大招憋出来了！OpenAI发布最强推理模型o1，它真的会思考，但API比4o贵好几倍

AI新浪潮观察 14min read 大招憋出来了！OpenAI发布最强推理模型o1，它真的会思考，但API比4o贵好几倍 Founder Park 2026/09/28 摘要 双版本发布，即日可用。 本文首发于 Founder Park 公众号 · 2024 年 9 月 13 日 OpenAI 的推理模型，也就是期待已久的 Strawberry 发布！ 9 月 13 日凌晨，OpenAI 宣布，正式发布一款 OpenAI o1-preview 的推理模型，同时发布的还有一个更小、成本更低的版本——o1 mini。 OpenAI 将此次发布称为「预览版」，强调 o1 仍处于早期阶段。 OpenAI 的 API 负责人发文称：「如果你过去有个产品想法，当时的模型不太行，不够智能，现在你再试试」。 在权限开放方面，OpenAI 采取了分阶段推广策略。 ChatGPT Plus 和 Team 用户可以立即访问 o1-preview 和 o1-mini。 Enterprise 和 Edu 用户将在下周获得访问权。 API 使用等级 5（已消费 1,000 美元且自首次付款以来已超过 30 天）的开发者，今日起可使用这两款模型，速率限制为 20 RPM。 OpenAI 还计划在未来向所有 ChatGPT 的免费用户开放 o1-mini 的使用权。 对于开发者而言，通过 API 使用 o1 的成本不便宜。o1-preview 的定价为每百万输入 token 15 美元，每百万输出 token 60 美元，远高于 GPT-4o 的定价（输入 5 美元/百万 token，输出 15 美元/百万 token）。 点击关注，每天更新深度 AI 行业洞察 01 OpenAI 员工： o1 重新定义了游戏规则 在 OpenAI 员工的推文中，可以看到他们对于 o1 能力的赞许，以及一些关键的能力升级要点。 OpenAI API 负责人 Michelle Pokrass 推文： o1-preview 和 o1-mini 模型已经上线。它们是我们目前为止在推理方面表现最佳的模型，我们相信它们将为 API 解锁全新的应用场景。 如果你有一个产品创意，但时机尚未成熟，模型还不够智能——不妨再次尝试。 这些新模型并不能完全替代 4o。 你需要以不同的方式进行提示，并以新的方式构建你的应用程序，但我们认为它们将有助于缩小智能差距，帮助你开发出更好的产品。 （现在为 API 第五级用户推出，用户也将很快可以使用） Greg Brockman 的推文： OpenAI o1—我们第一个通过强化学习训练的模型，在回答问题之前会深入思考。团队的工作令人非常自豪！ 这是一个充满巨大机遇的新范式。这一点在定量上（例如推理指标已经显著提升）和定性上（例如忠实的思维链使模型易于理解，因为它允许你以简单的英语「阅读模型的思维」）都很明显。 可以这样理解，我们的模型进行系统 I 思考，而思维链则解锁了系统 II 思考。人们已经发现，提示模型「一步步思考」可以提升性能。但是通过试错来训练模型，从头到尾这样做，则更为可靠，并且——正如我们在围棋或 Dota 等游戏中所见——可以产生极其令人印象深刻的结果。 o1 技术仍处于早期阶段。它提供了新的安全机会，我们正在积极探索，包括可靠性、幻觉和对抗攻击者的鲁棒性。例如，我们已经看到，通过思维链让模型推理策略，我们的安全指标有了很大的提升。 其准确性也有很大的改进空间——例如，从我们的发布帖子来看，我们的模型在今年的编程奥林匹克竞赛（IOI）中，在人类条件下（每个问题 50 次提交）取得了第 49 百分位/213 分。但是，如果允许模型问题提交 10000 次，模型取得了 32.14 分——超过了金牌门槛。因此，模型能够产生比最初看起来更大的输出。 OpenAI 研究员 Jason Wei 的推文： o1 是一个在给出最终答案之前会进行思考的模型。用我自己的话来描述，以下是对人工智能领域最大的更新： 不要仅仅通过提示来执行思维链，而是使用强化学习训练模型以更好地进行思维链。 在深度学习的历史中，我们一直试图扩展训练计算，但思维链是一种自适应计算，也可以在推理时进行扩展。 AIME 和 GPQA 的结果非常强大，但这并不一定转化为用户可以感受到的东西。即使是工作的人，也很难找到 GPT-4o 失败、o1 表现良好并且我可以评分的提示切片。但当你找到这样的提示时，o1 感觉完全像魔法一样。我们都需要找到更难的提示。 使用人类语言进行思维链的 AI 模型在很多方面都很棒。模型做了很多类似人类的事情，比如将棘手的步骤分解为更简单的步骤，识别和纠正错误，以及尝试不同的方法。强烈鼓励每个人都去看看博客文章中的思维链例子。 游戏规则已经完全被重新定义了。 0