還記得之前OpenAI的高層大地震嗎？引發了Sam Altman被罷免、共同創辦人Greg Brockman離職、OpenAI內部矛盾不斷激化的，是一個名叫Q*（讀作Q-Star）的計畫。知情人士透露，當時Q*計畫取得了重大進展，已經可以解決基本的數學問題。與只能解決有限數量運算的計算器不同，與每次都給同一題不同答案的GPT-4不同，Q*可能已經有了概括、學習和理解的能力，而這正是邁向AGI關鍵的一步。

OpenAI的研究人員向董事會致函警告，Q*的重大發現可能威脅全人類，而Sam Altman隱瞞了這一點。

OpenAI內部翻天覆地，而OpenAI本身從未正面回應過Q*的存在。

今天，OpenAI突然發布了一個新模型，這個模型目前還是前瞻版，它是傳說中的Q*，後來的代號“Strawberry”，如今的OpenAI o1-preview。

解決複雜問題的新推理模型，和ChatGPT不是一個系列了｜OpenAI

o，還是“omini”，包羅萬象的o，只不過據OpenAI表示，這次的模型“代表了人工智能的新高度”，和之前的大模型在工作方式上大有區別，因此可以單獨成立一個新系列，從1開始重新算起（GPT5：我老了！）。

至於這個模型是不是像Ilya Sutskever和其他反水的OpenAI前核心科學家判斷的那樣會「威脅人類」、在道德約束不完善的情況下把人類推進AGI（通用人工智慧）時代，大家可以看完文章再自己判斷。

o1，跑贏一切

首先是耳熟能詳的跑分環節。

每一代大模型橫空出世，都會跑出空前絕後的新高度，但這次的o1有本質上的差異。

目前比較流行的大模型大多以聊天機器人的形式出現，思考路徑難以解釋，而且發展方向是多模態（能說能看能聽），在語氣和反應方面越來越像人。 o1和它們不一樣。

首先它的目標不是越來越快，甚至越來越慢。

OpenAI科學家Noam Brown稱，目前o1幾秒鐘就能給出答案，但未來它要能進行幾小時、幾天，甚至幾週的思考。之後附上了一張圖，o1在十幾秒的思考後給一個案例做出了診斷。 Noam Brown的言下之意，推理時間長，意味著模型能建構更長的思考鏈，進行更深入的思考。

其次，o1突破了先前大語言模型的死穴，數學。

AIME，美國數學邀請賽，比奧賽簡單一點，比SAT難很多，一般用來選全美國數學最優秀的高中生。讓GPT4-o來寫邀請賽的題，只得了12分，但o1一次答案得了74分。如果採樣1000次，再對1000個樣本進行評分函數重新排序的話（這樣更能反映模型的期望水平），o1得了93分，可以躋身全美前500 名，可以入圍美國數學奧賽了。

o1和GPT-4o表現對比，數學上的進步非常大｜OpenAI

讓o1去寫2024年國際資訊學奧林匹克競賽（IOI）的題，它在10小時內，每題最多允許提交50次的情況下，取得了213分，在人類選手裡排前49%。如果把投稿次數放開到10000次，o1能得362.14分，可以拿到IOI金牌保送清華。

在實際測試中，使用的是o1的微調版本，不是我們能使用的前瞻版本｜OpenAI

另外還有好多有的沒的測試。例如在GPQA（一個綜合了理化生的智力測驗）裡，o1在某些問題上超過了相關領域的博士。

簡言之，在已經很強的領域內捲早就不是o1的目的，在大語言模型不擅長的複雜邏輯上實現突破才是。

退一步，進兩步

就像上面說的，o1的反應速度變慢了。

它會花更多時間思考，然後再做出反應，然後不斷完善思考過程，嘗試不同策略，並從錯誤中學習。這一點很可怕。

而且o1現在不是多模態的模型，OpenAI用了兩年讓大模型能看能聽，今朝返璞歸真了，o1只能接受字元輸入。

變慢和變單調，對o1來說，是退一步進兩步。已經用上o1的人表示o1是他們用過的最聰明的模型，和它的對話已經超越了之前的小打小鬧範疇。

在一個測試裡，用戶問了o1一個邏輯悖論問題：“這個問題的答案裡有幾個字？”

o1想了十秒鐘，並且展現了思考過程。首先它想到，這是一個自指悖論，或者是遞歸問題，沒有確定答案的時候就無法確定答案的字數，“避免不必要的表述對回答的清晰簡潔很重要”。下一步是計算字數，需要讓句子中出現的數字和句子的字數相符。然後它列舉了很多句子，在裡面找出最合適的匹配選項，它發現「這有五個字」有五個字，於是把句子結構換成完整的答覆後，五應該換成七。

於是它回答：“答案裡有七個字。”

這個推理過程已經跟我的推理過程差別不大了｜X

在另一個例子裡，o1回答「straberry裡有幾個r」這個簡單的問題，用了5.6秒，631個token。

從上面的例子，可以看出o1的工作方式已經和ChatGPT有了本質差異。現在的o1加入了推理token，會把一個問題拆分成多個步驟，再分別思考，之後再除去推理token生成答案。

下圖展示了思路鏈的工作方式，這也解釋了為什麼o1的反應速度變慢了。

在用o1的時候，不妨用一些經典的邏輯問題和數學問題來檢驗它的能力

也許在回答簡單問題的時候，是否進行多輪推理的差異並不明顯，但如果是用來解決寫程式碼、做數學題，和科學領域的複雜問題，這種思考能力就是必不可少的了。

OpenAI在論文中說，現在，醫療人員可以用o1來標註細胞定序數據，物理學家可以用o1產生量子光學所需的複雜數學公式，各領域的開發人員可以使用o1來建構和執行多步驟工作流程。

更重要的是，這是一種思考模式的雛形，是智慧的早期形態。

新的模型，新的習慣

由於o1的工作方式已經和ChatGPT不一樣了，之前看到的那些教你寫prompts的教程也不再適用——現在的情況下，過多的描述只會消耗海量的token，而不一定會獲得更好的結果。

為了讓所有使用者都明白這一點，OpenAI寫了新的token指南。在指南中，OpenAI說明，在o1裡最好的prompts是直接而簡潔的，指揮模型一步一步做或給若干分散的提示詞可能會適得其反。以下是幾個官方建議：

Prompts要簡單直接。模型對簡短清晰的指令回應效果最好，不需要過多的指導。

在prompts中避免思維鏈。 o1會自己進行內在推理，因此引導它一步一步思考和解釋你的思考路徑都是沒用的。

最好使用分隔符號來提高清晰度。以「」、<>、§等分隔符，清楚地區分prompts的不同部分，以幫助模型分批處理問題。

限制檢索增強生成中的額外上下文。只提供最相關的訊息，避免模型過度思考。

看到第三條的時候，我對這個格式產生了一絲熟悉的感覺。未來的程式設計師很有可能要用自然語言編程，基本的指令還是那些，只不過變成了大白話。按照最新的指南，一個好的prompts看起來會是這樣的：

或者這樣的：

§主持人§作家§酒吧老闆§油畫家§皮匠§銀匠§歌手§手鼓藝人§背包客§黃金左臉§法國騎士§禪宗弟子§

其他的就交給模型自己想去吧。

給我一分鐘，做出3D貪吃蛇

用貪吃蛇舉例子是有原因的。 o1發售不到一天，就有人用它做了很多嘗試，其中就包括3D貪吃蛇。

X上的@Ammaar Reshi用了極其簡單的prompts，僅用一分鐘的時間就寫出了一個3D貪吃蛇，而且o1還手把手教他怎麼用代碼。

學會寫prompts了嗎？ ｜@Ammaar Reshi

效果雖然有點簡陋，但誰都不能說它不是貪吃蛇。

而且還挺好玩的｜@Ammaar Reshi

網友@James Wade用o1做了個數據分析app，能顯示每個分佈的簡短描述和範例，只花了15分鐘，這還包括了部署的時間。他說：之前從來沒有想過要做這樣的東西，之前太麻煩了。

效果如圖｜@James Wade

另一位工作了16年的全端工程師@Dallas Lones，用幾分鐘做了一個React Native全棧開發App之後感慨道，自己當初沒有盡快創業，如今這門手藝已經成了時代的眼淚。他說，「程式設計作為一個職業，在今天正式終結了」。

還有更多的人在挑戰o1的極限，已經有人玩起了「看誰的問題更刁鑽能讓o1思考的時間最長」的遊戲。

目前，o1先對ChatGPT Plus和Team用戶開放，而API存取權將首先開放給在OpenAI API上花費超過1000美元的5級用戶。下一步，OpenAI將逐步向免費用戶開放低配版的o1-mini。

這會是人類的夕陽嗎？