摘要

OpenAI 发布了名为 "o1" 的新模型，它在功能、推理和性能上与之前泄漏的信息基本一致，但具有独特的推理模式，能够生成较长的内部思维链，提供更准确的回答。

o1 采用了训练时计算（Test-time computation）技术，结合了密集型、流程导向的验证奖励模型搜索和自适应更新模型响应概率分布的方法。

在多个领域的基准测试中，o1 显示出超越人类博士水平的性能，特别是在美国数学奥林匹克预选赛中的表现，以及在物理、生物学、化学基准测试中的成绩。

OpenAI 对 o1 进行了广泛的测试，证明了其在编程竞赛、数学竞赛和其他学术考试中的卓越表现，同时，o1 已经向 ChatGPT Plush 和 team 用户开放，并且提供了 API 供用户尝试。

今天凌晨1点，OpenAI终于正式发布了传说中的“草莓”模型——o1。

除了名字不一样，功能、推理、性能等方面与之前泄漏的内容基本一致，o1的推理模式很特殊，在回答用户问题之前会进入拟人化思考模式，将问题分解成更小的步骤逐一解决，生成一个较长的内部思维链，回答的内容也更加准确。

这个技术谷歌DeepMind很早之前便进行过解读称为——训练时计算（Test-time computation）。其核心技术主要使用了密集型、流程导向的验证奖励模型搜索，以及自适应地更新模型对响应的概率分布两种方法。

根据OpenAI公布测试的数据显示，o1在美国数学奥林匹克预选赛中，排名美国前500 名学生之列，并且在物理、生物学、化学基准上，首次超过了人类博士。也就是说，o1超过了GPT-4o，是现役最强的超复杂推理大模型。

已经使用上的用户表示，o1成功地写出了一首非常困难的藏头诗，以前的模型都无法写出来。它在生成答案的过程中疯狂反复推理、自我纠正，非常特别的推理模式。

已经尝试了o1 模型，进步非常大。推理能力更好，准确性和思维复杂性似乎也更好。

超过人类博士水平，这个结果太疯狂了！

期待已久的草莓模型终于来了。

太阳从西边出来了，这次居然没有候补名单？

感受一下AGI的震撼吧！

推理能力遥遥领先，这下能和Claude竞争了。

国际数学奥林匹克资格考试中，GPT-4o 只正确解决了 13% 的问题，而新模型的得分为 83%，编程竞赛中的表现更好，确实有点疯狂！

o1主要技术特点介绍

拟人化的推理模式是o1的主打功能之一，与传统模型不同，它在回答问题之前会进行深入的思考，生成一个较长的内部思维链。这种思维链的产生使得 o1 能够更好地理解问题的本质，分析问题的各个方面，从而给出更准确和合理的答案。

自适应强化学习、纠错则是其第二大技术特点，o1 通过大规模的强化学习算法进行训练，在训练过程中，模型学会了如何有效地利用其思维链来解决问题。

这种训练方法使得 o1 能够不断优化自己的策略，识别和纠正错误，学会将复杂的步骤分解为更简单的部分，并在当前方法不奏效时尝试不同的方法来解决。通过不断的学习和改进，o1 的推理能力得到了极大的提升，也就是说o1具备了智能体的功能。

o1使用了谷歌训练时计算类似的技术，OpenAI发现，随着训练时计算资源的增加和测试时思考时间的延长，o1 的性能会不断提升。这表明，通过增加计算资源的投入，可以进一步挖掘 o1 的潜力，使其在各种任务中表现得更加出色。

o1的其他主要特色应用功能包括，可以直接翻译一个不健全的句子，自动补全缺失内容；可根据提示自动编写复杂的视频小游戏；擅长解决超复杂、冗长的推理问题。

o1测试数据

OpenAI对o1进行了一系列的测试，以评估其在不同领域的性能。在竞争编程问题方面，o1 在 Codeforces 编程竞赛上的表现非常出色，超过83%的专业人员。

在数学竞赛中，以 AIME 2024 为例，GPT - 4o 平均只能解决 12% 的问题，而 o1 平均能解决74% 的问题，若采用 64 个样本的共识，解决率能达到83%。

使用学习到的评分函数重新排序 1000 个样本时，解决率更是高达 93%。这样的成绩使 o1 在该考试中的得分能够跻身美国前 500 名学生的行列，超过了美国数学奥林匹克的入选分数线。

在 PhD - Level Science Questions（GPQA Diamond）的测试中，o1 也展现出了优异的性能，超过了人类专家的表现。为了进行这项测试，研究人员招募了具有博士学位的专家来回答 GPQA - diamond 问题，结果发现 o1 的表现更为准确。

此外，o1 在 ML Benchmarks 的多个子类别中也有显著的改进。例如，在 MATH - 500、MathVista、MMMU、MMLU 等测试中，o1 的准确率均高于 GPT - 4o。

在其他考试方面，o1 在 APEnglish Lang、APEnglish Lit、APPhysics2、AP Calculus、AP Chemistry、LSAT、SATEBRW、SATMath 等考试中的成绩也显示出了巨大优势，整体比GPT-4o高出很多。

值得一提的是，这一次OpenAI没有再放鸽子，ChatGPT Plush和team用户已经可以使用该模型，同时开放了API，想体验的小伙伴们赶紧去试试吧！