OpenAI發佈兩款全新推理模型o1、o1 mini，揭開Strawberry的神秘面紗、擁有類似人類思考的事實查核能力

先前OpenAI傳聞已久的的「Strawberry」（草莓）專案正式亮相，OpenAI 正式發佈名為 o1 的新模型，這是計畫中的一系列"推理"模型中的第一個，這些模型經過訓練，可以比人類更快地回答更複雜的問題。它將與 o1-mini 同時發佈，後者是一個更小、更便宜的版本。

對於 OpenAI 來說，o1 代表著它向類人人工智慧的更廣泛目標邁進了一步。更實際的是，它在編寫程式碼和解決多步驟問題方面比以前的模型做得更好。但與GPT-4o 相比，它的成本更高，速度更慢。OpenAI 將這次發佈的 o1 稱為"預覽版"，以強調它的雛形。

ChatGPT Plus 和 Team 使用者從今天開始可以訪問 o1-preview 和 o1-mini，而 Enterprise 和 Edu 使用者將在下周初訪問。開發者訪問 o1 的費用非常昂貴：在 API 中，o1-preview 每 100 萬個輸入令牌（即模型解析的文字塊）收費 15 美元，每 100 萬個輸出令牌收費 60 美元。相比之下，GPT-4o 的價格為每 100 萬個輸入詞組 5 美元，每 100 萬個輸出詞組 15 美元。

OpenAI的研究負責人傑里-特沃瑞克（Jerry Tworek）告訴我，o1背後的訓練與前代產品有本質區別，不過公司對具體細節含糊其辭。他說，o1"採用了全新的最佳化演算法和專門為其定製的新訓練資料集"。

OpenAI 正在培訓以前的 GPT 模型模仿訓練資料中的模式。在使用 o1 時，OpenAI 利用一種名為"強化學習"的技術訓練模型自行解決問題，該技術通過獎懲來教導系統。然後，它使用"思維鏈"來處理查詢，這與人類逐步解決問題的方式類似。

OpenAI 表示，由於採用了這種新的訓練方法，模型應該會更加精準。"我們注意到，這個模型產生幻覺的情況減少了，"Tworek 說。但問題依然存在。"我們不能說我們解決了幻覺問題"。這個新模型與 GPT-4o 不同之處主要在於，它能比前代模型更好地處理複雜問題，如編碼和數學問題，同時還能解釋自己的推理。

OpenAI的首席研究長鮑勃-麥格魯（Bob McGrew）表示："這個模型在解決AP數學考試方面絕對比我強，而我在大學輔修的是數學。他說，OpenAI 還用國際數學奧林匹克競賽的資格考試對 o1 進行了測試，GPT-4o 只正確解決了 13% 的問題，而 o1 則達到了 83%。"

我們不能說我們解決了幻覺問題

在被稱為"Codeforces"的線上程式競賽中，這種新模型在參賽者中的排名達到了第89位，OpenAI聲稱，這種模型的下一個更新版本將在"物理、化學和生物學領域具有挑戰性的基準任務中取得與博士生類似的表現"。

同時，o1 在很多方面的能力都不如 GPT-4o。它在對世界的實際瞭解方面做得不夠好。它也不具備瀏覽網頁或處理檔案和圖像的能力。儘管如此，該公司仍認為它代表了一種全新的能力。它被命名為 o1，表示"將計數器重設回 1"。

麥克格魯說："老實說，我認為我們在傳統命名方面做得很糟糕。所以我希望這是我們邁出的第一步，我們會用更新、更理智的名字，更好地向世界其他地方傳達我們正在做的事情。"

McGrew 和 Tworek 本週通過視訊通話展示了o1。他們要求它解決這個難題："當公主的年齡是王子年齡的兩倍時，公主的年齡就是王子年齡的兩倍。王子和公主的年齡是多少？請提供該問題的所有答案"。

模型運算了 30 秒鐘，然後給出了正確答案。OpenAI 設計的介面可以在模型思考時顯示推理步驟。讓我印象深刻的並不是它展示了自己的工作--GPT-4o 可以在提示下做到這一點--而是 o1 是如何刻意模仿人類的思維。諸如"我很好奇"、"我正在思考"和"好的，讓我看看"這樣的句子營造出一種循序漸進的思考假象。

但這個模型不會思考，更不是人類。那麼，為什麼要把它設計得像人一樣呢？

▲ "我很好奇"、"我正在思考"、"好的，讓我看看"等短語會讓人產生一種循序漸進的思考錯覺。