9 月 13 日消息，OpenAI 傳聞中的“草莓”（Strawberry）AI 模型現(xiàn)已面世，正式名稱(chēng)為“o1”，是該公司首款具備“推理”能力的模型。
o1 和 o1-mini
OpenAI 表示對(duì)該模型進(jìn)行特殊訓(xùn)練，能夠比人類(lèi)更快地回答更復(fù)雜的問(wèn)題。與之同時(shí)發(fā)布的還有 o1-mini，一個(gè)更小、成本更低的版本。
OpenAI 表示 o1 模型的發(fā)布，是其邁向類(lèi)人 AI 宏偉目標(biāo)的關(guān)鍵一步。
IT之家注：o1 模型目前處于“預(yù)覽”階段，官方強(qiáng)調(diào)該模型相關(guān)開(kāi)發(fā)尚處于初期階段，相比較 GPT-4o 模型，使用成本更高且速度更慢，但在編寫(xiě)代碼和解決多步驟問(wèn)題方面表現(xiàn)更為優(yōu)秀。
價(jià)格
OpenAI 公司表示從今天起，ChatGPT Plus 和 Team 用戶(hù)將可訪(fǎng)問(wèn) o1-preview 和 o1-mini，而 Enterprise 和 Edu 用戶(hù)則將在下周初獲得訪(fǎng)問(wèn)權(quán)限。
OpenAI 表示計(jì)劃將 o1-mini 的訪(fǎng)問(wèn)權(quán)限擴(kuò)展至所有 ChatGPT 免費(fèi)用戶(hù)，但尚未確定發(fā)布日期。
開(kāi)發(fā)者獲取 o1 的訪(fǎng)問(wèn)權(quán)限成本相當(dāng)高昂：如果調(diào)用 API，o1-preview 的輸入詞元（tokens）費(fèi)用為每百萬(wàn)個(gè)成本 15 美元（IT之家備注：當(dāng)前約 107 元人民幣），輸出詞元費(fèi)用為每百萬(wàn)個(gè) 60 美元（當(dāng)前約 427 元人民幣）。
相比之下，GPT-4o 的輸入詞元費(fèi)用為每百萬(wàn)個(gè) 5 美元（當(dāng)前約 35.6 元人民幣），輸出詞元費(fèi)用為每百萬(wàn)個(gè) 15 美元（當(dāng)前約 107 元人民幣）。因此 o1 模型輸入詞元費(fèi)用提高了 2 倍，輸出詞元費(fèi)用提高了 3 倍。
訓(xùn)練方式
OpenAI 的研究負(fù)責(zé)人 Jerry Tworek 表示，o1 采用了有別于當(dāng)前模型的訓(xùn)練方法，并他并未透露具體細(xì)節(jié)。
他提到，o1“采用了全新的優(yōu)化算法和專(zhuān)門(mén)為其定制的訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練?！?/p>
報(bào)道稱(chēng) OpenAI 在訓(xùn)練 o1 模型中使用一種稱(chēng)為強(qiáng)化學(xué)習(xí)（reinforcement learning）的技術(shù)，來(lái)自行解決問(wèn)題，該技術(shù)通過(guò)獎(jiǎng)勵(lì)和懲罰來(lái)教導(dǎo)系統(tǒng)。隨后，o1 采用“思維鏈”來(lái)處理查詢(xún)，類(lèi)似于人類(lèi)通過(guò)逐步推理來(lái)解決問(wèn)題的方式。
由于采用了這種新的訓(xùn)練方法，OpenAI 表示模型應(yīng)該會(huì)更加準(zhǔn)確。
Tworek 表示：“我們不能說(shuō)已經(jīng)解決了幻覺(jué)問(wèn)題，但至少?gòu)挠^(guān)測(cè)的結(jié)果來(lái)看，這個(gè)模型產(chǎn)生的幻覺(jué)明顯減少”。
o1 模型優(yōu)勢(shì)
o1 模型與 GPT-4o 的主要區(qū)別在于，它能夠比前代更好地處理復(fù)雜的編程和數(shù)學(xué)問(wèn)題，并能解釋其推理過(guò)程，這是 OpenAI 所強(qiáng)調(diào)的。
OpenAI 的首席研究官 Bob McGrew 表示：
這款模型在解答 AP 數(shù)學(xué)考試題目上的表現(xiàn)無(wú)疑比我更出色，而我大學(xué)時(shí)還輔修了數(shù)學(xué)。
他提到，OpenAI 還讓 o1 參加了國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽的資格考試，GPT-4o 僅正確解決了 13% 的問(wèn)題，o1 模型能夠解決 83% 的問(wèn)題。
在名為 Codeforces 競(jìng)賽的在線(xiàn)編程比賽中，這一新型模型達(dá)到了參賽者中的第 89 位，OpenAI 聲稱(chēng)該模型的下一次更新將在物理、化學(xué)和生物學(xué)中的挑戰(zhàn)性基準(zhǔn)任務(wù)上表現(xiàn)“與博士生相當(dāng)”。
同時(shí)，o1 在許多領(lǐng)域的能力不及 GPT-4o。它在世界事實(shí)知識(shí)方面的表現(xiàn)也不如后者。此外，它不具備瀏覽網(wǎng)頁(yè)、處理文件和圖像的能力。盡管如此，該公司認(rèn)為它代表了一類(lèi)全新的功能。將其命名為 o1，意在表明“將計(jì)數(shù)器重置回 1”。
