16年资深程序员选择退休，OpenAI o1有何魔力？

‍‍

谁能想到，o1刚出来工作，就被吐槽“懒惰”。

9月13日，OpenAI创始成员、AI大牛Andrej Karpathy发文吐槽OpenAI刚发布的最新模型：“o1-mini一直拒绝为我解决黎曼猜想，模型懒惰还是主要问题，很悲伤。”

9月13日凌晨，OpenAI突然发布了一款o1-preview模型，这也是之前被大肆宣扬的“Strawberry（草莓）”模型。据介绍，该模型能够推理复杂任务，解决科学、编程、数学等领域更难的问题。

与此同时，另一款更小、更高效、成本更低的版本o1 mini也同步上线。

除了o1-mini，OpenAI今天还发布了另一款新模型：o1-preview。也就是这段时间吊足了胃口的“Strawberry（草莓）”模型。据介绍，该模型能够推理复杂任务，解决科学、编程、数学等领域更难的问题。

相较而言，o1 mini则是更小、更高效、成本更低的版本。

在性能上，o1系列模型主要通过强化学习的方式训练，幻觉频率上低于GPT-4o，数学能力提升了6倍，代码能力提升了8倍。

在一系列高难度基准测试中，o1都展现出了超强实力，甚至能在物理、生物等领域问答环节中，超过人类博士水平。

模型一经上线，OpenAI CEO Sam Altman在X上发文称，Jimmy们，耐心等待时刻结束了。

目前，o1-preview已面向ChatGPT Plus、Team用户开放，企业用户将在下周获得访问权限。o1 mini计划向所有免费用户开放。

今天被同行们夸爆了的o1，是否真的能带来GPT-4o刚面世时的惊艳感受？我们也来上手试试，另外也看看围绕o1，海内外玩家们都在玩些什么和聊些什么。

新的AI模型天花板，复杂推理是舒适区

有意思的是，新模型被OpenAI视为AI能力的重大进步，因此被命名为o1，表示“将计数器重置为1”，而不是GPT系列的延续。基于此，也有一些玩家开始担心：GPT-5恐怕是没戏了。

据“AI新榜”观察，无论是从OpenAI官方发布的Blog、Demo还是网友实测来看，复杂推理简直是o1的舒适区，在编程能力、数学计算上几乎碾压其他模型。

现在，ChatGPT Plus和Team用户可以在对话时手动选择o1-preview和o1-mini模型。

值得一提的是，o1-preview每周的消息限制为30条，o1-mini的周上限为50条。

在复杂逻辑推理方面，OpenAI让GPT-4o和o1同时参加了国际数学奥林匹克竞赛资格选拔的AIME考试。结果显示，GPT-4o仅能正确解答13%的问题，而o1的准确率则高达83%，是4o的近8倍。

在官方Demo中，o1在面对下面这个难题时，只思考了约30秒的时间，就给出了正确的答案。

当公主的年龄是王子的两倍，而公主的年龄是他们现在年龄的一半时，公主的年龄将与王子一样大。王子和公主的年龄是多少？请提供该问题的所有答案。

更关键的是，o1还会通过“我很好奇”、“我正在思考”和“好的，让我看看”等语句，给人一种它正在一步一步思考的过程，很像人类做题时的推理步骤。

我们也丢了个复杂的逻辑问题给o1：

在一个小村庄里，只有两种职业的居民：种田的农民和捕鱼的渔民。村子里有一个很奇怪的规定：农民总是说谎，而渔民总是讲真话。有一天，三个村民A、B和C在谈话，A说：‘B是农民。’ B说：‘A和C职业相同。’ C说：‘我们都是农民。’ 根据村子的规定，” 问题：“请问A、B、C各自是做什么的？

同样是用了约30s的时间，o1就给出了滴水不漏的分析和正确答案。

有网友跟o1玩24点游戏，发现它可以十分稳定准确地求解。相比之下，GPT-4o则表现得一塌糊涂。

24点游戏是把4张扑克牌牌面的数字通过加减乘除（包括括号）进行四则运算，使计算结果等于24的一个棋牌数学休闲益智小游戏。

你甚至可以让它帮忙出考研高数题，从而实现举一反三，触类旁通：

图源即刻“希汉同学”

不过，虽然o1数学计算和逻辑推理能力很强，却偶尔会在一些相对简单的问题上栽跟头。

比如这道“平方数在7和17间的最小整数是多少？”就没能给出正确答案。

再来看看它的编程能力。

一位有着16年全栈经验的程序员，在试过用o1写代码后，直接宣告自己的编程生涯结束了。

只见他的电脑屏幕上，o1正在快速生成一个全栈原生应用程序的代码。

在OpenAI发布的视频演示里，演示者先是让o1写一个贪吃蛇网页游戏，这种小case可能不算什么，紧接着演示者提升难度，让它在网格中添加障碍物，并且使障碍物连成“AI”的形状，照样没能难倒它。

还有网友将o1和前不久爆火的编程神器Cursor结合，在10分钟内创建了一个iOS天气应用程序。

而在此之前，Claude Sonnet 3.5通常被很多人当作Cursor的强力搭档。

还是那道经典的“单词Strawberry里有几个r”，这个简单的问题曾难倒包括GPT-4o在内的不少大模型，但在o1面前已然成了小儿科。

不过，o1的发挥看起来不是那么稳定，也有数错的情况。

o1很强，但纯文本模型还吸引人吗？

在各家卷多模态模型的时候，OpenAI既没有兑付自己的语音功能，更是将Sora早早抛在脑后了。眼下，还发了一款纯文本模型。

相信上述的实测和玩法，已经为大家解答了“OpenAI o1模型究竟强在哪”这个问题。

o1模型不需要额外提示，它就能自行推理和反思自己的解答过程，将复杂问题一步步拆解开来，清晰地展示了自己思考的过程。

比如，o1在写代码前会梳理一遍问题，列出相关知识点和步骤，然后开始逐行写代码，并完成代码测试。

有网友调侃，OpenAI o1来了，Claude 3.5、Cursor等以编程能力见长的热门AI工具可以放一边了。

Jimmy Apples发文表示，OpenAI故事第二章Straberry Fields终于开启。

英伟达首席研究员Jim Fan认为，o1的意义在于，AI团队不再只是通过增加模型规模来提升模型表现，而是通过优化推理过程。

全网的科技大佬们面对新模型，都是兴奋难抑的状态，但对于我们普通人的日常使用来说，o1的作用其实不是特别明显。

科技博主“特工宇宙”提到，客观来讲，o1 的科研价值远大于当下的使用价值。我们也许会更受益于OpenAI o1开发的新软件、新药物，而不是o1本身。

可以说，o1的意义更像是展现AI变强的可能性，但对于大多数用户来说，o1的更新仅仅是在底层模型上进行优化迭代，实际好用好玩的AI工具会更吸引人。

所以，也架不住大多数网友在评论区在线开催Sam Altman：“我们什么时候能得到新的语音功能？？”

另外，目前的o1系列模型还只是预览版本，像GPT-4o拥有的长文本、网络插件、生成图片等功能，均未集成到o1中。

在定价上，o1也并不是经济适用的选择。对于开发者而言，o1-preview 的定价为15美元/百万输入token，60美元/百万输出token，远高于GPT-4o（5美元/百万输入token，15美元/百万输出token）的定价。

总的来说，GPT-4o依旧是OpenAI能力最强的模型。也有博主在X上提到：“普通人根本不理解大象的推理和逻辑能力。GPT-5还要比o1模型更强大69倍。”

这也让人好奇，即将到来的OpenAI开发者日会带来怎样的更新，迟迟未来的“GPT-5”是否还会制造惊喜？