財聯社
2024-11-16 
AI新時代揭幕！會“思考解題邏輯”的OpenAI推理大模型登場
財聯社9月13日訊（編輯 史正丞）北京時間周五凌晨1時許，AI時代迎來嶄新的起點——能夠進行通用復雜推理的大模型終于走到臺前。
OpenAI在官網發布公告稱，開始向全體訂閱用戶開始推送OpenAI o1預覽模型——也就是此前被廣泛期待的“草莓”大模型。OpenAI表示，對于復雜推理任務而言，新模型代表著人工智能能力的嶄新水平，因此值得將計數重置為1，給它一個有別于“GPT-4”系列的全新名號。
推理大模型的特點，就是AI會在回答之前花更多時間進行思考，就像人類思考解決問題的過程一樣。以往的大模型，背后的邏輯是通過學習大量數據集中的模式，來預測單詞生成的序列，嚴格來說并不是真正理解提問。
（明顯能感知到的“思考”過程，來源：OpenAI）認知將躍升至“理科博士生水準”
OpenAI曾解釋過，2023年發布的GPT-4類似于高中生的智能水平，而GPT-5則是完成AI從“高中生躍升至博士”的成長。這個o1模型就是其中關鍵的一步。
相較于GPT-4o等現有的大模型，OpenAI o1能夠解決更加困難的推理問題，同時改善過往模型中存在的機制性缺陷。
舉例而言，這個新模型能夠數清楚strawberry里到底有幾個“r”。
同時AI在解答編程問題時也會更有條理，在著手寫代碼前，把整個回答的流程全部思考完一遍，再動手輸出代碼。
例如在預設條件的寫詩任務（例如第二句的最后一個單詞需要以i收尾）中，“拿起筆就寫”的GPT-4o的確給出了回答，但往往只會滿足了一部分條件，同時不會自我糾正。這意味著AI必須在第一次生成時就能碰上正確的答案，否則就一定會出錯。但在o1模型中，AI會不斷試錯并打磨答案，從而顯著提高生成結果的準確率和質量。
有趣的是，點開AI思考的過程，還會出現AI表示“我在思考這個事情這么做行不行”、“啊時間不夠了得盡快給出答案”等。OpenAI確認，這里展示的并不是原始的思維鏈，而是“模型生成的摘要”，公司也坦率承認這里有保持“競爭優勢”的因素。
OpenAI的研究負責人Jerry Tworek透露，o1模型背后的訓練與之前的產品有著根本性的區別。之前的GPT模型旨在模仿其訓練數據中的模式，而o1的訓練旨在讓其獨立解決問題。在強化學習的過程中，使用獎勵和懲罰機制來“教育”AI使用“思維鏈”來處理問題，就像人類習得拆解、分析問題的方式一樣。
根據測試，o1模型在國際數學奧林匹克的資格考試中，能夠拿到83%的分數，而GPT-4o只能正確解決13%的問題。而在編程能力比賽Codeforces中，o1模型拿到89%百分位的成績，而GPT-4o只有11%。
（圖上顯示，o1模型預覽版的能力會比正式版低一截）OpenAI表示，根據測試，在下一個更新的版本中，AI在物理、化學和生物學的挑戰性基準測試中，表現能夠與博士生水平類似。
該講講缺點和局限性了
不難理解，會自己思考問題的AI模型，對于程序員、創意工作者，以及幾乎所有的理科相關專業工作者而言是有益的升級，但這個新模型也有局限性。
首先，OpenAI o1模型（至少目前）還不是多模態大模型，同時在回答事實性問題時也不如其他模型。所以在圖像互動、常識問答、互聯網搜索方面，GPT-4o依然是更勝一籌的選擇。當然，OpenAI明確表示未來會給這個模型增加聯網、文件和圖像上傳等功能。
另一個問題則是貴，而且是非常貴。o1-預覽模型的定價是每百萬個輸入tokens 15美元，每百萬個輸出tokens 則要60美元，分別是GPT-4o的3倍和4倍。一百萬tokens大致相當于75萬個英文單詞。
除了OpenAI o1-預覽版外，OpenAI也同步推出了o1-mini模型。后者是一個更快、更便宜的模型，定價也會便宜80%，適用于需要推理但不需要廣泛世界知識的場景。
而且從OpenAI“摳摳索索”的舉動來看，這個推理模型恐怕非常消耗算力。公司宣布，從9月12日起，ChatGPT訂閱用戶可以訪問這兩個新模型，但目前o1-preview每周消息數量限制為30條，o1-mini則為50條。
企業版ChatGPT和教育用戶可以從下周開始訪問這兩個模型。API使用等級達到5級的開發者可以立即開始使用這兩個模型，每分鐘的速率限制為20次。OpenAI未來準備向免費用戶提供o1-mini模型，但目前還沒有時間表。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
