昨天晚上，OpenAI發布了最新的草莓模型——01系列，隨著01模型的問世，我們有理由相信，AI的“思考”將更加貼近人類，而其在各行各業的應用，也將帶來革命性的變革。

凌晨1點，我還在追劇。

這時，朋友發來一條消息說：Open AI發布了新模型，你在電腦上試試看能用嗎？哎，大哥，都要睡覺了，這要強制開機，讓我起來加班碼字啊。

帶著好奇，打開PC端ChatGPT一看，果然，多出兩個模型，分別是ChatGPT 01-mini和01-preview。

這是什么東東？怎么叫這個名字？這個模型有什么特點？怎么還有兩個版本呢？價位如何？難道是此前被傳的「草莓」做出來了？

帶著疑惑，熬夜看完官方文檔，把內容總結分享給你。

01

為什么叫01呢？官方說：

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。

我用自帶瀏覽器的翻譯功能，翻譯出來就是：

這個模型在復雜推理任務上是一個重大的進步，代表了人工智能能力的一個新水平；因此，我們決定重新開始編號，把這一系列模型命名為OpenAI 01。

襖，原來因為這個模型非常厲害，能做很多復雜的事情，OpenAI 覺得這是一個新的起點，所以把編號重新設為1，開始一個新的系列。

那么，它為什么會有兩個版本呢？官方說：

o1 mini版是個簡化的版本。它在速度、體積和成本方面都做了優化。

這個版本在處理數學、編程推理任務時表現不錯，特別適合需要快速處理問題的場合；因為它體積小，成本也低，所以，如果你想快速得到答案，那么o1 mini版可能更適合你。

相對01 preview版，是完整版本。

比較擅長解決復雜的問題，比如，無論是科學問題、數學題還是編程，它都能處理得非常好；當然，如果你遇到的問題要廣泛的知識或者深刻的理解，那么這個版本更適合你，因為它的推理能力非常強大。

我不信，于是，讓國產大模型Kimi Chat給我想了一個邏輯數學邏輯題，如下：

假設我有一個農場，里面有雞和兔子。有一天，我數了數農場里動物的頭和腳，發現總共有35個頭和94只腳。請問，農場里各有多少只雞和兔子？

preview版的確很強。除了告訴我有23只雞，和12只兔子外，還給出了步驟，整個下來，也就不到2秒。

當然，這種測試用來對付Chat肯定是無壓力的，如果你有時間，也可以帶入工作中的問題，自己體驗下。

總的來說，兩個版本的主要區別是它們處理任務的能力、速度和成本；o1 mini版在速度、成本上有優勢；preview版更適合推理。

不過，實際體驗下來，沒覺得有什么差異，也許我本身要它做的事情，比較簡單。

體驗完后，仔細一想，這和GPT-4o、GPT-4omini有啥區別呢？非要搞出四個模型嗎？加上GPT-4，我電腦上已經有五個模型了。

查了下官方文檔，有一篇文章叫《用法學碩士學習推理》（Learning to Reason with LLMs）詳細介紹了一切。

他們是這么說的：

在對OpenAI的兩個AI模型——o1-preview和GPT-4o的實際使用偏好測試中，人類評估者在不知情的情況下，比較了兩個模型對復雜問題的回答。

結果顯示，在需要大量推理的任務上，比如數據分析、編程和數學問題，大家更喜歡o1-preview。因為o1-preview經過特殊的強化學習訓練，所以，在解決這類問題時，推理能力更強，更高效。

但是，在自然語言處理任務上，o1-preview的表現不如GPT-4o。這是因為它的訓練重點在推理和解決問題的策略上，而不是在語言的流暢度或文本生成的多樣性上。

這說明，雖然o1-preview在某些領域很出色，但它并不適合所有類型的任務，尤其是那些專注于自然語言處理的場景。

原來如此。

我又看了看o1-preview和o1 mini版適合哪些人。官方說，如果你在處理科學、編碼、數學等領域的復雜問題，這些增強的推理能力可能特別有用。

比如：

醫療研究人員可以用o1來標注細胞測序數據；物理學家可以生成量子光學所需的復雜數學公式；各個領域的開發者都可以用o1來構建和執行多步的工作流程。

所以，如果你做科學、敲代碼、編程、數學方面的工作，用它再好不過了。

02

那么，o1-preview和o1 mini到底做了哪些測試呢？

首先，為了顯示o1模型在推理方面比GPT-4o有多大改進，他們在不同的人體檢查和機器學習基準上測試了它。

比如：

在2024年的AIME數學考試中，GPT-4o平均只解決了12%的題目；而o1模型單次測試的平均解題率達到了74%。如果算上64次測試的平均得分，能達到83%；重新從1000個樣本中排名，平均得分甚至可以達到93%。

這個成績不僅讓它進入了全美前500名，還超過了參加美國數學奧林匹克的分數線。

他們還用一個叫做GPQA鉆石的難題來測試o1。這個測試涉及化學、物理和生物學的專業知識。

他們請了一些擁有博士學位的專家來回答這些問題，結果發現，o1模型的表現超過了人類專家，成為第一個在這個測試中取得這樣成績的模型。

這并不意味著o1在所有方面都比博士更厲害，而是說明它在解決某些專業問題上更為熟練。

當然，在其他一些機器學習的測試中，他們也做了大量測試；它在MMMU的視覺感知測試中得了78.2分，成為第一個能和人類專家競爭的模型；而且，在57個MMLU子測試中的54個項目上，它的表現都優于GPT-4o。

我好奇地搜索了一下，什么是 MMLU？簡單講，MMLU 像一場大型的綜合考試，參加考試的不是人類，而是人工智能模型。

總之，這些測試最終結論是：

OpenAI的o1模型在全球編程比賽Codeforces中排名第89位，在美國數學奧林匹克（AIME）的資格賽中，進入了全美前500名。

在物理、生物學和化學問題的測試中，它的表現甚至超過了博士水平。

因此，o1-preview和o1 mini在解決高難度的推理和專業問題上表現更出色；而GPT-4o更適合處理日常的任務。

03

所以，這么強的推理能力怎么實現的？關鍵有四個方面：

首先，o1模型用了一種“自我對弈強化學習”（Self-play RL）的方法；這是一種通過模擬環境和自我對抗來提升模型性能的技術。

這種方法中，模型在沒有外部指導，通過不斷嘗試和錯誤來學習策略和優化決策。

想象一下：

它就像在和自己下棋，一邊玩一邊學；過程中，不用別人教，自己試試、出錯、再試，慢慢就學會了怎樣做決策和解決問題。

其次，o1還模仿了人類的“慢思考”（Slow Thinking）；這種思考要時間、努力和邏輯三者結合，就像我們在考試時仔細思考一個難題一樣。

通過深思熟慮方式，o1先分析問題，然后把它拆開，再推理，再解決；這讓它在科學、編程或數學上更精準，更出色。

當然，這一步離不開思維鏈。

思維鏈的推理，還用一種獨特的方法來監控模型。如果這些思維鏈是可讀的，研發人員就能“讀懂”模型的思考過程。

這對于監測模型是否能操縱用戶行為非常有幫助，但是，為了讓模型能自由地表達思考，他們不在模型中加入任何與政策、用戶偏好相關的硬性規定。

因此，這個模型整合了安全政策和人類價值觀，過在模型的答案中重現思維鏈中的有用想法，讓用戶間接了解模型的思考過程。

還有一點，思維鏈加入了魯棒性（Robustness）測試。所謂魯棒性指一個系統、模型或者設備在面對各種意外情況、干擾或者變化時，仍然能夠正常工作，不容易出問題。

比如：

一輛汽車，無論在高溫、低溫、下雨還是顛簸的路面上，都能正常行駛，這說明它的魯棒性很好；在AI領域，魯棒性指軟件、模型在面對不同的數據輸入、錯誤，甚至惡意攻擊時，仍然能保持穩定和準確。

所以，魯棒性強調的是在各種復雜、多變的環境下，仍然能保持可靠和穩定的性能。

除以上兩點，o1在訓練時還用上了數據飛輪（Data Flywheel）；它的正確答案會被用來再訓練它自己，幫助它變得更聰明。

當然，為支持這些復雜的思考任務，o1還用上了一些特別優化的算法、架構。這些技術讓它更快、更準確地解決問題，提高了它的整體能力。

總之，o1模型訓練關注五個維度：

一，自我對弈強化學習、二，模仿人類慢思考、三，拆解了思維鏈的過程；四，在思維鏈中加入了魯棒性測試；五，數據飛輪再強化。

看完官網文檔，說白了，我覺得他們讓AI更像人了。

04

再強大的東西，不商業化肯定不行。那么，o1模型的成本和使用限制有哪些呢？

o1-preview的價格是：

每處理一百萬個輸入要花15美元，每處理一百萬個輸出則是60美元；這說明，如果你用這個版本，輸入和輸出的處理費用會比較高。

真貴啊。這是什么概念？舉個例子：

如果你每天和這個模型聊天100次，每次輸入1000個單詞，那么一天的費用是75美分乘以100次，等于75美元。按照現在匯率，75美元大概等于540人民幣。

這樣看來，使用這個模型的成本相當于每天花540塊錢。如果你每天都這么使用，一個月下來的花費就非常可觀了，堪比請一個專家了。

而o1-mini的價格便宜一些。

每一百萬個輸入只需3美元，每一百萬個輸出12美元。但這個便宜版在功能上可能會有些限制；如果你是ChatGPT Plus或Team的用戶，就可以優先嘗試o1模型的功能。

對開發者來說，要求就嚴格多了，只有支付了1000美元的五級開發者才能用這個模型，而且每分鐘只能調用20次。

至于API的調用限制，o1-preview每周只能調用30次，o1-mini每周可以調用50次。這種限制是按周來算的，不是按小時或分鐘。

功能方面，目前的o1模型還不能支持所有的功能，比如理解圖片、生成圖片、解釋代碼、網頁搜索等。所以，用戶現在只能用它來進行基本的對話。

官方還說：

雖然現在o1模型成本較高，使用也有限，但隨著技術發展和OpenAI的不斷改進，預計將來會有更多用戶能使用到這個模型，成本也可能會降低。

不管怎能說，AI越來越像人一樣“深思熟慮”了，至于這個模型，誰會付費呢？誰又能為它支付1000美金呢？或許，只有大公司、研究機構、有特定需求的專業人士才能承擔得起。

那到時候，真就成了花錢請了一個「AI專家」，所以，AI會替代專家嗎？

總結

越來越像人的模型。

誰也猜不到，未來的o1-preview（mini）會發展成什么樣，至少，它肯定不會是個普通的GPT。

它會發展成具身智能嗎？有這個可能。隨著技術不斷進步，o1-preview（mini）很大概率會改變一些行業的運作方式。