还记得 OpenAI 高层管理层的大地震吗？
这个名为Q*（发音为Q-Star）的项目导致Sam Altman被解雇、联合创始人Greg Brockman辞职，也导致OpenAI内部矛盾加剧。
据知情人士透露，Q*项目当时已经取得了重大进展，已经可以解决基本的数学问题。与只能解决有限数量运算的计算器不同，与每次对同一问题给出不同答案的GPT-4不同，Q*可能具备概括、学习和理解的能力，这是迈向AGI的关键一步。OpenAI研究人员致信董事会警告称，Q*的重大发现可能威胁全人类，而Sam Altman隐瞒了这一点。
OpenAI内部发生了巨大的动荡，但OpenAI本身从未直接回应过Q*的存在。
今天OpenAI突然发布了一个新模型，还是预览版，就是传说中的Q*，后来代号“Strawberry”，现在的OpenAI o1-preview。
解决复杂问题的新推理模型，和ChatGPT不一样｜OpenAI
O，或者说“omini”，包罗万象的O，但根据OpenAI的说法，这个模型“代表了人工智能的新高度”，并且在工作方式上与之前的大型模型有很大不同，因此可以将其确立为一个新的系列，从1重新开始（GPT5：我老了！）。
至于这种模式是否会像Ilya Sutskever等已经反目成仇的OpenAI前核心科学家所判断的那样“威胁人类”，将人类推向没有完美道德约束的AGI（通用人工智能）时代，大家可以看看文章自己判断。
o1，超越一切
首先是大家熟悉的跑分环节。
每一代大型车型的问世都会达到前所未有的新高度，但这一次的o1有着根本的不同。
目前流行的大模型大多以聊天机器人的形式出现，其思维路径难以解释，发展方向是多模态（能说、能看、能听），在语气和反应上越来越像人类。o1与它们不同。
首先，它的目标不是越来越快，甚至越来越慢。
OpenAI 科学家 Noam Brown 表示，目前 o1 可以在几秒钟内给出答案，但未来它将能够思考数小时、数天甚至数周。他随后附上了一张图片，显示 o1 在思考了十几秒后对一个病例做出了诊断。Noam Brown 的言外之意是，较长的推理时间意味着模型可以构建更长的思维链，进行更深入的思考。
其次，o1突破了以往大型语言模型的致命弱点：数学。
AIME，即美国数学邀请赛，比奥林匹克容易，但比 SAT 难得多，一般用于选拔美国数学成绩最好的高中生。GPT4-o 在回答邀请赛题目时只得了 12 分，但 o1 一下子就得了 74 分。如果抽取 1000 次样本，对这 1000 次样本重新排序评分函数（这样更能体现模型的预期水平），o1 会得到 93 分，可以跻身美国前 500 名，可以参加美国数学奥林匹克了。
o1与GPT-4o性能对比，数学上巨大进步｜OpenAI
当 O1 被要求为 2024 年国际信息学奥林匹克竞赛 (IOI) 出题时，它在 10 小时内获得了 213 分，排名在人类选手的前 49%，每道题最多允许提交 50 道题。如果提交数量增加到 10,000 道题，O1 将获得 362.14 分，这将使它获得 IOI 金牌并被清华大学录取。
实际测试中，使用的是微调版的o1，而不是我们可以使用的前瞻性版本｜OpenAI
其他的测试也不少，比如GPQA（物理、化学、生物综合智力测试），O1在一些题目上的表现甚至比相关专业的博士还要好。
总之，O1的目标不再是在自己已经很强的领域进行竞争，而是在大型语言模型不擅长的复杂逻辑上实现突破。
退一步，进两步
正如上面所说，o1的反应速度变慢了。
它会在做出反应之前花更多时间思考，不断完善自己的思维过程，尝试不同的策略，并从错误中吸取教训。这很可怕。
而且o1现在也不是多模态模型了，OpenAI花了两年时间把大模型做到能看能听，现在又返璞归真了，o1只能接受字符输入。
放慢速度、变得单调，对于O1来说，是退一步进两步。用过O1的人都说O1是自己用过的最智能的机型，与它的对话已经超出了以前小打小闹的范畴。
在一次测试中，用户问了一个逻辑悖论问题：“这个问题的答案有多少个单词？”
o1思考了十秒，展示了他的思考过程。首先它认为这是一个自指悖论，或者说是一个递归问题，在不确定答案的情况下，无法确定答案的单词数。“避免不必要的表达对于答案的清晰简洁很重要。”接下来就是统计单词数，需要将句子中出现的数字与句子中的单词数进行匹配。然后它列出了很多句子，找到了最合适的匹配选项。它发现“this has five words”有五个单词，所以将句子结构改为完整答案后，应该将五改为七。
于是它回答说：“答案是七个字。”
这个推理过程跟我的推理过程差别不大｜X
在另一个例子中，o1 用 5.6 秒和 631 个 token 回答了简单问题“straberry 中有多少个 r？”。
从上面的例子我们可以看出o1的工作方式和ChatGPT有着本质的区别，现在o1加入了推理token，会把一个问题拆分成多个步骤，分别进行思考，然后去掉推理token，生成答案。
下图展示了这个思路链的运作方式，这也解释了为什么o1的反应速度变慢了。
当使用 o1 时，您可能想用一些经典的逻辑和数学问题来测试它的能力。
或许在回答简单问题的时候，进行多轮推理和不进行多轮推理的区别并不明显，但如果用在写代码、做数学题、在科学领域解决复杂问题时，这种思维能力是必不可少的。
OpenAI在论文中表示，现在，医护人员可以使用O1来注释细胞测序数据，物理学家可以使用O1来生成量子光学所需的复杂数学公式，各个领域的开发人员可以使用O1来构建和执行多步骤的工作流程。
更重要的是，这是一种思维模式的原型，是一种早期的智慧。
新模式，新习惯
由于 o1 的工作方式与 ChatGPT 不同，所以你之前看到的那些教你如何编写提示的教程不再适用——在目前的情况下，过多的描述只会消耗大量的 token，而且不一定会带来更好的结果。
为了让所有用户清楚这一点，OpenAI 编写了一份新的 token 指南。在指南中，OpenAI 解释称，o1 中最好的提示是直接而简洁的。指导模型一步一步地做或者给出几个零散的提示可能会适得其反。以下是一些官方建议：
看到第三个的时候，我觉得这个格式有点眼熟。以后程序员编程，大概率还是用自然语言，基本指令还是一样，只是变成了通俗易懂的语言。按照最新的指导原则，一个好的提示会是这样的：
或者像这样：
§主持人§作家§酒吧老板§油画家§皮匠§银匠§歌手§手鼓手§背包客§金左脸§法国骑士§禅宗弟子§
其余的就交给模型来解决吧。
给我一分钟时间制作一条 3D 蛇
用贪吃蛇来举例是有原因的。o1 发布后不到一天，就有很多实验用它来做，包括 3D 贪吃蛇。
X 上的 @Ammaar Reshi 使用极其简单的提示，仅用一分钟就编写了一条 3D 蛇，o1 还一步一步教他如何使用代码。
你学会写提示了吗？｜@Ammaar Reshi
虽然效果有些粗糙，但谁也不能说它不是蛇。
而且还挺好玩的｜@Ammaar Reshi
网友@James Wade 使用o1制作了一个数据分析应用，可以展示每个分布的简要描述和示例。包括部署时间在内，只花了15分钟。他说：我以前从来没有想过做这样的东西。以前太麻烦了。
效果如图｜@James Wade
另外一位从业 16 年的全栈工程师@Dallas Lones，几分钟就做出了一个 React Native 全栈开发应用，并表示自己创业不早，如今这项技能已经成为时代的眼泪。他表示，“编程作为一种职业，今天已经正式结束了。”
挑战o1极限的人越来越多，有人已经开始玩“看谁能问出最刁钻的问题，让o1思考最久”的游戏了。
目前，o1 已向 ChatGPT Plus 和 Team 用户开放，而 API 访问权限将首先向在 OpenAI API 上花费超过 1000 美元的 Level 5 用户开放。接下来，OpenAI 将逐步向免费用户开放低配版 o1-mini。
这会是人类的夕阳吗？
评论（0）