來(lái)了來(lái)了！剛剛，OpenAI新模型無(wú)預(yù)警上新：

o1系列，可以進(jìn)行通用復(fù)雜推理，每次回答要花費(fèi)更長(zhǎng)時(shí)間思考。

在解決博士水平的物理問(wèn)題時(shí)，GPT-4o還是“不及格”59.5分，o1一躍來(lái)到“優(yōu)秀檔”，直接干到92.8分！

沒(méi)錯(cuò)，傳說(shuō)中的「草莓」，終于來(lái)與大家見(jiàn)面了！

CEO奧特曼稱它是一種新范式的開(kāi)始：可以進(jìn)行通用復(fù)雜推理的人工智能。

具體來(lái)說(shuō)，o1系列是OpenAI首個(gè)經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的模型，在輸出回答之前，會(huì)在產(chǎn)生一個(gè)很長(zhǎng)的思維鏈，以此增強(qiáng)模型的能力。

換句話說(shuō)，內(nèi)部思維鏈越長(zhǎng)，o1思考得越久，模型在推理任務(wù)上的表現(xiàn)就越好。

o1有多強(qiáng)呢？CEO奧特曼直給了答案：

在剛剛結(jié)束的2024 IOI信息學(xué)奧賽題目中，o1的微調(diào)版本在每題嘗試50次條件下取得了213分，屬于人類(lèi)選手中前49%的成績(jī)。

如果允許它每道題嘗試10000次，就能獲得362.14分，高于金牌選手門(mén)檻，可獲得金牌。

另外它還在競(jìng)爭(zhēng)性編程問(wèn)題 (Codeforces) 中排名前89%，在美國(guó)數(shù)學(xué)奧林匹克 (AIME) 預(yù)選賽題目中躋身美國(guó)前500名學(xué)生之列。

與GPT-4o相比，o1在數(shù)理化生、英語(yǔ)法律經(jīng)濟(jì)等各種科目都有不同成績(jī)改進(jìn)。

匯總官方發(fā)布的各種消息來(lái)看，這次突然發(fā)布的o1系列又分為三個(gè)型號(hào)：

o1，新的大模型天花板，過(guò)于強(qiáng)大目前不方便對(duì)外公開(kāi)。

o1-preiview，o1的早期版本，可以立即提供給ChatGPT付費(fèi)用戶和API用戶。

o1-mini，速度更快、性價(jià)比更高，適用于需要推理和無(wú)需廣泛世界知識(shí)的任務(wù)。

不少OpenAI員工都分別用“系統(tǒng)1”和“系統(tǒng)2”思考來(lái)科普o1系列與之前模型的區(qū)別。

連長(zhǎng)期休假中的總裁Brockman都“詐尸”回歸了。

思維鏈提示方法的原作者Jason Wei表示，這一次不是純粹通過(guò)提示來(lái)完成思維鏈，而是使用強(qiáng)化學(xué)習(xí)訓(xùn)練模型以更好地執(zhí)行鏈?zhǔn)剿伎肌?/p>

在深度學(xué)習(xí)的歷史中，人們一直試圖擴(kuò)展訓(xùn)練階段的計(jì)算，但思維鏈?zhǔn)亲赃m應(yīng)計(jì)算的一種形式，現(xiàn)在也可以在推理時(shí)擴(kuò)展。

新模型做了很多類(lèi)似人類(lèi)的事情，比如將棘手的步驟分解為更簡(jiǎn)單的步驟、識(shí)別和糾正錯(cuò)誤以及嘗試不同的方法。

游戲已被完全重新定義。

o1：AI能力新天花板

通過(guò)訓(xùn)練，o1模型學(xué)會(huì)完善自己的思維過(guò)程，嘗試不同的策略，并認(rèn)識(shí)到自己的錯(cuò)誤。

不過(guò)作為早期模型，它尚不具備ChatGPT的許多有用功能，例如聯(lián)網(wǎng)搜索以及上傳文件和圖像。

但對(duì)于復(fù)雜的推理任務(wù)來(lái)說(shuō)，這是一個(gè)重大進(jìn)步，OpenAI稱代表了人工智能的最高水平。

鑒于此，他們決定將計(jì)數(shù)器重置，并將該系列模型命名為OpenAI o1。

隨著更多的強(qiáng)化學(xué)習(xí)（訓(xùn)練時(shí)計(jì)算）和更多的思考時(shí)間（測(cè)試時(shí)計(jì)算），o1 的性能持續(xù)提高，新的Scaling Law誕生了。

不過(guò)這種方法的Scaling受到的限制與普通預(yù)訓(xùn)練有很大不同，OpenAI正在繼續(xù)研究它們。

o1思考起來(lái)是什么樣子？可以從官網(wǎng)示例中的編寫(xiě)B(tài)ash腳本的編程任務(wù)一窺究竟。

首先作為對(duì)比，GPT-4o會(huì)直接就開(kāi)始寫(xiě)代碼，遺憾得到錯(cuò)誤結(jié)果。

而o1-preiview會(huì)先用自己的理解復(fù)述一遍要求，然后開(kāi)始拆解要求，明確最終目標(biāo)。

接下來(lái)它會(huì)給自己定義任務(wù)、分析限制條件、列出需要用到的方法。

進(jìn)一步把任務(wù)拆解成明確的數(shù)個(gè)小步驟。

最后才動(dòng)手編寫(xiě)代碼，并保證一次性得到正確結(jié)果。

OpenAI表示，o1系列可以幫醫(yī)療保健研究人員來(lái)注釋細(xì)胞測(cè)序數(shù)據(jù)，幫助物理學(xué)家可以生成量子光學(xué)所需的復(fù)雜數(shù)學(xué)公式，所有領(lǐng)域的開(kāi)發(fā)人員可以使用o1來(lái)構(gòu)建和執(zhí)行多步驟工作流程。

而且不是說(shuō)說(shuō)而已，OpenAI已經(jīng)邀請(qǐng)相關(guān)的人類(lèi)專家學(xué)者試用了一波。

馬克思普朗克研究所的量子物理學(xué)者Mario Krenn，展示了GPT-4o不能回答但o1-preview正確完成計(jì)算的復(fù)雜量子物理問(wèn)題。

除了考試和學(xué)術(shù)基準(zhǔn)之外，團(tuán)隊(duì)還評(píng)估了人們對(duì)o1-preview與GPT-4o在開(kāi)放問(wèn)題上的偏好。

在數(shù)據(jù)分析、編碼和數(shù)學(xué)等推理密集型類(lèi)別中，o1-preview明顯優(yōu)于gpt-4o。

然而o1-preview在某些自然語(yǔ)言任務(wù)上并不是首選，這表明它并不適合所有場(chǎng)景。

OpenAI科學(xué)家Noam Brown分享了更詳細(xì)的個(gè)人測(cè)試結(jié)果。

在上個(gè)月的ACL會(huì)議上有一個(gè)所有當(dāng)時(shí)大模型都無(wú)法解決的邏輯難題。o1-preview能夠做對(duì)，o1滿血版幾乎每次嘗試都能做對(duì)。

目前o1花費(fèi)在思考上的時(shí)間是幾秒到十幾秒，但OpenAI未來(lái)的改進(jìn)方向不是縮短，反而是努力增加這個(gè)時(shí)間，

目標(biāo)是讓未來(lái)的版本思考幾個(gè)小時(shí)、幾天甚至幾周。

推理成本會(huì)更高，但你會(huì)為一種新的抗癌藥物付多少錢(qián)？為了電池的突破、黎曼猜想的證明又付多少？

人工智能可以不僅僅是聊天機(jī)器人

誰(shuí)可以訪問(wèn)o1？

根據(jù)OpenAI官方說(shuō)法，ChatGPT Plus和Team用戶最早可在幾個(gè)小時(shí)內(nèi)可以體驗(yàn)到o1系列模型。

在發(fā)布時(shí)，o1-preview限制為每周30條消息，o1-mini每周50條。

API訪問(wèn)權(quán)限將首先給Tier 5級(jí)用戶，也就是已經(jīng)在OpenAI API上花費(fèi)超過(guò)1000美元的人。

OpenAI正在努力提高這些速率，并使ChatGPT能夠針對(duì)給定的提示自動(dòng)選擇合適的模型。

快打開(kāi)ChatGPT看看你是不是第一波吃草莓的人吧