TechWeb 文/卞海川毫无预热的情况下，Open AI于9月13日凌晨发布了o1系列的大模型，这是传闻中内部代号为“草莓”的项目，也是OpenAI首款具备复杂推理能力的大模型。与其前代模型相比，新模型o1擅长通用复杂推理，在物理、信息学等领域表现优异，OpenAI CEO奥特曼称它是一种新范式的开始：可以进行通用复杂推理的人工智能。OpenAI把新的模型发布称为「预览版」，强调o1系列仍处于早期阶段。作为早期模型，它尚不具备ChatGPT的许多有用功能，例如联网搜索以及上传文件和图像。虽然处于开发初期，但o1系列在竞赛数学、编码、科学等类目都有非常不错的表现，其中竞赛数学类甚至大幅领先GPT-4o。你可以简单理解为，o1系列模型是一个极度“偏科”的理工型人才。根据官方的解释，o1系列模型采取“思维链”的模式进行训练，以此提升大模型的逻辑推理能力。所以在回答问题之前，它会花更长时间思考，也就是说，o1系列并不追求信息输出反馈的速度，而是更在乎推理结果的准确性。为了更好的了解o1系列的能力，我们对它进行了一些简单的测试。我们首先用一些之前大模型都爱翻车的简单题目来测试一下o1系列的推理能力。“单词strawberry里面到底有几个r”不出意外，GPT-4o依旧翻车，给出的答案是错误的。让我们惊喜的是，GPT-o1的回答就非常准确，“9.11和9.8谁更大？”GPT-4o在1秒内回答，但是给出了错误答案。难倒了一众大模型的小数位比大小问题，o1系列没有翻车，在等待了10多秒以后，o1给出的答案是正确的。我们再来一些正常的推理题，选择经典的小学奥数水平“空瓶换汽水”问题。原题如下：“1元钱一瓶汽水，喝完后两个空瓶换一瓶汽水，问：你有20元钱，最多可以喝到几瓶汽水？”很遗憾，在第一次回答的结果上，4o和o1系列都给出了错误的39瓶答案。但区别在于，如果我告诉它正确的答案，o1系列会纠正自己的错误，给出新的解题思路，但GPT-4o依旧觉得自己的回答是正确的。接下来我们把难度升级，测试一下竞赛类题目o1系列模型的能力。据 OpenAI 介绍，在测试中，o1系列模型在物理、化学和生物等具有挑战性的基准任务上的表现达到了博士生的水平。这一模型在数学和编码方面表现出色。在国际数学奥林匹克（IMO）的资格考试中，GPT-4o 只正确解决了 13% 的问题，而 o1 模型的得分率则高达 83%。o1系列模型的编码能力也在竞赛中得到了评估，在 Codeforces 竞赛中达到了第 89 个百分点。Open AI CEO奥特曼在刚刚结束的2024 IOI信息学奥赛题目中，o1的微调版本在每题尝试50次条件下取得了213分，属于人类选手中前49%的成绩。也就是说，它已经超过了大多数人类数学天才!如果允许它每道题尝试10000次，就能获得362.14分，高于金牌选手门槛，可获得金牌。我们选取了AIME 2023的真题，该数学竞赛的题目难度比IMO稍低，但仍处于数学竞赛题目难度前列。经过测试，o1和4o给出了两个完全不一样的答案，虽然解题思路步骤我们没看懂，但从官方给出的答案来看，o1的结果是正确的。最后，我们来测试一下o1系列代码能力，以经典的俄罗斯方块小游戏作为考题。我们给o1模型提了要求，然后将所有代码复制运行，一字未改，成功实现俄罗斯方块小游戏。写在最后经过我们的简单测试，o1系列模型的最大亮点是显著增加了逻辑推理能力，以前GPT-4o回答不上来的问题，o1系列可以给出正确的解题思路，它已经不仅仅是简单的生成答案，而是能够提前规划、思考，更接近人类的思维过程。尤其是在数学领域表现突出。不过，它在特定领域的精确度与应对复杂对话的表现上仍有待进一步优化，在数据分析、编程和数学等重推理的类别中，人们更倾向于选择o1-preview。但在一些自然语言任务中，GPT-4o更胜一筹。

↑扫描二维码

想在手机上看科技资讯和科技八卦吗？想第一时间看独家爆料和深度报道吗？请关注TechWeb官方微信公众帐号：1.用手机扫左侧二维码；2.在添加朋友里，搜索关注TechWeb。

用户旧电脑寄给爱回收 没收到钱却收到诡异短信

声网发布aPaaS灵动会议 AI成为下一代视频会议的新方向

华为举办秋季全场景新品发布会，华为WATCH GT 5、鸿蒙智行智界R7等多款新品亮相

TechWeb微晚报：华为三折叠手机溢价暴跌，“价格战”致新车市场损失逾千亿

高德地图将联合生态伙伴发放百亿补贴

华为纯血鸿蒙10月8日开启公测

12306上线“车内换座”新功能，要多花钱吗？平台回应

3nm制程天玑9400 GPU跑分曝光：超苹果A18 Pro近一倍！

扎克伯格净资产达到2000亿美元 成马斯克和贝佐斯后第三人

ChatGPT高级语音模式正式上线 有9种声线可选

苹果近十年回购超过7000亿美元股票 2024财年有望超过900亿美元

消息称台积电1.4nm工艺计划2027年量产 两座工厂可能已在准备建设

台积电亚利桑那州首座工厂从破土动工到小批量生产 用时不到三年半

消息称比亚迪SHARK皮卡下月开始在澳大利亚接受预订 起售价6.8万澳元

谷歌CEO：AI不会取代程序员 有助于程序员工作还会帮助更多人成为程序员

OpenAI阿尔特曼预测“智能时代”即将到来 AI将能独立取得科学成就

消息称OpenAI劲敌Anthropic也已开始洽谈新一轮融资 估值有望达到400亿美元

不只两座？台积电明年可能会有4座工厂量产2nm制程工艺

西谷云田凤宾：算力体系在标准路线、体系架构方面仍然处于起步阶段

微软AI暴露主观意识：会示爱、会PUA甚至威胁人类

青云QingCloud EHPC 打造即买即用的全流程SaaS化超算服务

沙利文报告：中国AI平台开发应用市场综合竞争表现 亚马逊云科技居首

要数据还是要环境？数据中心能耗未来将突破全球电力近10%！

蚂蚁链发布BTN：可将区块链网络吞吐量提升186% 带宽成本降低80%

蚂蚁自研数据库OceanBase宣布开源 300万行核心代码向社区开放

法院正式判决，小米移出军事清单：正式撤销了对小米公司的全部限制