OpenAI 突然发布新模型 o1，名字正经且饶有深意

原创 毕安娣 字母榜

“草莓”的消息已经传了几个月，据说这是内部的一个神秘项目，似乎和前代模型颇有些不同。但一直讳莫如深，最接近曝光的时刻，是此前CEO山姆·奥特曼（Sam ）在社交媒体上发布的一张真·草莓照片。

就在前几天，媒体还在爆料称“草莓”将在未来两周内发布。

即便在如此高的关注度下，还是打了世界一个措手不及：当地时间9月12日下午，没有任何预告，没有任何发布会，突然发布了新模型。

不过，新模型的名字不像“草莓”那样美味，而是很正经，且饶有深意：o1。

要知道，此前发模型一直以“GPT”系列迭代，从2018年的GPT-1到今年5月的GPT-4o无不如是。如今，却开辟新条线。

在官宣o1发布的官方博文中，这样说道：“作为早期模型，它还不具备使 有用的许多功能……但对于复杂的推理任务来说，这是一个重大进步，代表了 AI 能力的新水平。鉴于此，我们将计数器重置回1并将此系列命名为 o1。”

新模型目前只开放给付费订阅用户和部分程序员，为表该模型还不成熟，暂叫“o1-”，即为预览之意。此外，还顺手发了小模型版本o1-mini。不管是o1-还是o1-mini，目前都有每周的回应条数限制。

奥特曼自己在社交媒体X上夸赞新模型是“我们迄今为止最强大、最一致的模型”之外，也强调“o1仍然存在缺陷，仍然有限”。

一向喜欢给泼冷水的AI学者盖里·马库斯（Gary ）则戏谑此举是“熟悉的配方”：公布演示demo、向有限的用户开放、筹集资金、再来一遍。

o1发布的当下，正在进行新一轮融资。根据最新消息，本轮融资将是百亿美元规模、目标估值1500亿美元的大事件。

先来看看模型本身。

正如此前的传闻，o1的一大侧重点是“推理”。而“推理”的背后的关键，则是“思考”。

对于用户来说，最直观的感受是o1-在回答问题之前，会花更长时间。

字母榜在o1-模型下，向提问“今天是几月几号星期几”。问题发送后，逐一显示自己正在进行的思考步骤：解答日期问题、审查指引、了解当前日期，而后才给出答案，标明“思考8秒”。

与之相比，在GPT-4o模型下，在3秒内直接给出回答，没有显示中间步骤。

“这是一款通过强化学习训练的新型大预言模型，旨在执行复杂的推理任务。o1在回答问题前会进行思考——它可以在回答用户之前产生一个内部的长‘思维链’。”在博文中写道。

这次o1模型发布，官方对于技术细节透露得很少，反复强调的就是“思维链”。

据解释，o1在尝试解决问题时使用思维链，就像人类在回答一个困难问题之前长时间地思考。通过强化学习，o1学会了精细化其思维链并优化使用策略。它能够识别和纠正自己的错误，学会将复杂的步骤分解得更简单。当前的方法不起作用时，它会尝试不同的方法。

“这个过程极大地提高了模型的推理能力。”

那o1的能力究竟有多强呢？除了一连发布的数条演示视频之外，最有说服力的还得是测试成绩。表示，在许多推理密集的基准测试中，o1的表现“与人类专家相媲美”，优于以前的技术。例如在国际奥数考试（IMO）中，以前的技术得分13%，o1的得分高达83%。

在 编程比赛中，o1拿到89%的优异成绩。基于o1还针对性地开发了更擅长编程的o1-ioi，成绩一举超过93%的参赛者。

另一个被特别拿出来“炫耀”的测试是GPQA-，这是一个化学、物理学和生物学专业知识的基准测试。邀请了拥有博士学位的专家一同比拼，发现“o1的表现超过了这些人类专家”。

还称，启用视觉感知能力后，o1在MMMU测试中的得分为78.2,%，“成为第一个能够与人类专家竞争的模型”。此外，57个MMLU子类别中，o1在54个子类别上超过了GPT-4o。

总之，o1比起之前的模型，更注重推理能力，在数学和编程等方面的能力尤其得到提升，说夸张点儿简直是拳打博士，脚踢专家，而且通过“思维链”，还有望减少模型的幻觉。

不过，目前o1还处在比较早期的阶段，正如奥特曼强调的“还有缺陷，仍然有限”。

仅在字母榜的浅浅尝试中，o1-就发生过错误。如提问“9.11和9.9哪个大”，GPT-4o回答错误，o1-同样回答错误，一本正经地表示“9.11确实大于9.9.因为9.11（即9.11）比9.9（9.90）要大”。啰唆中带着一丝滑稽，更别提思考花费了15秒。

媒体也报道称，一些试用了o1-的用户表示，很多互动“不值得额外等待10到20秒的时间”，他们更喜欢GPT-4o的响应速度。

目前开放给付费用户的是o1-和o1-mini，但次数有限制：o1-每周30条消息，o1-mini每周50条消息。

下周开始，的企业用户和教育（Edu）用户也可以访问这两种模型。还表示未来想向所有用户免费提供o1-mini，但具体的时间并未公布。

这还是首次在发布模型的时候加上类似“（预览）”的后缀，此前不管是GPT-4还是GPT-4o都是直接发布完全体。

o1的一个不容忽视的特点是：贵。

开发人员访问o1的成本非常高：在API方面，o1-每100万个输入令牌或模型解析的文本块收费15美元，是GPT-4o的三倍，每100万个输出令牌收费60美元，是GPT-4o的四倍。

The 在报道中分析称，o1专门被设计成需要更多时间的，这必然会消耗更多资源，增加AIGC盈利的难度。

本文开头提到的马库斯（Gary ）是人类神经科学和人工智能交叉领域的学者，纽约大学荣誉教授，同时也是AI初创公司 的创始人兼CEO，他更加深入人心的角色是“AI界的刺儿头”，多次批评。

在他看来，突然发布o1-的举动更多是一种宣传手段。

毕竟正在进行一轮重要的融资，据近日的最新报道，正在商谈以1500亿美元估值从投资者那里筹集65亿美元，此外还想以循环信贷的方式从银行筹集50亿美元。

“发demo，向有限用户开放、筹钱、重复”，马库斯这样总结的“手段”。

今年7月，媒体曾报道今年可能亏损高达50亿美元。其中今年的员工成本约15亿美元，AI训练和推理成本可能高达70亿美元，而年收入则预计在35亿美元到45亿美元之间。

当时媒体就预言，照这个烧钱速度，很快就得出来融资，上一次的重要融资还是2023年初，微软投了百亿美元。

已经不是第一次在关键节点释放“不成熟的产品”。

去年10月，传出寻求出售股票的消息，当时被传的可能估值是860亿美元。但是次月发生了惊人的高层巨变，奥特曼被踢出公司，又很快重回CEO岗位，赢得了“宫斗”。但股票出售计划由此被短暂耽搁，直到11月底才有交易“重回正轨”的消息。彼时就有知情人士表示，员工担心这次突发事件会影响股票出售，影响公司的估值。

有趣的是，在今年2月15日，突然公布了一个全新的视频生成模型Sora，演示demo引起外界震动。不出三日，媒体报道，完成了员工出售股份的交易，公司估值“如期”超过800亿美元。

如今已经过去了半年多，Sora迟迟未向大众开放，甚至没有推进大规模的测试。外界开始怀疑，Sora其实根本没有足够的算力支撑运行。市场研究机构 Funds发布的报告认为，部署Sora需要72万张英伟达H100芯片。

9月初，据报道，台积电的A16埃米级芯片已经有大客户下单，除了苹果之外，还有。而将用定制芯片提升Sora的视频生成能力。这似乎也印证着此前Sora遇到了算力卡点。

如今草莓味的来了，也许很快，我们就能看到成功完成新一轮融资、估值超万亿元的消息。