前不久OpenAI发布全新模型——o1模型，也就是业界说的“草莓模型”，包含三款型号：OpenAI o1、OpenAI o1-preview和OpenAI o1-mini。

其中，OpenAI o1-mini和 o1-preview已经对用户开放使用：

OpenAI o1：高级推理模型，暂不对外开放；

OpenAI o1-preview：这个版本更注重深度推理处理，每周可以使用50条；

OpenAI o1-mini：这个版本更高效、划算，适用于编码任务，每天都能使用50条。

不过，从OpenAI文章中的附录来看，这次放出的preview和mini似乎都只是o1的阉割版，OpenAI o1更加值得期待。

o1模型推理能力大幅提升

对于为什么不用过去GPT系列命名，而是重新起了一个o系列，OpenAI的首席研究官鲍勃·麦格鲁（Bob McGrew）在一次采访中透露，“o1”这个名字是为了表示“将计数器重置为1”。这意味着OpenAI希望通过这个模型，重新定义人工智能的推理能力，开启一个新的纪元。

根据OpenAI的技术报告显示：

编程方面，模型在Codeforces竞赛上超过了83%的专业人员，要知道这是个很厉害的竞赛；

数学方面，以2024年的美国数学邀请赛为测试集，o1单次生成可解决74%的问题，多次生成后进一步提升正确率到83%，而GPT-4只能解决12%的问题；

科学方面，模型GPQA Dimond测试集正确率78%，超越人类专家70%水平。

和之前的大语言模型相比，全新的o1系列，在复杂推理上的性能又提升到了一个全新级别，主要体现在数据分析、数学和编程方面，可以说拥有了真正的通用推理能力。

OpenAI称，这是它目前为止推理能力最好的模型，下一个模型将在物理、化学和生物学方面达到与博士生接近的水平。

o1模型背后的原理

OpenAI的研究负责人杰里·特沃瑞克（Jerry Tworek）表示，o1背后的训练与前代产品有本质区别。他透露，o1“采用了全新的优化算法和专门为其定制的新训练数据集”。这种新的训练方法，使得o1在处理复杂推理任务时，能够更加准确和高效。

OpenAI的o1模型在设计之初就瞄准了复杂推理任务，这些任务通常需要模型具备高度的逻辑推理能力和深度学习能力。为了实现这一目标，OpenAI采用了强化学习（Reinforcement Learning, RL）作为其核心训练方法。通过强化学习，o1学会了识别并纠正自己的错误，并将复杂的步骤分解为更简单的步骤。在当前方法不起作用时，它还会尝试不同的方法。这个过程显著提高了模型的推理能力。

在OpenAI o1发布后不久，其团队组织了一个 AMA（Ask Me Anything）的活动，团队通过社交媒体下的评论和用户互动。国外网友已经整理了AMA的核心内容，下面做下分享，帮助大家更全面的了解o1系列模型：

01

o1模型的大小和性能

o1-mini比o1-preview小得多且更快，因此未来将提供给免费用户；

o1-preview是o1模型的早期检查点，既不大也不小；

o1-mini在STEM任务中表现更好，但世界知识有限；

与o1-preview相比，o1-mini在某些任务上表现更好，尤其是在代码相关任务中；

与o1-preview相比，o1-mini在某些任务上表现更好，尤其是在代码相关任务中；

o1的输入Tokent算方式与GPT-4o相同，使用相同的分词器；

o1-mini可以比o1-preview探索更多思维链。

02

输入Token上下文和模型能力

更大的输入上下文即将为o1模型提供；

 o1模型能够处理更长、更开放的任务，较少需要像GPT-4o那样进行输入分块；

o1可以在给出答案之前生成长推理链，这不同于之前的模型；

当前无法在链式推理(CoT）过程中暂停推理以添加更多上下文，但正在为未来模型探索此功能。

03

工具、功能和即将推出的特性

o1-preview目前还不使用工具，但计划支持函数调用、代码解释器和浏览；

工具支持、结构化输出和系统提示将在未来更新中添加；

用户最终可能会获得对思考时间和Token限制的控制权；

正在计划启用流式传输并在API中考虑推理进展；

多模态能力内置于o1中，旨在在诸如MMMU等任务中达到最先进的表现。

04

链式推理(CoT)

o1在推理过程中生成隐藏的推理链；

目前没有计划向API用户或ChatGPT公开CoT Token；

CoT Token被总结，但无法保证其完全忠实于实际推理过程；

提示词中的指令可以影响模型如何思考问题；使用强化学习（RL）改进了o1的链式推理性能，GPT-4o无法仅通过提示词匹配其COT表现；

思维阶段看起来较慢，因为它总结了思维过程，但生成答案的速度通常更快。

05

模型开发和研究见解

o1通过强化学习训练以实现推理性能；

该模型在诗歌等横向任务中展现了创造性思维和强大的表现；

o1的哲学推理和泛化能力 (例如破译密码)令人印象深刻；

研究人员使用o1创建了一个GitHub机器人，该机器人可以提醒正确的CODEOWNERS进行代码审查；

在内部测试中，o1通过对自己提出困难问题来评估其能力；

正在添加广泛的世界领域知识，未来版本会有所改进；

计划为未来迭代的o1-mini提供更新的数据 (当前截至2023年10月)。

06

提示技巧和最佳实践

o1受益于提供边界情况或推理风格的提示技巧；

与早期模型相比，o1模型对提示中的推理线索更为敏感；

在检索增强生成（RAG）中提供相关的上下文可以改善性能；不相关的部分可能会削弱推理。