摘要
1) 一句话总结 OpenAI正式发布了具备“慢思考”复杂推理能力的全新o1系列模型（包含o1-preview和o1-mini），在数学、代码和科学基准测试中的表现大幅超越前代模型甚至人类专家。
2) 关键要点
- 命名与定位：内部代号为“草莓”，因在复杂推理任务上取得重大进展，OpenAI将命名计数器重置，正式推出全新的o1系列。
- 核心技术：基于Self-play RL（自对弈强化学习），模型具备类似人类的“慢思考”能力，能在输出答案前自主进行思维链构建、步骤拆解、纠错和反复推理。
- 基准测试突破：
- AIME 2024数学竞赛：o1正式版准确率达83.3%（GPT-4o仅为13.4%）。
- 代码竞赛：o1正式版准确率达89%（GPT-4o为11.0%）。
- GPQA Diamond（博士级科学问题）：o1准确率达78%，首次在化学、物理和生物学基准上全面超越人类专家水平（69.7%）。
- 模型版本：首发包含o1-preview和o1-mini。o1-mini体积更小、速度更快、成本更低，极度适合数学和代码等需要推理的场景。
- 开放范围与额度：目前向ChatGPT Plus和Team用户开放，o1-preview限额每周30条，o1-mini每周50条；API仅向Tier 5开发者开放，限速20次/分钟。
- API定价：o1-preview输入60/百万Token；o1-mini输入12/百万Token。
- 提示词（Prompt）最佳实践：官方建议保持指令简单直接，避免使用“一步步思考”等思维链提示（会有负面效果），使用分隔符区分内容，并尽量减少RAG中不相关的上下文。
3) 风险与不足（基于原文）
- 功能阉割：当前版本为纯文本对话模型，不支持图片理解、图片生成、代码解释器和网页搜索等功能。
- 知识短板：o1-mini模型在世界知识方面表现较差，不适用于需要广泛世界知识的场景。
- 成本与限制高昂：API推理成本极高（输出成本是输入成本的4倍），且普通用户的每周使用条数受到严格限制。
正文
大半夜的，OpenAI抽象了整整快半年的新模型。
在没有任何预告下，正式登场。
正式版名称不叫草莓，草莓只是内部的一个代号。他们的正式名字 ，叫：
为什么取名叫o1，OpenAI是这么说的：
For complex reasoning tasks this is a significant advancement and represents a new level of AI capability. Given this, we are resetting the counter back to 1 and naming this series OpenAI o1.
翻译过来是：
对于复杂推理任务来说，这是一个重要的进展，代表了人工智能能力的新水平。鉴于此，我们将计数器重置为 1，并将这一系列命名为 OpenAI o1。
这次模型的强悍，甚至让OpenAI不惜推掉了过去GPT系列的命名，重新起了一个o系列。
炸了，真的炸了。
我现在，头皮发麻，真的，这次OpenAI o1发布， 也标志着， AI行业，正式进入了一个全新的纪元。
“我们通往AGI的路上，已经没有任何阻碍。”
在逻辑和推理能力上，我直接先放图，你们就知道，这玩意有多离谱。
AIME 2024，一个高水平的数学竞赛， GPT4o准确率为13.4%，而这次的o1 预览版，是56.7%，还未发布的o1正式版，是83.3%。
代码竞赛，GPT4o准确率为11.0%，o1 预览版为62%，o1正式版，是89%。
而最牛逼的博士级科学问题 (GPQA Diamond)，GPT4o是56.1，人类专家水平是69.7，o1达到了恐怖的78%。
我让Claude翻译了一下o1的图，丑是丑了点，但是能看的懂每项数据意思就行。
什么叫全面碾压，这就是。
特别是在测试 测试化学、物理和生物学专业知识的基准 GPQA-diamond上， o1 的表现全面超过了人类博士专家，这也是有史以来，第一个获得此成就的模型。
而整个模型之所以达到如此成就，基石就是Self-play RL，不知道这个的可以去看我前两天的预测文章： 新模型草莓到底是个啥？
通过Self-play RL，o1学会了磨练其思维链并完善所使用的策略。它学会了识别和纠正自己的错误。
它也学会了将复杂的步骤分解为更简单的步骤。
而且当当前的方法不起作用时，它也学会了尝试不同的方法。
他学会的这些，就是我们人类，最核心的思考方式： 慢思考。
诺贝尔经济学奖得主丹尼尔·卡尼曼有一本著作，名叫：《思考，快与慢》。
非常详细的阐述了人类的两种思考方式。
第一种是快思考 （系统1） ， 特点是快速、自动、直觉性、无意识，举几个例子：
看到一个笑脸就知道对方心情很好。 1+1=2 这样简单的计算。 开车时遇到危险情况立即踩刹车。
这些就是快思考，也就是传统的大模型，死记硬背后学得的快速反应的能力。
第二种是慢思考（系统2）， 特点是缓慢、需要努力、逻辑性、有意识， 举几个例子：
解决一道复杂的数学题 填写税务申报表 权衡利弊后做出重要决定
这就是慢思考，我们人类之所以强大的核心，也是AI要通往下一步AGI路上的基石。
而现在，o1终于踏出了坚实的一步，拥有了人类慢思考的特质，在回答前，会反复的思考、拆解、理解、推理，然后给出最终答案。
说实话，这些增强的推理能力在处理科学、编码、数学及类似领域的复杂问题时绝对极度有用。
例如o1可以被医疗研究人员用来注释细胞测序数据，被物理学家用来生成量子光学所需的复杂数学公式，以及被各个 领域的开发人员用来构建和执行多步骤工作流，等等等等。
o1也绝对是全新一代的数据飞轮， 如果答案正确，整个逻辑链就会变成一个包含正负奖励的训练示例的小型数据集。
以OpenAI的用户级别，未来的进化速度，只会更恐怖。
写到这，我忽然叹了口气，我觉得我跟一年以后的o1比起来，可能就是个纯废物了，真的。。。
目前，o1模型已经逐步向所有 ChatGPT Plus和 Team用户开放，未来会考虑对免费用户开放。
分为两个模型，o1预览版和o1 mini，o1-mini就是更快更小更便宜，推理啥的都不错，极度适合数学和代码，就是世界知识会差很多，适用于需要推理但不需要广泛世界知识的场景。
o1预览版每周30条，o1-mini每周50条。
雪崩，甚至不是按以前的3小时来限制的，是每周30条，也能从侧面看出来，o1这个模型，有多贵了。
对于开发者来说，只对已经付过1000美刀的等级5开发者开放，每分钟限制20次。
都挺少的。
而且在功能上阉割挺大，但是毕竟早期，理解。
API的价格上，o1预览版每百万输入15美元，每百万输出60美元，这个推理成本…
o1-mini会便宜一些，每百万输入3美元，每百万输出12美元。
输出成本都是推理成本的4倍，对比一下GPT4o，分别是5美元和15美元。
o1-mini还是勉强有一些经济效应的，不过还是开始，后面等着OpenAI打骨折。
既然说o1已经对Plus用户开放，我就直接去我的号上看了眼，还不错，拿到了。
那自然，第一时间试一试。
目前不支持曾经的所有功能，也就是没有图片理解、图片生成、代码解释器、网页搜索等等，只有一个可以对话的裸模型。
我先是一个曾经很致命的问题：
“农夫需要把狼、羊和白菜都带过河，但每次只能带一样物品，而且狼和羊不能单独相处，羊和白菜也不能单独相处，问农夫该如何过河。”
思考了6秒时间，给了我一个很完美的回答。
还有之前一个坑遍所有大模型的调休问题：
“这是中国2024年9月9日（星期一）开始到10月13日的放假调休安排:上6休3上3休2上5休1上2休7再上5休1。
请你告诉我除了我本来该休的周末，我因为放假多休息了几天？”
在o1思考了整整30秒以后，给出了一天不差的极度精准的答案。
无敌，真的无敌。
再来一个更难的，就是曾经姜萍那个比赛的奥数题：
别问我题目什么意思，我看不懂，我是废物，这题曾经屠杀所有的大模型，这次，我们让o1也来试一下看看。
在o1思考了整整1分多钟之后，他给出了答案。
…
全…对…
我裂开了。
目前我自己试下来，感觉Prompt，未来可能也要重新摸索，在GPT为代表的快思考大模型时代，我们有很多所谓的一步一步思考之类的玩意，现在全都无效了，对o1甚至还有负效果。
OpenAI给出的最佳写法是：
保持提示简单直接： 模型擅长理解和响应简短、清晰的指令，而不需要大量的指导。 避免思路链提示： 由于这些模型在内部进行推理，因此不需要提示它们“逐步思考”或“解释你的推理”。 使用分隔符来提高清晰度： 使用三重引号、XML 标签或章节标题等分隔符来清楚地指示输入的不同部分，帮助模型适当地解释不同的部分。 限制检索增强生成 (RAG) 中的附加上下文： 提供附加上下文或文档时，仅包含最相关的信息，以防止模型过度复杂化其响应。
最后，我想说一下这个思考的时长。
现在o1是思考了一分钟，但是，如果是真正的AGI，说实话，思考的越慢可能会越刺激。
当他真的，可以去做证明数学定理，去做癌症药物研发，去做天体研究呢？
每一次的思考，可以达到几小时、几天、甚至几周呢？
最后的结果，可能会让所有人震惊的难以置信。
现在，没有人能想象到，那时候的AI，会是一个什么样的存在。
而o1的未来，在我看到，也绝对不止是一个普普通通的ChatGPT。
而是我们前往下个时代，最伟大的基石。
现在，我毫不犹豫的坚信着这句话。
星光熠熠的下一个时代。
在今天。
正式到来了。