扒一扒 OpenAI 新出的 o1 大模型 (一)：为什么这么强？o1 系列模型在多项测试中轮番霸榜，轻松拉开了与老对手

最近，坊间关于 “OpenAI 不行了” 的论调甚嚣尘上，然而 OpenAI 不慌不忙丢出了一个大招——o1 大模型，瞬间又将 OpenAI 推上了潮流之巅。

o1 大模型就是山姆·奥特曼近期一直在造势的 “草莓” 大模型。据称，o1 着重发力于复杂的通用推理场景，在数学、编程、科学等领域远远超过了 GPT-4o 等上一代模型。

在 Artificial Analysis 的多维度测评中，o1 系列模型也是轮番霸榜，轻松拉开了与老对手 Claude 3.5 Sonnet 的差距。这些数据和排名确实十分亮眼，但……它是怎么做到的？

除了 OpenAI 一以贯之的 “规模化定律” 以外，o1 的优异表现还归功于以下两方面的创新：一、模型层面的技术优化，二、产品层面的思路突破。这两者缺一不可。

模型层面

根据目前透露的信息，o1 通过强化学习提升了思维链的运用能力，从而可以在更复杂的场景下进行有效推理，解决更复杂的逻辑问题。实际效果确实立竿见影，上述各项基准测试的优异成绩就是例证。

这里有一个关键词是 “思维链”。思维链也就是 CoT（Chain of Thought），是一项重要的提示工程技巧，通过要求模型 “一步一步思考” 并辅以思维过程的少量示例，可以显著提升模型的推理效果。

由于 o1 模型在内部强化了思维链的能力，它与其他大模型不同的是，在正式输出回复之前，它会有一个 “内部的” 思考过程，如下图所示：

这样做有什么好处呢？这就要从大模型的工作原理说起。大家应该听说过一个比喻，大模型的工作过程就像是一场 “文字接龙” 游戏——它根据输入的提示词来预测下一个 token，再根据已经预测的 token 来继续预测后续 token。

也就是说，大模型并没有像人类那样的思考过程，总是直接答题。如果抛给它一个复杂的问题，它给出的回复大概率是不靠谱的。

这种 “一锤子买卖” 显然没有发挥出大模型的全部潜力。因此，聪明的提示工程师们提出了 “思维链” 这个概念，希望通过引入思考过程，让大模型能够更好地理解问题并拆解问题，从而给出更准确、更合理的回答。

而 o1 模型把这个思路发挥到了极致——用户只管提问就好，不需要费心构建适合当前问题的思维链，而 o1 自己就在肚子里把这个过程默默完成了，留给用户的就是一段高质量的回答！

有了强大的模型，还需要有一个好的产品来呈现。ChatGPT 也在这方面下足了功夫。

ChatGPT 的 Plus 与 Team 付费会员现在就可以试用 o1 模型了。我们打开 ChatGPT 对话界面，在左上角的模型选择下拉框中可以看到新增的 “o1-preview” 和 “o1-mini”。通常选择前者就好。

我们尝试一下前段时间难倒一众大模型的问题——“Strawberry” 这个单词有几个 “r”？

提交问题之后，o1 模型并没有急于输出结果，而是进入了一个思考过程（如下图所示）。

这个过程持续了数秒钟，然后给出了正确回答：

如果你好奇它到底思考了些什么，可以点击展开回答上方的思考过程：（我们可以看到，思考过程是全英文的）

由于这个案例本身不算复杂，所以图中的思考步骤稍显冗长。不过对于需要多步推理的问题来说，这里的思考步骤应该会更加精彩，甚至可能会有反思和修正。

引入思考过程后，用户的等待时间一定会变长。不过，这段长达数秒的思考过程并没有想象中那样乏味，因为界面一直在动态更新，用户可以清晰地感知当前的状态。这个过程堪称交互设计的典范。

o1 模型的 API 也已上线，但尝试过 API 之后，我们就会发现 ChatGPT 所用的 o1 模型是个 “特供版”——因为通过 API 调用 o1，既看不到思考过程，也没有流式输出。

API 的返回结果为什么要省略思考过程？这应该也是产品层面的决策：一方面，这个思考过程并不是给用户看的（而是模型为了给自己思考空间，自己写给自己看的）；另一方面，开发者也可以更容易地实现多轮对话（思考过程不需要加入对话上下文）。

o1 模型的多轮对话实现方式如下图所示，我们可以看到思考过程（即图中的 Reasoning 环节）并不会加入到下一轮对话的输入：

而至于 API 不能流式输出，应该只是暂时的限制（很可能 OpenAI 还没想好怎么扩展现有的 API 协议）。放心，未来一定会放开的。

今天先聊到这里，下期文章将继续探讨 o1 大模型在现阶段的局限，并分析它对开发者的影响。不要错过！各位新朋友请点关注，下次更新不迷路。