OpenAI发布全新o1模型：它会像人类一样“深思熟虑”｜甲子光年

### OpenAI新型号o1在毫无预警中发布

OpenAI的“草莓”（Strawberry）模型在全球期待中终于公布，令人惊讶的是，这一切在毫无预备的情况下迅速展开。北京时间今天凌晨，OpenAI发布了新型号OpenAI o1，这也正是之前所传的“草莓”，最初代号为“Q*”。OpenAI的CEO萨姆·奥尔特曼（Sam Altman）称其为“新范式的开始”。

通过官方的信息分析，o1模型的特点可以总结为：更大、更强、更慢、更贵。经过强化学习（Reinforcement Learning），OpenAI o1在推理能力方面实现了重大进步。研发团队观察到，随着训练时间（强化学习的增加）和思考时间（测试过程中的计算）延长，o1的表现不断提升，这种扩展的挑战与大型语言模型（LLM）的预训练限制截然不同。

关于o1自主执行浏览器或系统操作级别任务的功能，目前公开信息尚未提及。OpenAI表示，虽然初期模型并未支持网络搜索、上传文件和图片等功能，但在解决复杂推理问题上有显著进步，显示了人工智能技术的新水平。因此，o1系列被视为一个新的起点。

o1模型在回答前会进行10—20秒的“深思熟虑”，构建内部思路链，并尝试不同策略及识别错误。这种推理能力赋予o1广泛的行业应用潜力，尤其在科学、数学和编程任务中，与博士生的水平相当。在国际数学奥林匹克资格考试（AIME）中，o1的正确率达到83%，成功进入美国前500名学生，而其前代模型GPT-4o的正确率仅为13%。

OpenAI还列举了一些具体应用案例，包括医疗研究、量子光学公式生成以及复杂工作流程的构建等。o1系列模型包括OpenAI o1、o1-preview和o1-mini，其中o1为高级推理模型，尚未对外开放；o1-preview则更重视深度推理，每周使用30次；o1-mini则是一款更高效、经济的编码模型，每周使用50次。开发者和研究人员可以通过ChatGPT和API访问这些模型。

### 市场反应与价格心理战

在o1发布之前，传闻OpenAI可能推出的“草莓”和“猎户座”模型的定价为每月2000美元，引发了社会的广泛讨论。然而，今日实际销售的ChatGPT Pro会员定价为200美元/月。这种价格差异令人感到“占便宜”的心理战，显示了OpenAI的市场策略。

在今年5月，奥尔特曼提到未来的GPT-5可能会将数据与推理引擎分离，认为现阶段的推理引擎仍存在资源浪费的问题。但在今日的发布中，GPT-5并未出现，数据与推理引擎分离的设想也未得到落实。

### 打磨“思维链”

大模型因其“不会数数”而受到批评，根本原因在于缺乏结构化推理能力。推理是人类智能的核心能力之一，而大模型主要通过非结构化文本数据进行训练，在处理复杂推理任务时则显得无能为力。因此，OpenAI引入了思维链（Chain of Thought, CoT）技术，以帮助模型逐步解释推理过程，解决问题。

尽管人工标注思维链既耗时又昂贵，强化学习的实施可以避免这种负担。强化学习使模型通过试错获得经验，从而优化问题解决方案，无需人工干预。这种方法不仅提升了o1的推理能力，还能使其在遇到逻辑障碍时尝试新的解决办法。

通过强化学习，o1逐步完善思考过程，识别和纠正错误，将复杂问题分解为更简单的部分。这使得o1在推理上表现得更加高效。OpenAI联合创始人格雷格·布罗克曼表示，这一次是首次使用强化学习进行训练的模型。

### OpenAI的动荡与挑战

在o1发布前，OpenAI遇到了管理层的剧烈动荡。今年2月，创始成员安德烈·卡帕斯宣布离职，随后前首席科学家伊利亚·苏茨克维、超级对齐团队共同主管简·雷克等核心成员相继离职，这使OpenAI的未来充满不确定性。

随着商业化进程的加速，团队成员流失和运营成本的上升使得公司面临巨大的财务压力。根据外媒报道，OpenAI可能面临高达50亿美元的亏损，整体运营成本预计达到85亿美元。此外，公司正在寻求新一轮融资以支持其快速发展。

OpenAI在此背景下的o1发布，展示了其保持竞争力的努力与挑战。

### 结论

OpenAI的o1模型不仅提升了推理能力，也展示了在复杂问题中应用的新技术。如果后续版本能继续推进这些创新，同时解决管理问题和市场挑战，o1系列将为人工智能的未来发展铺平道路。随着技术的不断进步，o1在解决科学和编程任务中的广泛应用前景值得期待。