突發！OpenAI發佈最強模型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，可以進行通用複雜推理，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”，直接幹到92.8分！

沒錯，傳說中的「草莓」，終於來與大家見面了！

CEO奧特曼稱它是一種新範式的開始：可以進行通用複雜推理的人工智能。

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，屬於人類選手中前49%的成績。

如果允許它每道題嘗試10000次，就能獲得362.14分，高於金牌選手門檻，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。

彙總官方發佈的各種消息來看，這次突然發佈的o1系列又分爲三個型號：

o1，新的大模型天花板，過於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，適用於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“詐屍”迴歸了。

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。

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，並認識到自己的錯誤。

不過作爲早期模型，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。

但對於複雜的推理任務來說，這是一個重大進步，OpenAI稱代表了人工智能的最高水平。

鑑於此，他們決定將計數器重置，並將該系列模型命名爲OpenAI o1。

隨着更多的強化學習（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思考起來是什麼樣子？可以從官網示例中的編寫Bash腳本的編程任務一窺究竟。

首先作爲對比，GPT-4o會直接就開始寫代碼，遺憾得到錯誤結果。

而o1-preiview會先用自己的理解複述一遍要求，然後開始拆解要求，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。

最後才動手編寫代碼，並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註釋細胞測序數據，幫助物理學家可以生成量子光學所需的複雜數學公式，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正確完成計算的複雜量子物理問題。

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明顯優於gpt-4o。

然而o1-preview在某些自然語言任務上並不是首選，這表明它並不適合所有場景。

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，

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。

在發佈時，o1-preview限制爲每週30條消息，o1-mini每週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，並使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。

https://openai.com/o1/

https://x.com/polynoamial/status/1834280155730043108