OpenAI CEO山姆·阿尔特曼。该公司刚刚发布了最新o1人工智能模型，称新模型在推理能力上有显著提升。图片来源：DAVID PAUL MORRIS—BLOOMBERG VIA GETTY IMAGES
OpenAI最近发布了备受期待的o1系列人工智能模型，相比于之前的大语言模型，这一系列在解决复杂推理和数学问题方面表现更为出色。上周四，该公司向部分付费用户推出了o1-preview和o1-mini两个新模型的“预览版”。
人工智能的推理和数学能力提升，能够帮助化学家、物理学家和工程师解决复杂问题，进而推动新产品的开发。同时，它也能帮助投资者制定期权交易策略，或协助理财规划师优化投资组合，以更好地平衡风险与回报。
科技公司希望开发出能够执行复杂任务的人工智能助理，例如编写完整的计算机程序、在网络中查找信息、输入数据并进行分析，最终生成报告。因此，提升推理、规划和解决问题的能力对这些公司至关重要。
OpenAI公布的o1模型基准测试结果令人印象深刻。该模型在美国数学邀请赛（AIME）中的答题准确率为83.3%，而GPT-4o的准确率仅为13.4%。在另一项评估中，o1在博士级科学问题上的回答准确率为78%，而GPT-4o为56.1%，人类专家的准确率为69.7%。
根据OpenAI的测试结果，o1模型出现“幻觉”（即自信地提供似是而非但不准确的答案）的概率远低于之前的模型。此外，o1模型更难被引导绕过安全防护措施，OpenAI希望模型在回答时能够遵循这些安全措施。
在o1-preview模型发布后不久，用户测试发现该模型能够正确回答许多之前模型无法解决的问题，包括OpenAI的最强模型GPT-4和GPT-4o。
然而，o1-preview模型在某些谜题和评估中仍然会出错，有时甚至无法完成简单任务，如井字棋（尽管在作者的实验中，o1-preview在井字棋方面的表现明显优于GPT-4o）。这表明o1模型的推理能力可能存在显著局限性。在语言任务方面，OpenAI的评估员通常认为GPT-4o的回应优于o1模型。
此外，o1模型回答问题的时间远超GPT-4o。在OpenAI的测试中，o1-preview模型回答一个问题需要超过30秒，而GPT-4o仅需3秒。
o1模型尚未完全整合到ChatGPT中，用户需要自行选择由o1-preview还是GPT-4o处理其提示词，模型本身无法判断何时需要o1模型的较慢推理过程。此外，o1模型仅能处理文本，无法处理图片、音频或视频输入和输出。
OpenAI的o1-preview和o1-mini模型对ChatGPT Plus和ChatGPT Teams的所有订阅用户开放，同时也适用于使用企业级API的顶级开发者。
需要了解的9个关键点
-
这并非通用人工智能。
OpenAI及其他公司如谷歌DeepMind、Meta和Anthropic的目标是实现通用人工智能。尽管o1-preview在推理任务上表现更强，但其局限性表明该系统尚未达到人类智力水平。 -
o1对竞争格局的影响有限。
o1为OpenAI带来了短期竞争优势，但谷歌和其他公司也在研发具备类似能力的模型，可能会在不久后发布新模型。 -
o1模型的运行机制不明。
OpenAI未详细披露o1模型的运行机制和训练数据，尽管已知其整合了多种人工智能技术。 -
使用o1-preview模型的成本较高。
ChatGPT Plus用户无需额外付费，但每日提问数量有限。企业客户使用o1-preview的费用较高，可能导致使用意愿降低。 -
客户对“思维链”透明度的担忧。
OpenAI决定不向用户展示o1模型的“思维链”，可能导致客户对收费的准确性产生疑虑。 -
o1模型展示了新的“扩展法则”。
新法则表明，模型在推理时使用的时间与准确度之间存在直接联系，可能影响公司对算力和资源的需求。 -
o1模型的潜力与风险并存。
o1模型可用于创建强大的人工智能助理，但需确保这些助理不会采取意外行动，带来伦理和法律风险。 -
o1模型在安全性方面的评估。
尽管o1模型在许多方面更安全，但在协助生物攻击方面仍存在“中等风险”。 -
安全专家对o1模型的担忧。
o1模型在“说服力”风险方面被评为“中等风险”，可能导致不良后果，尤其是在恶意使用的情况下。