编辑 | 言征、伊风

出品 | 51CTO技术栈（微信号：blog51cto）

在炒作将近9个月后，OpenAI代号“草莓”的模型o1终于深夜突然亮相，一时间具备试用资格的大牛纷纷开始了测评，业内许多AI项目、公司的大佬如英伟达高级研究经理JimFan、Devin的DeepWisdom创始人纷纷发表了自己对于o1的使用感受。

整体上看分两派：一派认为o1代表着Scaling Law以外的新赛道的开启，另一派则认为——

“炒作大于实际”、“有坑”、“很难说”。

这里不再花篇幅去介绍这款主打“慢思考”的模型的官宣能力。仅仅长话短说地列举开发者最关心的几个信息。

一、开启复杂任务推理新赛道

通用模型GPT5发布前，开启复杂推理模型赛道OpenAI o1。o1在回答前，会反复的思考、拆解、理解、推理，然后给出最终答案。

通过Self-play RL，o1学会了回溯、打磨自己的思维链并完善所使用的策略，学会了将复杂步骤拆解为更简单的子步骤，并能识别和纠正自己的错误。

o1工作原理：先思考，再总结输出 图源：赛博禅心

二、两款：preview主打强推理，mini主打代码

o1-preview：预览版具有很强的推理能力和广阔的世界知识，但还没有达到满血o1的性能，还会持续更新和改进；

o1-mini：更快、更便宜（o1-mini 比 o1-preview 便宜 80%），在代码方面特别有效，特别适合开发人员使用。

三、速率限制和价格

不过主打“慢思考”的草莓，OpenAI对外开放的相当吝啬：竟然以周为单位来计算对话条数：

o1-preview 的每周速率限制为 30 条消息o1-mini 的每周速率限制为 50 条消息

而对于开发者而言，只面向Tier5级别（付费超过1000美元）的用户开放，每分钟并发限制20次。

不过，价格上面却是个令人头疼的家伙。

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，o1-mini会便宜一些，每百万输入3美元，每百万输出12美元。

而对于这个价格，赛博禅心认为这个模型有坑：在正常使用中，o1 的开销，会比 4o 贵百倍！因为，从 pricing table 上看，o1 的价格是 4o 的 6 倍，但这是有迷惑性的！o1 计费并不按最终输出，其中间思考过程所消耗的 token，并被视作 output tokens，这意味着 100 tokens 的内容输出，可能会被按 10000 tokens 计费。

这一点也得了“NLP工作站”博主刘聪NLP的认证：内在思维链比思维链长的多。

o1展示的外部思维链：

图片

但内部隐藏的未对齐的思维链却非常长：

图片

四、幕后团队

可以看到在基础贡献一栏里，大佬Ilya赫然在列。完整表单见：

https://openai.com/openai-o1-contributions/

图片

此次，OpenAI还特别发布了一支幕后团队的特别短片，来聊聊他们对o1的想法。

图片

第一个发言的男生就是华人面孔，领导了整个o1研发的Mark Chen，他解释了o1的命名背后的原因：“与GPT-4o等以前的型号相比，您可能会感到不同。正如其他人稍后会解释的那样，o1是一个推理模型，因此它会思考更多。”

他从麻省理工大学毕业，已经在OpenAI工作了6年之久，现任研究副总裁一职。

图片

五、网友实测1.9.8和9.11的无限反思

小红书网友@小水刚醒 反馈，“一上难度就崩溃……让模型比较9.8和9.11的大小，结果无限循环发疯般CoT”

图片

另一位网友@ChRlesWaa在评论区吐槽o1依旧没主见，“很垃圾，和以前一样一反问就改答案”。

图片

2.卡兹克：“中秋国庆调休”问题没有翻车

“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。

图片

图片

不过据小编观察，卡兹克这次的提问应该有运气的成分，因为有其他博主测试了同样的问题，翻车了：最后的回答是多休了2天~

图片

3.赛博禅心：有坑，更像是工程优化

赛博禅心随后进行了与其说是模型优化，不如说是工程优化

图片

因为他从训练数据和训练时间发现，o1的截止时间是2023年10月，而GPT-4-turbo的时间则更晚是2023年12月，新旧立见了~ GPT-4在o1之后。

此外，o1与4o的输出语言风格高度类似，可以猜测是草莓视4o进行对齐之后的agent版本。

图片

4.预训练工程师：小修小补，很难说是突破

小红书上的一位大模型预训练算法工程师，则发表了更为消极的看法，“深夜看到o1发布，感觉我的职业生涯结束了”，他认为o1实际还在做“小修小补”，并且也将难以看到范式上的其他突破了。他说，未来的方向也许是“功能专精模型和多模态真正融合”。

图片

六、Devin：自我反思与传统提示词的革新时刻

过去几周跟OpenAI有密切合作的Cognition团队也第一时间对o1的推理能力进行了测试。

团队使用简化版本的Devin进行了测试，与4o相比，o1具有惊人的反思和分析能力。它通常会回溯并考虑不同的选择，然后才能得出正确的答案，并且产生幻觉或自信的错误的概率也很低。

并透露：使用o1-preview时，Devin更容易正确诊断问题的根本原因，而不是解决问题的症状。

并举了一个例子：Devin遇到了一个错误，o1就像人类一样搜索互联网，并经过几步后找到了与其问题相关的Github问题。

但是，o1需要的提示词明显更加密集，对混乱和不必要的token也会更加敏感。传统的提示词方法通常会有冗余，这会对o1的性能造成负面影响。

不过关于这一点，有人士发表了不同的看法，AI沃茨体验o1后表示：以前的提示词模版还能继续沿用几个月。

图片

七、JimFan：o1的飞跃不再是Scaling Law，而是搜索

英伟达大佬Jim Fan透露o1的重点从此前的“学习”转向了“搜索”，也就是说，此次让o1能力飞跃的不再是scaling law了。他的完整贴文翻译如下：

OpenAI Strawberry (o1) 发布了！我们终于看到推理时间缩放的范式在生产中流行并得到部署。正如Sutton在《苦涩的教训》中所说，只有两种技术可以无限扩展计算：学习和搜索。现在是转向后者的时候了。

1.你不需要一个巨大的模型来进行推理。很多参数都专门用来记忆事实，以便在像智力问答这样的基准测试中表现良好。可以将推理与知识分开，即一个小的“推理核心”，它知道如何调用浏览器和代码验证器等工具。预训练的计算量可以减少。

2.大量的计算资源转移到了服务推理，而不是预/后训练。LLMs是基于文本的模拟器。通过在模拟器中推出许多可能的策略和情景，模型最终会收敛到良好的解决方案。这个过程就像AlphaGo的蒙特卡洛树搜索(MCTS)一样，是一个被广泛研究的问题。

3.OpenAI 很久以前就已经掌握了推理缩放定律，而学术界最近才刚刚发现。上个月Arxiv上相隔一周发表了两篇论文：

大语言猴子：使用重复采样扩展推理计算。Brown等人发现DeepSeek-Coder在SWE-Bench上从一个样本增加到250个样本时，性能从15.9%提升到56%，超过了Sonnet-3.5。有关论文可以移步：

https://arxiv.org/abs/2407.21787v1

在推理时最优地扩展LLM的计算比扩展模型参数更有效。Snell等人发现，在MATH上，PaLM 2-S 在测试时搜索上击败了一个体积大14倍的模型。

4.将 o1 投入生产要比达到学术基准更加困难。对于野外的推理问题，如何决定何时停止搜索？奖励函数是什么？成功标准是什么？何时调用代码解释器等工具？如何考虑这些CPU进程的计算成本？他们的研究文章中没有分享太多相关信息。

5.Strawberry 很容易变成一个数据的飞轮。如果答案是正确的，整个搜索跟踪就成为一个小型的训练样本数据集，其中包含正面和负面的奖励。这反过来会改进未来版本的GPT的推理核心，就像AlphaGo的价值网络——用来评估每个棋盘位置的质量——随着MCTS生成越来越精细的训练数据而改进一样。

图片

八、MetaGPT创始人吴承霖：没有其他秘密，最简单的自我博弈

DeepWisdom公司CEO吴承霖深夜发出了自己的想法：（裸推理极限）

1.self-play 可行，设计空间也不大

2.OpenAI 只做了最简单的 self-play

3.记忆模块仍然没有任何突破

4.思维模式仍然难以琢磨，很难说 o1 是好的思维模式

5.没有其他秘密，这就是现在的裸推理极限，所以 OpenAI 核心成员都去了其他公司

self-play是一种强化学习手段，可以理解为：智能体通过与自身副本或历史版本进行自我博弈而进行演化的方法。

图片

九、写在最后

其实，就连奥特曼自己也承认o1并非完美之作。

图片

不过，当人们实际上手o1时，巨大的落差感可能在所难免。

在OpenAI官方的演示视频中，o1已经在玩量子物理、奥赛数学了，但在实际的测评中，面对9.11和9.8哪个大的“经典老题”时，o1依然自顾自的重复着“wait,9.8 is 9.80”……。不由得让人长叹，“理想很丰满，现实很骨感”。

图片

这体现了模型能力发展中巨大的不平衡，也提醒着我们，即使AI已经看起来如此的聪明，但通往AGI的道路仍然扑朔迷离。

然而，OpenAI找到了一个尚可前进的方向。

在看到o1的命名法则时，有人调侃说，“原来GPT-5永远不会来了”。但是，由o1生成数据进行训练的下一代模型“猎户座”，终将会与人们见面，不是吗？

也许，科技最有魅力的地方，也许不是当下的成果有多么惊艳。而是告诉我们：边界尚未抵达，这里仍有无限期待。

想了解更多AIGC的内容，请访问：

51CTO AI.x社区

https://www.51cto.com/aigc/

来源： 51CTO技术栈