OpenAI神秘项目Strawberry此前已提及。昨日，以Strawberry闻名的新模型o1正式向用户公开。实际上，o1以模型家族形式呈现，包含用于代码生成、更高效且更小的o1-preview模型和o1-mini模型，两者已于昨日在ChatGPT及OpenAI API中上线。
o1的主要特性
目前仅ChatGPT Plus或Team订阅用户可访问o1，企业和教育用户将于下周初开放权限。
与GPT-4o相比，o1体验相对简单，暂不支持联网浏览或文件分析。虽具备图像分析功能，但出于额外测试目的已被禁用。
此外，o1存在速率限制：o1-preview每周消息限额30条，o1-mini为50条。价格方面颇具争议，API中o1-preview输入token每百万个收费15美元，输出token每百万个收费60美元；相较GPT-4o，其输入成本高3倍，输出成本高4倍。
OpenAI计划向所有免费用户提供o1-mini访问权限，但尚未确定发布日期。
o1的思考能力
据OpenAI介绍，o1区别于其他生成式AI的关键在于“思考”能力，即回答前进行推理。其核心采用了CoT（Chain of Thought，思维链）机器学习方法，通过强化学习将复杂任务分解为小步骤逐一执行，从而提高准确性。
OpenAI研究员Noam Brown在X帖子中分享称，o1经强化学习训练，系统教会模型在给出答案前通过特定思维链思考。Brown表示，答案正确时模型获得奖励，错误则受惩罚。
Brown指出，训练过程使用了新优化算法、推理数据及针对推理任务调整的科学文献数据集。他总结道：
“o1思考的时间越长，它在需要推理的任务上表现就越好。”
当拥有额外思考时间时，o1能整体性思考任务并进行未来规划，还能在较长时间内执行一系列动作以得出答案。
在国际数学奥林匹克（IMO）高中数学竞赛资格赛中，o1正确解决了83%的问题，而GPT-4o仅解决13%。值得注意的是，Google DeepMind最新AI在相当于真实IMO竞赛的比赛中获得了银牌。此外，o1在Codeforces平台达到第89百分位水平，表现优于DeepMind旗舰系统AlphaCode 2。
在GPQA Diamond基准测试中，o1-preview解决的复杂科学问题得分超过博士级专家群体。OpenAI表示，o1在数据分析、科学和编码领域性能更佳。GitHub测试显示，配合Copilot使用时，o1在优化算法和应用代码方面表现出色。对比还表明，o1在多语言技能（特别是阿拉伯语和韩语）上优于GPT-4o。
o1有哪些缺点？
另一方面，o1在某些情况下运行较慢，用户反馈部分问题回答耗时超10秒。Brown提到o1有时会在井字棋游戏中卡住。技术论文显示，o1比GPT-4o更易出现幻觉，且较少承认自己不知道答案。
致力于提升AI推理能力的并非只有OpenAI。Google DeepMind近期发布的研究表明，通过提供更长计算时间并指导任务完成，可在无需额外调整的情况下显著提升模型性能。