刚刚，OpenAI发布o1推理模型，碾压GPT-4o，物化生水平比肩人类博士

对于复杂的推理任务来说，o1 代表了当前人工智能（AI）能力的新水平。

就在刚刚，OpenAI 的“草莓”模型正式发布，名为“o1”，这是一系列新的人工智能模型，旨在花更多时间思考后再做出回答。

与以前的科学、编码和数学模型相比，o1 模型可以推理复杂的任务，解决更难的问题。

就像人类一样，o1 系列模型会用更多时间思考问题，然后再做出回答。通过训练，这些模型学会了完善思考过程、尝试不同的策略，并认识到自己的错误。

据 OpenAI 介绍，在测试中，o1 的下一个更新模型在物理、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。

他们还发现，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%。

此外，o1 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。

作为早期模型，o1 还不具备 ChatGPT 的许多实用功能，如浏览网页信息、上传文件和图片等。对于许多常见情况，GPT-4o 在短期内会有更强的功能。

但 OpenAI 表示，o1 模型更擅长解决科学、编码、数学和类似领域的复杂问题。例如，医疗保健研究人员可以使用 o1 为细胞测序数据添加注释，物理学家可以使用 o1 生成量子光学所需的复杂数学公式，所有领域的开发人员都可以使用 o1 构建和执行多步骤工作流。

以下三个视频 demo 展示了o1 模型在解决复杂推理问题方面的强大能力。

视频｜o1 解决了一个复杂的逻辑难题。

视频｜o1 根据提示为视频游戏编码。

视频｜o1 翻译了一个损坏的句子。

此外，在安全性方面，OpenAI 提出了一种新的安全训练方法，利用 o1 模型的推理能力，使它们遵守安全和对齐准则。通过在上下文中对安全规则进行推理，o1 模型可以更有效地应用这些规则。

衡量安全性的方法之一，是测试当用户试图绕过安全规则（即“越狱”）时，模型能在多大程度上继续遵循其安全规则。在最难的越狱测试中，GPT-4o 得分为 22 分（0-100 分），而 o1-preview 得分为 84 分。

此外，为了向开发人员提供更高效的解决方案，OpenAI 还同时发布了 o1-mini，这是一种速度更快、成本更低的推理模型，在编码方面尤为有效。作为一个较小的模型，o1-mini 比 o1-preview 便宜 80%，因此对于需要推理但不需要广泛世界知识的应用程序来说，它是一个经济高效的模型。

目前，o1 的预览版本和 o1-mini 已经在 ChatGPT（Plus 和 Team）和 API 上线。未来，o1-mini 将提供给所有 ChatGPT 免费用户使用。

作者：学术君

如需转载或投稿，请直接在公众号内留言