突發！OpenAI發布最強模型o1：博士物理92.8分，IOI金牌水平
來了來了！剛剛，OpenAI新模型無預警上新：
o1系列，可以進行通用復雜推理，每次回答要花費更長時間思考。
在解決博士水平的物理問題時，GPT-4o還是“不及格”59.5分，o1一躍來到“優秀檔”，直接干到92.8分！
沒錯，傳說中的「草莓」
，終于來與大家見面了！
CEO奧特曼稱它是一種新范式的開始：可以進行通用復雜推理的人工智能。
具體來說，o1系列是OpenAI首個經過強化學習訓練的模型，在輸出回答之前，會在產生一個很長的思維鏈，以此增強模型的能力。
換句話說，內部思維鏈越長，o1思考得越久，模型在推理任務上的表現就越好。
o1有多強呢？CEO奧特曼直給了答案：
在剛剛結束的2024 IOI信息學奧賽題目中，o1的微調版本在每題嘗試50次條件下取得了213分，屬于人類選手中前49%的成績。
如果允許它每道題嘗試10000次，就能獲得362.14分，高于金牌選手門檻，可獲得金牌。
另外它還在競爭性編程問題 (Codeforces) 中排名前89%，在美國數學奧林匹克 (AIME) 預選賽題目中躋身美國前500名學生之列。
與GPT-4o相比，o1在數理化生、英語法律經濟等各種科目都有不同成績改進。
匯總官方發布的各種消息來看，這次突然發布的o1系列又分為三個型號：
o1，新的大模型天花板，過于強大目前不方便對外公開。
o1-preiview，o1的早期版本，可以立即提供給ChatGPT付費用戶和API用戶。
o1-mini，速度更快、性價比更高，適用于需要推理和無需廣泛世界知識的任務。
不少OpenAI員工都分別用“系統1”和“系統2”思考來科普o1系列與之前模型的區別。
連長期休假中的總裁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提示來完成思維鏈，而是使用強化學習訓練模型以更好地執行鏈式思考。
在深度學習的歷史中，人們一直試圖擴展訓練階段的計算，但思維鏈是自適應計算的一種形式，現在也可以在推理時擴展。
新模型做了很多類似人類的事情，比如將棘手的步驟分解為更簡單的步驟、識別和糾正錯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
通過訓練，o1模型學會完善自己的思維過程，嘗試不同的策略，并認識到自己的錯誤。
不過作為早期模型，它尚不具備ChatGPT的許多有用功能，例如聯網搜索以及上傳文件和圖像。
但對于復雜的推理任務來說，這是一個重大進步，OpenAI稱代表了人工智能的最高水平。
鑒于此，他們決定將計數器重置，并將該系列模型命名為OpenAI o1。
隨著更多的強化學習（訓練時計算）和更多的思考時間（測試時計算），o1 的性能持續提高，新的Scaling Law誕生了。
不過這種方法的Scaling受到的限制與普通預訓練有很大不同，OpenAI正在繼續研究它們。
o1思考起來是什么樣子？可以從官網示例中的編寫Bash腳本的編程任務一窺究竟。
首先作為對比，GPT-4o會直接就開始寫代碼，遺憾得到錯誤結果。
而o1-preiview會先用自己的理解復述一遍要求，然后開始拆解要求，明確最終目標。
接下來它會給自己定義任務、分析限制條件、列出需要用到的方法。
進一步把任務拆解成明確的數個小步驟。
最后才動手編寫代碼，并保證一次性得到正確結果。
OpenAI表示，o1系列可以幫醫療保健研究人員來注釋細胞測序數據，幫助物理學家可以生成量子光學所需的復雜數學公式，所有領域的開發人員可以使用o1來構建和執行多步驟工作流程。
而且不是說說而已，OpenAI已經邀請相關的人類專家學者試用了一波。
馬克思普朗克研究所的量子物理學者Mario Krenn，展示了GPT-4o不能回答但o1-preview正確完成計算的復雜量子物理問題。
除了考試和學術基準之外，團隊還評估了人們對o1-preview與GPT-4o在開放問題上的偏好。
在數據分析、編碼和數學等推理密集型類別中，o1-preview明顯優于gpt-4o。
然而o1-preview在某些自然語言任務上并不是首選，這表明它并不適合所有場景。
OpenAI科學家Noam Brown分享了更詳細的個人測試結果。
在上個月的ACL會議上有一個所有當時大模型都無法解決的邏輯難題。o1-preview能夠做對，o1滿血版幾乎每次嘗試都能做對。
目前o1花費在思考上的時間是幾秒到十幾秒，但OpenAI未來的改進方向不是縮短，反而是努力增加這個時間，
目標是讓未來的版本思考幾個小時、幾天甚至幾周。
推理成本會更高，但你會為一種新的抗癌藥物付多少錢？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器人
誰可以訪問o1？
根據OpenAI官方說法，ChatGPT Plus和Team用戶最早可在幾個小時內可以體驗到o1系列模型。
在發布時，o1-preview限制為每周30條消息，o1-mini每周50條。
API訪問權限將首先給Tier 5級用戶，也就是已經在OpenAI API上花費超過1000美元的人。
OpenAI正在努力提高這些速率，并使ChatGPT能夠針對給定的提示自動選擇合適的模型。
快打開ChatGPT看看你是不是第一波吃草莓的人吧
