OpenAI发布o1，AI正式迈入慢思考时代

2024年9月13日，今天大半夜OpenAI在毫无预告下放出了憋了整整半年的新模型o1，我拿到Plus名额后连夜测试，连调休题和姜萍那道奥数题都全对，我裂开了。

大半夜的，OpenAI抽象了整整快半年的新模型，在没有任何预告下正式登场。正式版名称不叫草莓，草莓只是内部代号，他们的正式名字叫：

为什么取名叫o1？OpenAI是这么说的："For complex reasoning tasks this is a significant advancement and represents a new level of AI capability. Given this, we are resetting the counter back to 1 and naming this series OpenAI o1."翻译过来就是：对于复杂推理任务来说，这是一个重要的进展，代表了人工智能能力的新水平。鉴于此，我们将计数器重置为1，并将这一系列命名为OpenAI o1。

这次模型的强悍，甚至让OpenAI推掉了过去GPT系列的命名，重新起了一个o系列。炸了，真的炸了。我现在头皮发麻——这次o1发布，也标志着AI行业正式进入了一个全新的纪元。"我们通往AGI的路上，已经没有任何阻碍。"

在逻辑和推理能力上，我直接把数据列出来，就知道这玩意有多离谱。AIME 2024，一个高水平数学竞赛，GPT4o准确率13.4%，o1预览版56.7%，还没发布的o1正式版83.3%。代码竞赛，GPT4o准确率11.0%，o1预览版62%，o1正式版89%。而最牛逼的博士级科学问题（GPQA Diamond），GPT4o是56.1，人类专家水平69.7，o1达到了恐怖的78%。我让Claude把官方那批数据翻译了一遍，丑是丑了点，但每项数据的意思都能看懂。什么叫全面碾压，这就是。

特别是在测试化学、物理和生物学专业知识的基准GPQA-diamond上，o1的表现全面超过了人类博士专家，这也是有史以来第一个获得此成就的模型。而整个模型之所以达到如此成就，基石就是Self-play RL——不知道这个的可以翻我前两天那篇关于草莓到底是个啥的笔记。通过Self-play RL，o1学会了磨练它的思维链并完善所使用的策略：学会识别和纠正自己的错误，学会把复杂步骤分解成更简单的步骤，当当前方法不起作用时，也学会了尝试不同的方法。

它学会的这些，就是人类最核心的思考方式：慢思考。诺贝尔经济学奖得主丹尼尔·卡尼曼有本著作叫《思考，快与慢》，详细阐述了人类的两种思考方式。第一种是快思考（系统1）：快速、自动、直觉性、无意识——看到一个笑脸就知道对方心情很好，1+1=2这种简单计算，开车遇到危险立即踩刹车。这些就是快思考，也就是传统大模型死记硬背后学得的快速反应能力。第二种是慢思考（系统2）：缓慢、需要努力、逻辑性、有意识——解一道复杂数学题、填写税务申报表、权衡利弊后做出重要决定。这就是慢思考，是人类之所以强大的核心，也是AI通往下一步AGI路上的基石。而现在，o1终于踏出了坚实的一步，拥有了人类慢思考的特质：回答前会反复思考、拆解、理解、推理，然后给出最终答案。

说实话，这些增强的推理能力在处理科学、编码、数学及类似领域的复杂问题时绝对极度有用：o1可以被医疗研究人员用来注释细胞测序数据，被物理学家用来生成量子光学所需的复杂数学公式，被各领域开发人员用来构建和执行多步骤工作流，等等。o1也绝对是全新一代的数据飞轮——如果答案正确，整个逻辑链就会变成一个包含正负奖励的训练示例的小型数据集，以OpenAI的用户级别，未来的进化速度只会更恐怖。

写到这我忽然叹了口气：我觉得我跟一年以后的o1比起来，可能就是个纯废物了，真的。

目前，o1模型已经逐步向所有ChatGPT Plus和Team用户开放，未来会考虑对免费用户开放。分成两个模型：o1预览版和o1-mini。o1-mini更快更小更便宜，推理啥的都不错，极度适合数学和代码，但世界知识会差很多，适用于需要推理但不需要广泛世界知识的场景。额度上，o1预览版每周30条，o1-mini每周50条——甚至不是按以前的3小时来限制，是每周30条，也能从侧面看出来o1这个模型有多贵。对于开发者，只对已经付过1000美刀的等级5开发者开放，每分钟限制20次，都挺少的，功能上阉割也挺大，但毕竟早期，理解。

API价格上，o1预览版每百万输入15美元、每百万输出60美元，这个推理成本……o1-mini便宜一些，每百万输入3美元、每百万输出12美元。输出成本都是推理成本的4倍，对比GPT4o的5美元和15美元，o1-mini还勉强有一些经济效应，不过还是早期，后面等着OpenAI打骨折。

既然说o1已经对Plus用户开放，我就直接去我的号上看了眼，还不错，拿到了，那自然第一时间试一试。目前不支持曾经的所有功能：没有图片理解、图片生成、代码解释器、网页搜索等等，只有一个可以对话的裸模型。

我先问了一个曾经很致命的问题："农夫需要把狼、羊和白菜都带过河，但每次只能带一样物品，而且狼和羊不能单独相处，羊和白菜也不能单独相处，问农夫该如何过河。"思考了6秒，它给了我一个很完美的回答。

还有之前坑遍所有大模型的调休问题："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。无敌，真的无敌。

再来一个更难的：曾经姜萍那个比赛的奥数题。别问我题目什么意思，我看不懂，我是废物，这题曾经屠杀所有大模型，这次我让o1也试一下。在o1思考了整整1分多钟之后，它给出了答案——全……对……我裂开了。

目前我自己试下来，感觉Prompt未来可能也要重新摸索。在GPT为代表的快思考大模型时代，我们有很多所谓"一步一步思考"之类的玩意，现在对o1全都无效，甚至还有负效果。OpenAI给出的最佳写法是：保持提示简单直接，模型擅长理解和响应简短清晰的指令，不需要大量指导；避免思路链提示，由于这些模型在内部进行推理，不需要提示它们"逐步思考"或"解释你的推理"；使用三重引号、XML标签或章节标题等分隔符来清楚指示输入的不同部分；限制检索增强生成（RAG）中的附加上下文，只包含最相关的信息，防止模型把响应过度复杂化。

最后想说一下思考的时长。现在o1思考了一分钟，但如果是真正的AGI，说实话思考得越慢可能会越刺激：当它真的可以去证明数学定理、去做癌症药物研发、去做天体研究呢？每一次的思考可以达到几小时、几天甚至几周？最后的结果，可能会让所有人震惊得难以置信。现在，没有人能想象那时候的AI会是什么样的存在。而o1的未来，在我看来也绝对不止是一个普普通通的ChatGPT，而是我们前往下个时代最伟大的基石。

"我们通往AGI的路上，已经没有任何阻碍。"现在，我毫不犹豫地坚信这句话。

星光熠熠的下一个时代，在今天正式到来了。