%。

我让Claude翻译了一下o1的图，丑是丑了点，但是能看的懂每项数据意思就行。

什么叫全面碾压，这就是。

特别是在测试测试化学、物理和生物学专业知识的基准GPQA-diamond上，o1 的表现全面超过了人类博士专家，这也是有史以来，第一个获得此成就的模型。

而整个模型之所以达到如此成就，基石就是Self-play RL，不知道这个的可以去看我前两天的预测文章：新模型草莓到底是个啥？

通过Self-play RL，o1学会了磨练其思维链并完善所使用的策略。它学会了识别和纠正自己的错误。

它也学会了将复杂的步骤分解为更简单的步骤。

而且当当前的方法不起作用时，它也学会了尝试不同的方法。

他学会的这些，就是我们人类，最核心的思考方式：慢思考。

诺贝尔经济学奖得主丹尼尔·卡尼曼有一本著作，名叫：《思考，快与慢》。

非常详细的阐述了人类的两种思考方式。

第一种是快思考（系统1），特点是快速、自动、直觉性、无意识，举几个例子：

看到一个笑脸就知道对方心情很好。
1+1=2 这样简单的计算。
开车时遇到危险情况立即踩刹车。

这些就是快思考，也就是传统的大模型，死记硬背后学得的快速反应的能力。

第二种是慢思考（系统2），特点是缓慢、需要努力、逻辑性、有意识，举几个例子：

解决一道复杂的数学题
填写税务申报表
权衡利弊后做出重要决定

这就是慢思考，我们人类之所以强大的核心，也是AI要通往下一步AGI路上的基石。

而现在，o1终于踏出了坚实的一步，拥有了人类慢思考的特质，在回答前，会反复的思考、拆解、理解、推理，然后给出最终答案。

说实话，这些增强的推理能力在处理科学、编码、数学及类似领域的复杂问题时绝对极度有用。

例如o1可以被医疗研究人员用来注释细胞测序数据，被物理学家用来生成量子光学所需的复杂数学公式，以及被各个领域的开发人员用来构建和执行多步骤工作流，等等等等。

o1也绝对是全新一代的数据飞轮，如果答案正确，整个逻辑链就会变成一个包含正负奖励的训练示例的小型数据集。

以OpenAI的用户级别，未来的进化速度，只会更恐怖。

写到这，我忽然叹了口气，我觉得我跟一年以后的o1比起来，可能就是个纯废物了，真的。。。

目前，o1模型已经逐步向所有ChatGPT Plus和 Team用户开放，未来会考虑对免费用户开放。

分为两个模型，o1预览版和o1 mini，o1-mini就是更快更小更便宜，推理啥的都不错，极度适合数学和代码，就是世界知识会差很多，适用于需要推理但不需要广泛世界知识的场景。

o1预览版每周30条，o1-mini每周50条。

雪崩，甚至不是按以前的3小时来限制的，是每周30条，也能从侧面看出来，o1这个模型，有多贵了。

对于开发者来说，只对已经付过1000美刀的等级5开发者开放，每分钟限制20次。

都挺少的。

而且在功能上阉割挺大，但是毕竟早期，理解。

API的价格上，o1预览版每百万输入15美元，每百万输出60美元，这个推理成本...

o1-mini会便宜一些，每百万输入3美元，每百万输出12美元。

输出成本都是推理成本的4倍，对比一下GPT4o，分别是5美元和15美元。

o1-mini还是勉强有一些经济效应的，不过还是开始，后面等着OpenAI打骨折。

既然说o1已经对Plus用户开放，我就直接去我的号上看了眼，还不错，拿到了。

那自然，第一时间试一试。

目前不支持曾经的所有功能，也就是没有图片理解、图片生成、代码解释器、网页搜索等等，只有一个可以对话的裸模型。

我先是一个曾经很致命的问题：

“农夫需要把狼、羊和白菜都带过河，但每次只能带一样物品，而且狼和羊不能单独相处，羊和白菜也不能单独相处，问农夫该如何过河。”

思考了6秒时间，给了我一个很完美的回答。

还有之前一个坑遍所有大模型的调休问题：

“这是中国2024年9月9日（星期一）开始到10月13日的放假调休安排:上6休3上3休2上5休1上2休7再上5休1。

请你告诉我除了我本来该休的周末，我因为放假多休息了几天？”

在o1思考了整整30秒以后，给出了一天不差的极度精准的答案。

无敌，真的无敌。

再来一个更难的，就是曾经姜萍那个比赛的奥数题：

别问我题目什么意思，我看不懂，我是废物，这题曾经屠杀所有的大模型，这次，我们让o1也来试一下看看。

在o1思考了整整1分多钟之后，他给出了答案。

...

全...对...

我裂开了。

目前我自己试下来，感觉Prompt，未来可能也要重新摸索，在GPT为代表的快思考大模型时代，我们有很多所谓的一步一步思考之类的玩意，现在全都无效了，对o1甚至还有负效果。

OpenAI给出的最佳写法是：

保持提示简单直接：模型擅长理解和响应简短、清晰的指令，而不需要大量的指导。
避免思路链提示：由于这些模型在内部进行推理，因此不需要提示它们“逐步思考”或“解释你的推理”。
使用分隔符来提高清晰度：使用三重引号、XML 标签或章节标题等分隔符来清楚地指示输入的不同部分，帮助模型适当地解释不同的部分。
限制检索增强生成 (RAG) 中的附加上下文：提供附加上下文或文档时，仅包含最相关的信息，以防止模型过度复杂化其响应。

最后，我想说一下这个思考的时长。

现在o1是思考了一分钟，但是，如果是真正的AGI，说实话，思考的越慢可能会越刺激。

当他真的，可以去做证明数学定理，去做癌症药物研发，去做天体研究呢？

每一次的思考，可以达到几小时、几天、甚至几周呢？

最后的结果，可能会让所有人震惊的难以置信。

现在，没有人能想象到，那时候的AI，会是一个什么样的存在。

而o1的未来，在我看到，也绝对不止是一个普普通通的ChatGPT。

而是我们前往下个时代，最伟大的基石。

“我们通往AGI的路上，已经没有任何阻碍。”

现在，我毫不犹豫的坚信着这句话。

星光熠熠的下一个时代。

在今天。

正式到来了。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-09-14

为什么说阿里巴巴正转身“AI科技公司”

2025-09-14

阿里云赢 AI 云的真相：不是模型比人强，是把 “用 AI 的门槛” 拆成了 “可复制的效率”

2025-09-14

一万两千字，解读智能应用开发最佳实践

2025-09-14

AI 新玩法：GraphRAG × Ollama 打造更聪明的智能体

2025-09-14

阿里云视觉多模态理解大模型开发训练部署

2025-09-14

2025.9 回顾过去1年的LLM圈进展与展望

2025-09-14

抢先实测美团首个AI Agent，让我体验一把「懒人点餐」的快乐

2025-09-14

从Chat到Agent的进化

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek-V3.1 发布，迈向 Agent 时代的第一步

2025-08-21

精|知识探索新范式：深度研究Deep Research智能体全面综述，系统、方法与应用

2025-06-21

DeepSeekV3.1 提到的 UE8M0 FP8 Scale 是什么？下一代国产芯片设计？

2025-08-21

DeepSeek V3.1 测评

2025-08-19

能办成事的 Agent：实时与环境交互，从经验中学习

2025-06-19

WAIC 2025 观察：大模型进入“效率与场景”决胜期

2025-07-29

AI大家说 | 下一代AI创业的机会在哪里？定价趋势是什么？

2025-09-08

DeepSeek突然更新V3.1：实测后才发现的亮点与槽点

2025-08-19

DeepSeek v3.1 到底有多强？与 Claude Code 一起实测！

2025-08-20

豆包又在偷偷进步！超能创意2.0内测，语意理解能力追平FLUX Kontext

2025-07-04

大家都在问

Qwen3-Coder与Claude Code深度对比：谁是你的AI编程助手？

2025-09-14

阿里推出夸克医疗大模型：医考70%高分背后，RAG为何是“压舱石”？

2025-09-12

AI市场调查实战：如何让AI帮你搜全网特定规格的产品？

2025-09-11

Embedding-审核场景下都可以在哪里应用？

2025-09-11

nano banana 文生图模型有哪些具体的应用场景？

2025-09-09

Claude Code：极简架构 + 万字提示词 = 最强开发者智能体？

2025-09-09

观察 | 面临经济下行和AI的双重冲击，企业顾问如何突破困局？

2025-09-08

AI大家说 | 下一代AI创业的机会在哪里？定价趋势是什么？

2025-09-08

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB