OpenAI發布首個推理能力“o1模型”,AI領域迎來變革時刻

OpenAI发布首个推理能力“o1模型”,AI领域迎来变革时刻

發布日期:

科技 Tech


要点:
OpenAI近日发布首款具备推理功能的新工具“o1模型”,可以比人类更快地回答更复杂的问题。此模型也视为未来人工智能发展的关键一步,这一创新模型的推出无疑将在科研、编程、医疗等多个领域带来新的应用场景和挑战。

科技正以前所未有的速度和规模发展,引发多个领域的变革,塑造了新的商业模式,甚至重塑了全新社会结构。我们一起,从科技创新中洞察社会转型和升级的机遇。

狂呼科技研究所聚焦科技创新对当今世界的影响,以独特、前瞻的科技视角,洞察科技时代下涌现的“创新革命”。

狂呼,以最具突破性的技术塑造我们的未来,为大众捕捉科技商业先机,探索当今人类社会面临的重大挑战。

联系我们// 相关文章

具有推理能力的人工智能AI被视为该技术发展的一个关键里程碑,因为它不仅能够处理大量数据,还能在此基础上进行复杂的逻辑推理和决策。

为了在激烈的市场竞争中保持领先地位,OpenAI于9月13日推出了首款具备推理能力的人工智能“o1模型”,代号为“草莓”。这一新推出的o1模型,代表了OpenAI在该领域的重大突破。 OpenAI的首席执行官Sam Altman更是对外宣布,“耐心等待的时刻结束了!”这一句简短却振奋人心的话,预示着人工智能技术即将迎来一个快速发展的新阶段。

o1模型:开启推理新高度
OpenAI推出的“o1模型”是一款具备高级推理能力的语言模型,由字母o和数字1组成。此次发布的o1被标记为“预览版”,以强调其仍处于初期阶段的性质。

最新的信息显示,o1模型在推理能力上相较于前代的GPT-4o有了显著提升。特别是在数学、编程和科学问题的解决能力方面,o1模型甚至被认为已超越了人类专家。

目前,OpenAI仅发布了o1模型系列的首批版本,包括o1-preview预览版和o1-mini迷你版。这些版本将分阶段向付费用户、免费用户和开发者开放,其中开发者的使用成本较高。在API/应用程序编程接口中,o1-preview每百万输入token的收费为15美元,是GPT-4o的三倍,而每百万输出token的收费为60美元,是GPT-4o的四倍。这里的百万token表示模型处理的文字块规模,相当于大约75万单词。

o1模型釆用了全新的优化算法和特别定制的训练数据集
OpenAI的研究负责人Jerry Tworek指出,o1模型的训练方式与以往的模型有着本质上的不同。通过全新的训练方法,o1模型能够处理更加复杂的编程、数学和科学难题,并且在回答问题时会进行“思考”,其处理速度甚至快于人类。

具体来说,o1模型釆用了一种全新的优化算法,并使用了专门为其量身定制的训练数据集,其中包含了推理数据和特别挑选的科学文献。与之前的GPT模型依赖于模仿数据集的规律不同,o1模型则运用了“强化学习”的方法,通过奖励和惩罚的机制来训练模型解决问题。

此外,o1模型还使用了“思路链”/chain of thoughts技术来处理用户的查询,并提供思路链的总结概要,而这种方法类似于人类逐步解决问题的思考方式。

OpenAI对此认为,这种创新的训练方法将使o1模型更为精准,并显著减少生成错误回答的情况。 o1模型与GPT-4o的主要区别在于它在解决复杂的编程和数学问题方面表现更佳,同时能够优化推理过程、尝试不同策略,并识别和纠正自身回答中的错误。而在整个测试阶段中,o1模型的优势和劣势也十分明显。

优势:对复杂推理任务是巨大进步
OpenAI表示,o1模型在处理复杂推理任务上实现了显著进步,代表了人工智能AI能力目前的新高度。该模型的“思考”时间越长,其在推理任务中的表现越佳,因为o1模型能够花费更多时间分析复杂问题的各个方面,从而有效地针对事实进行自我核查。

具体来说,o1模型的推理能力大幅提升,在物理、化学和生物等领域的挑战性基准测试中,其表现相当于博士生级别的专家。尤其在数学和编程方面,o1模型的成绩尤为突出。经过测试,在国际数学奥林匹克/IMO资格考试中,o1模型的正确率高达83%,而GPT-4o的正确率仅为13%。而在Codeforces在线编程竞赛中,o1模型的表现位于89百分位,即只有11%的参赛者能超越o1模型。

此外,o1模型在安全性方面也有所提升,相较于之前的模型更能遵循安全准则并抵抗生成有害内容。在严格的“越狱测试”中,GPT-4o的得分仅为22分,而o1模型预览版则获得了84分。据OpenAI表示,o1模型暂未引发超出现有资源可能实现的评估风险。

OpenAI还指出,o1模型特别适用于那些需要解决科学、编程、数学等领域复杂问题的用户。增强的推理能力对这些领域的工作者而言,尤其有用。 o1模型擅长准确生成和调试复杂代码,其中o1-mini迷你版,则以更高的速度和比预览版便宜80%的价格提供高效的推理能力。 o1-mini迷你版特别适合于需要推理但不涉及广泛世界知识的应用,如医疗研究人员可以利用o1模型注释细胞测序数据,物理学家可以用它生成量子光学所需的复杂数学公式,各领域的开发人员也可以用它进行构建和执行多步骤的工作流程。

缺点:无法杜绝“幻觉”问题
尽管今日发布的o1模型在许多方面展示了进步,但作为该模型的初始版本,仍存在一些明显的不足之处。

例如,o1模型目前仅支持“纯文字”功能,尚不具备网页浏览、文件上传或图片处理能力。相比于ChatGPT的丰富功能,o1模型在许多常见用例中不如GPT-4o强大,并且其使用受到限制:o1-preview预览版每周最多可发送30条消息,而o1-mini迷你版的上限为50条。

此外,o1模型在许多领域的理解能力仍逊色于GPT-4o。在涉及世界事实知识的方面,其表现不佳,某些情况下推理速度较慢,可能需要更长时间才能回答问题。目前,o1模型还无法对特定文档进行推理,也缺乏从网络上实时获取信息的能力。

当被问及“公主的年龄是王子年龄的两倍,当公主的年龄是他们年龄总和的一半时,请问王子和公主各自的年龄是多少?”o1模型经过30秒的缓冲后才给出了正确答案。

而在此过程中,o1模型似乎刻意模仿人类的思维方式。通过使用诸如“我很好奇”、“我正在思考”和“好吧,让我看看”等短语,制造了一种逐步思考的假象。但实际上,o1模型模型并不会真正思考,也绝不是人类。

OpenAI对此,并不认为o1模型的人工智能思维等同于人类思维。但他们表示,该界面的设计目的是为了展示模型如何花费更多时间来处理问题,并更深入地解决问题。 “在某些方面,它比以前的模型显得更具人性化。”

更值得注意的是,OpenAI表示o1模型依然存在着幻觉/Hallucination。 OpenAI在一篇技术论文中承认,其收到了一些“轶事反馈”,称o1模型和迷你版比GPT-4o及其迷你版容易产生“幻觉”,也就是AI仍在很自信地编造答案,而且o1模型很少会承认它不知道问题的答案。

Jerry Tworek解释道,“我们观察到,这个新模型产生幻觉的频率较低。”尽管如此,他也强调,幻觉问题”仍然存在。“我们不能声称已经完全解决了幻觉问题。 ”

AI领域迎来变革时刻
OpenAI如今率先推出了o1模型,但如果竞争对手迅速跟进并推出类似产品,公司的真正挑战将会演变成如何让o1模型相比其竞争对手,得到更广泛的应用。

对此,OpenAI计划不断更新o1模型,以提升其推理能力,目标是对推理时间长达数小时、数天甚至数周的场景进行实验。除了模型更新,OpenAI还打算为o1模型添加更多功能,例如浏览网页、上传文件和图片,以增强其实用性。 o1模型系列外,OpenAI还将继续开发和发布GPT系列中的新模型。

目前,市场对o1模型的期待不仅在于其技术优势,更在于它可能引领行业的未来发展。

OpenAI将o1模型也视为未来人工智能发展的关键一步,这一创新模型的推出无疑将在科研、编程、医疗等多个领域带来新的应用场景和挑战。英伟达AI团队领军人物Jim Fan也对OpenAI的此次发布表示高度赞赏,他认为o1模型在推理层面开启了新的规模化规律,为大模型能力的提升开辟了新路径。随着AI模型在推理能力上的不断增强,未来我们或许能在多个领域看到AI超越当前的人类认知极限。

未来的人工智能AI,不仅仅是信息的整合者、知识堆砌者,更将成为人类思考的延伸,帮助我们解决更多复杂的问题,推动人类社会的进步和发展。

在如此动荡的金融市场中,你会选择怎样投资?
一起深入了解资深投资者的交易策略。在投入股市之前,多认识金融市场,才可提高投资回报率。关注狂"思钱想后"栏目,紧密跟踪股市走势,寻找更多投资机会。

点击此处了解更多

投资不仅仅是为了创造财富,更是一种洞察宏观经济的态度,见证社会演变与科技发展。我们一起,从大变局中看清发展趋势,希望从不确定中找到确定。

狂呼金融研究所聚焦于新的社会发展形势下,金融与经济对当今世界日益凸显的影响。以全面、理性的投资视角,洞察分析每一个趋势与机会,为广大投资者创造更高质量、更独特的金融投资观点。

狂呼,比一部分人更快、更准地看清市场,让大众洞察金融经济的核心。

联系我们// 相关文章

免责声明:本网站提供的信息仅供一般信息目的,并不应被视为投资建议。
免責聲明:本網站提供的信息僅供一般信息分享目的,並不應被視為投資建議。
相關主題:

返回博客
  • MU美光業績已成新的AI硬件風向標

    MU美光业绩已成新的AI硬件风向标

    美光本季度营收 415 亿美元,环比直接拉涨了 74%,连续两季度保持 70%+ 的环比增长。与公司此前指引的最高 342 亿美金,以及市场预期的 354 亿美金,完全不在一个维度上。

    MU美光业绩已成新的AI硬件风向标

    美光本季度营收 415 亿美元,环比直接拉涨了 74%,连续两季度保持 70%+ 的环比增长。与公司此前指引的最高 342 亿美金,以及市场预期的 354 亿美金,完全不在一个维度上。

  • PDD拼多多2026年第一季財報,不及市場預期

    PDD拼多多2026年第一季财报,不及市场预期

    因国内主站营收增长不及预期,营销支出也并未明显下滑,因此实际利润表现并不及预期。分板块来看背后原因,我们认为一方面是 Temu 本季减亏的幅度大概率并没有预期的那么多,另外国内主站的经营利润增长应当也相当有限。

    PDD拼多多2026年第一季财报,不及市场预期

    因国内主站营收增长不及预期,营销支出也并未明显下滑,因此实际利润表现并不及预期。分板块来看背后原因,我们认为一方面是 Temu 本季减亏的幅度大概率并没有预期的那么多,另外国内主站的经营利润增长应当也相当有限。

  • 小米2026年第一季度財報,主要受手機和汽車毛利率同比回落影響

    小米2026年第一季度财报,主要受手机和汽车毛利率同比回落影响

    小米本季度汽车业务毛利率下滑至 20.1%,接近市场预期(20.5%),主要是受均价下滑的影响,其中包含了小米对购置税进行补贴的影响,并在本季度销售了一部分的低价现车。由于毛利率再次回落,海豚君测算本季度小米汽车业务核心经营利润再度陷入亏损 31 亿元。

    小米2026年第一季度财报,主要受手机和汽车毛利率同比回落影响

    小米本季度汽车业务毛利率下滑至 20.1%,接近市场预期(20.5%),主要是受均价下滑的影响,其中包含了小米对购置税进行补贴的影响,并在本季度销售了一部分的低价现车。由于毛利率再次回落,海豚君测算本季度小米汽车业务核心经营利润再度陷入亏损 31 亿元。

  • NVDA英偉達2027財年第一季度財報,收入752億美元,環比增量為129億美元

    英伟达2027财年第一季度财报,收入752亿美元,环比增量为129亿美元

    NVDA核心经营指标:总收入816亿美元,好于上调后的买方预期(780-800亿美元),其中季度环比增长135亿美元,几乎都来自于数据中心业务中Blackwell量产增加的带动。

    英伟达2027财年第一季度财报,收入752亿美元,环比增量为129亿美元

    NVDA核心经营指标:总收入816亿美元,好于上调后的买方预期(780-800亿美元),其中季度环比增长135亿美元,几乎都来自于数据中心业务中Blackwell量产增加的带动。

  • BYD比亞迪2025年第四季度業績仍然不及預期,賣車單價仍處於下行軌道

    比亚迪2025年第四季度业绩仍然不及预期,卖车单价仍处于下行轨道

    比亚迪的业绩仍然不及预期。收入虽超预期,但主要由于非核心的比亚迪电子业务高增带来,而在核心的卖车业务上,卖车单价仍处于下行轨道,卖车成本降幅不够,最后卖车毛利率虽有回暖,但仍低于市场预期。

    比亚迪2025年第四季度业绩仍然不及预期,卖车单价仍处于下行轨道

    比亚迪的业绩仍然不及预期。收入虽超预期,但主要由于非核心的比亚迪电子业务高增带来,而在核心的卖车业务上,卖车单价仍处于下行轨道,卖车成本降幅不够,最后卖车毛利率虽有回暖,但仍低于市场预期。

  • GOOG谷歌TurboQuant新聞導緻MU美光科技等內存股股價暴跌,但這合理嗎?

    GOOG谷歌TurboQuant新闻导致MU美光科技等内存股股价暴跌,但这合理吗?

    消息一出,华尔街一度陷入恐慌:如果 AI 突然间不再需要那么多 RAM 就能运作,这是否意味着内存产业的“超级周期”即将结束?答案是否定的。事实上,从历史规律与经济学角度来看,情况正好相反。要理解这一点,我们只需要观察你电脑上的网页浏览器。

    GOOG谷歌TurboQuant新闻导致MU美光科技等内存股股价暴跌,但这合理吗?

    消息一出,华尔街一度陷入恐慌:如果 AI 突然间不再需要那么多 RAM 就能运作,这是否意味着内存产业的“超级周期”即将结束?答案是否定的。事实上,从历史规律与经济学角度来看,情况正好相反。要理解这一点,我们只需要观察你电脑上的网页浏览器。

  • BABA財報AI投入比較激進

    BABA财报AI投入比较激进

    BABA发布第四季财报后股价下跌,财报显示其营收和利润均大幅低于预期。这家電商巨头的季度净利暴跌67%,而总营收仅增长1.7%约413亿美元。这些表现引发了人们对阿里巴巴在AI人工智能领域巨额投资(总额超过530亿美元)有效性的担忧。

    BABA财报AI投入比较激进

    BABA发布第四季财报后股价下跌,财报显示其营收和利润均大幅低于预期。这家電商巨头的季度净利暴跌67%,而总营收仅增长1.7%约413亿美元。这些表现引发了人们对阿里巴巴在AI人工智能领域巨额投资(总额超过530亿美元)有效性的担忧。

  • MU美光業績,季度毛利率達到 74.4%!

    MU美光业绩,季度毛利率达到 74.4%!

    MU 整体业绩:美光本季度营收 238.6 亿美元,环比增长 75%,好于上调后的买方预期(199 亿美元),本季度收入增长主要来自于 DRAM 和 NAND 业务的双重带动,两大业务环增都在 70% 以上。

    MU美光业绩,季度毛利率达到 74.4%!

    MU 整体业绩:美光本季度营收 238.6 亿美元,环比增长 75%,好于上调后的买方预期(199 亿美元),本季度收入增长主要来自于 DRAM 和 NAND 业务的双重带动,两大业务环增都在 70% 以上。

1 / 8
  • Sharpa機器人削蘋果

    Sharpa机器人削苹果

    对人类来说,削苹果是件轻而易举的晨间小事,但对机器人而言,这是双手协调能力的「终极挑战」。 Sharpa机器人正在为能够像人类一样灵巧地完成复杂家务和工业装配的机器人铺平道路。

    Sharpa机器人削苹果

    对人类来说,削苹果是件轻而易举的晨间小事,但对机器人而言,这是双手协调能力的「终极挑战」。 Sharpa机器人正在为能够像人类一样灵巧地完成复杂家务和工业装配的机器人铺平道路。

  • 腫瘤療法突破,中國團隊給癌細胞打上“豬”標簽,癌細胞“偽裝朮”被破解

    肿瘤疗法突破,中国团队给癌细胞打上“猪”标签,癌细胞“伪装术”被破解

    近期,中国科学家在“Cell”杂志上发表的一项突破性研究,为这一顽疾提供了全新思路。他们利用基因编辑技术,将癌细胞改造成免疫系统眼中的“异类”,类似于人体对猪器官产生的超急性排斥反应,从而引发了一场针对癌细胞的精准“免疫歼灭战”。

    肿瘤疗法突破,中国团队给癌细胞打上“猪”标签,癌细胞“伪装术”被破解

    近期,中国科学家在“Cell”杂志上发表的一项突破性研究,为这一顽疾提供了全新思路。他们利用基因编辑技术,将癌细胞改造成免疫系统眼中的“异类”,类似于人体对猪器官产生的超急性排斥反应,从而引发了一场针对癌细胞的精准“免疫歼灭战”。

  • 新型大腦設備首次讀出內心聲音,腦機接口技朮打破失語者困境

    新型大脑设备首次读出内心声音,脑机接口技术打破失语者困境

    新系统的核心原理与常见的“尝试说话”型脑机介面相似,都是在大脑运动皮质植入感测器,这一区域负责向声道肌肉下达运动指令。感测器捕捉到的神经活动会送入机器学习模型,模型依据个人化数据判断信号对应的声音,进而预测使用者想说的单字。

    新型大脑设备首次读出内心声音,脑机接口技术打破失语者困境

    新系统的核心原理与常见的“尝试说话”型脑机介面相似,都是在大脑运动皮质植入感测器,这一区域负责向声道肌肉下达运动指令。感测器捕捉到的神经活动会送入机器学习模型,模型依据个人化数据判断信号对应的声音,进而预测使用者想说的单字。

  • “垃圾DNA”新發現:遠古病毒DNA在人類發育中發揮關鍵作用

    “垃圾DNA”新发现:远古病毒DNA在人类发育中发挥关键作用

    自这类非编码DNA片段首次被发现并被称作“垃圾”以来,生物学家们一直在探讨它们是否真的无用。如今的主流观点认为,这些片段虽不直接参与蛋白质合成,却在整体基因组中占据了极大比例,显示它们可能具有重要功能。

    “垃圾DNA”新发现:远古病毒DNA在人类发育中发挥关键作用

    自这类非编码DNA片段首次被发现并被称作“垃圾”以来,生物学家们一直在探讨它们是否真的无用。如今的主流观点认为,这些片段虽不直接参与蛋白质合成,却在整体基因组中占据了极大比例,显示它们可能具有重要功能。

1 / 4
1 / 4
  • 從中國經濟看背後困境及發展新構想?

    从中国经济看背后困境及发展新构想?

    中国未来发展或许可以参考“五环构想”进行战略布局。这一构想包括高等教育培训、创新科技驱动、产品生产销售、市场推广营销、出海战略布局五大领域。通过“五环构想”的实施,中国经济可能有一个全新的契机注入新的动力,推动经济稳定健康发展。

    从中国经济看背后困境及发展新构想?

    中国未来发展或许可以参考“五环构想”进行战略布局。这一构想包括高等教育培训、创新科技驱动、产品生产销售、市场推广营销、出海战略布局五大领域。通过“五环构想”的实施,中国经济可能有一个全新的契机注入新的动力,推动经济稳定健康发展。

  • 在變革中的抉擇:當今大環境下如何實現職業規劃與人生價值?

    在变革中的抉择:当今大环境下如何实现职业规划与人生价值?

    随着时代的变迁,人生价值的内涵也变得更加多样化和个性化。每个人对于“成功”和“幸福”的理解不同,有些人追求的是即时的快乐和成就感,而有些人则看重长期的进步和自我超越。

    在变革中的抉择:当今大环境下如何实现职业规划与人生价值?

    随着时代的变迁,人生价值的内涵也变得更加多样化和个性化。每个人对于“成功”和“幸福”的理解不同,有些人追求的是即时的快乐和成就感,而有些人则看重长期的进步和自我超越。

  • 再見愛人:探索現代婚姻中的情感困境

    再见爱人:探索现代婚姻中的情感困境

    芒果TV婚姻纪实观察节目“再见爱人4”邀请黄圣依、杨子,麦琳、李行亮,葛夕、刘爽三对情感关系10年以上的夫妻,以“婚姻纪实观察”为切口,呈现出不同婚姻样本在亲密关系中的挣扎与甜蜜、桎梏与觉醒。

    再见爱人:探索现代婚姻中的情感困境

    芒果TV婚姻纪实观察节目“再见爱人4”邀请黄圣依、杨子,麦琳、李行亮,葛夕、刘爽三对情感关系10年以上的夫妻,以“婚姻纪实观察”为切口,呈现出不同婚姻样本在亲密关系中的挣扎与甜蜜、桎梏与觉醒。

  • 抖音短劇新風潮:中老年人成為新的增長點?

    抖音短剧新风潮:中老年人成为新的增长点?

    近日,不少以老年人为主角的抖音短剧“闪婚五十岁”、“金榜题名之母凭子贵”、“人到五十,闪婚霸总”等等登上热度榜单。老年人的婚姻、情感以及生活故事,成了当下短剧创作的“新流量密码”。

    抖音短剧新风潮:中老年人成为新的增长点?

    近日,不少以老年人为主角的抖音短剧“闪婚五十岁”、“金榜题名之母凭子贵”、“人到五十,闪婚霸总”等等登上热度榜单。老年人的婚姻、情感以及生活故事,成了当下短剧创作的“新流量密码”。

1 / 4