ChatGPT 制造商 OpenAI 已宣布其下一个主要产品：代号为“Strawberry”的生成式 AI 模型，正式名称为 OpenAI o1。
更准确地说，o1 实际上是一个模型家族。周四在 ChatGPT 和 OpenAI API 中上线了两个模型：o1-preview 和 o1-mini。后者体积更小、效率更高，专为代码生成设计。
用户需订阅 ChatGPT Plus 或 Team 才能在客户端使用 o1；企业和教育用户将于下周初获得访问权限。
目前 o1 的聊天体验尚显简陋。作为 GPT-4o 的继任者，o1 暂不支持网页浏览或文件分析功能。虽然具备图像分析能力，但出于测试需要已被暂时禁用。此外，o1 存在速率限制：o1-preview 每周限额 30 条消息，o1-mini 为 50 条。
另一大短板在于价格昂贵。API 端 o1-preview 输入令牌价格为每百万 15 美元，输出为每百万 60 美元，分别是 GPT-4o 的 6 倍。（注：100 万令牌约等于 75 万个单词。）
OpenAI 计划向所有免费用户提供 o1-mini 访问权限，但尚未公布具体日期。
推理链
o1 能有效避免传统生成式 AI 的推理陷阱，关键在于它能在回应前通过花费更多时间进行自我事实核查与“思考”。
当被给予额外思考时间时，o1 可整体规划任务并执行一系列行动，从而得出答案。这使其非常适合需要综合多个子任务的场景，如检测律师收件箱中的特权邮件，或制定产品营销策略。
OpenAI 研究科学家 Noam Brown 在 X 平台表示：“o1 是通过强化学习训练的。”系统通过奖励正确回答、惩罚错误回答，学会了在回应前利用私有思维链进行“思考”。
Brown 透露，OpenAI 采用了新优化算法及包含定制“推理数据”和科学文献的训练集。“o1 思考时间越长，表现越好。”
TechCrunch 未在发布前获得测试机会。但 Thomson Reuters 副总裁 Pablo Arredondo 表示，o1 在分析法律简报和解决 LSAT 逻辑题方面优于 GPT-4o。
Arredondo 称：“我们看到它能处理更实质性、多方面的分析。自动化测试也显示其在简单任务上有所进步。”
在国际数学奥林匹克竞赛（IMO）资格赛中，o1 正确解决了 83% 的问题，而 GPT-4o 仅为 13%。在 Codeforces 编程挑战中，o1 达到了第 89 百分位，超越了 DeepMind 的 AlphaCode 2。
总体而言，o1 在数据分析、科学和编码问题上表现更佳。GitHub Copilot 报告称该模型擅长优化算法和应用代码。基准测试还显示，o1 在多语言技能（特别是阿拉伯语和韩语）上优于 GPT-4o。
沃顿商学院教授 Ethan Mollick 分享了一个月使用体验：o1 在挑战性填字游戏中表现优异，答案全部正确（尽管曾幻觉出一条新线索）。
OpenAI o1 并不完美
然而，o1 仍存在缺点。
速度可能较慢。Arredondo 指出，o1 回答某些问题耗时超 10 秒，期间会显示正在执行的子任务标签。
受限于生成式 AI 的不可预测性，o1 仍有局限。Brown 承认 o1 有时会搞不定井字棋。技术论文也提到，测试人员反馈 o1 比 GPT-4o 更容易产生幻觉，且较少承认自己不知道答案。
Mollick 写道：“错误和幻觉仍会出现，它并非无懈可击。”未来我们将通过亲自严格测试了解更多细节。
激烈的竞争
OpenAI 并非唯一探索此类推理方法的厂商。Google DeepMind 近期研究表明，通过增加计算时间和指导，无需额外调整即可显著提升模型性能。
为保持竞争优势，OpenAI 决定不在 ChatGPT 中展示 o1 原始“思维链”，仅展示由模型生成的摘要。
OpenAI 虽率先推出 o1，但真正的考验在于能否快速实现广泛可用并降低价格。该公司目标是开发能推理数小时、数天甚至数周的 o1 版本，以进一步提升推理能力。