OpenAI o1 跟OpenAI o1 mini有什么区别？

9 月 13 日凌晨，OpenAI 悄然发布了其最新的 o1 系列大模型。目前，o1 模型已经向 ChatGPT Plus 和 Team 用户开放，据说未来也会考虑对免费用户开放。此次推出模型有两个：o1 预览版和 o1mini。而更强的 o1 正式版，目前还没发布。

根据官方发布的消息，这次突然推出的 o1 系列模型提供了中杯、大杯和超大杯三个选择：

• o1：全新的大模型天花板，因过于强大，暂不对外公开。
• o1-preview：o1 的早期版本，适合需要高推理能力的任务，适合科学研究、复杂的数学推理等。
• o1-mini：速度更快、性价比更高，适用于需要推理但无需广泛世界知识的日常任务。

一、OpenAI o1 新的思考方式

CEO 奥特曼表示，此次 o1 模型推出，标志着一种新范式的起点：具备通用复杂推理能力的人工智能。

具体来说，o1 系列是 OpenAI 首个通过强化学习训练的模型，在生成回答之前，会构建一个详尽的思维链，以此提升模型的性能。

换句话说，内部思维链越长，o1 思考的时间越充裕，模型在推理任务上的表现也就越加优异。

所以 OpenAI o1 在输出时，生成时间格外的长

二、更加强大的能力

在竞争性编程平台 Codeforces 的测试中，GPT4o 的准确率仅为 11.0%，而 o1 系列却表现出色：预览版达到了 62%，正式版更是高达 89%。

在博士级科学问题的 GPQA Diamond 评测中，GPT4o 的正确率为 56.1%，人类专家则为 69.7%，而 o1 则显著提升至 78%。

此外，o1 模型在机器学习基准测试、理化生等各科考试以及化学与生物领域的博士级科学问题上，均明显优于 GPT-4o。这也是首个取得如此成绩的模型。

在逻辑和推理能力上：2024 年的 AIME 数学竞赛，GPT4o 的准确率只有 13.4%，o1 预览版一下子跳到了 56.7%，而尚未发布的正式版更是狂飙至 83.3%。

再看代码竞赛，GPT4o 的成绩仅为 11.0%，o1 预览版 62%，正式版则飙升至 89%。

最让人震撼的是博士级科学问题 GPQA Diamond，GPT4o 的准确率为 56.1%，人类专家是 69.7%，而 o1 直接打破天花板，达到了恐怖的 78%。

三、o1 模型的不足与限制

首先，很贵，且限量使用。

o1 预览版 30 条/每周，o1-mini 版 50 条/每周。

API 用户则需按量计费：每百万次输入 15 美元，输出则为 60 美元。

如果你已经是 Tier5 用户（消费超过 1000 美元），那么已经可以通过接口直接调用 o1 系列模型了！

四、对比 GPT4o 和 o1 模型的差别

“

下面所展示实例均为 2233.ai 中 ChatGPT 随心用功能（国内直连使用 o1）

此次 o1-preview 和 o1-mini 模型最突出的能力就是数学和编程能力。我们将着重测试 GPT4o、o1-preview 和 o1mini 的数学能力和编程能力。

2024 阿里巴巴全球数学竞赛预选题原图：

GPT4o 给出的答案：

虽然它最后的答案是正确的，但是其推理是错误的，最后一句话“最少可能要 4 名同学符合这个条件，但是最后给出的答案是 6 名，而不是 4 名”

o1 模型给出的答案：

o1 给出的答案正确，而且推理的过程也十分完美，不过就是推理时间长达 3 分钟

当然，我们这些问题还不足以说明 o1 模型有多强，用数学大神陶哲轩的原话来说：“他向 o1 模型提出一个措辞模糊的数学问题，发现它竟然能成功识别出克莱姆定理”。而且答案是“完全令人满意的”那种。

同时，我们在找到一道较难的编程题目分别问 GPT-4o 和 o1preview 模型，来看一下它们回答如何。

原题：

GPT4o 的设计思路：

o1 模型的设计思路：

还有一个物理大神可以侧面说明 o1 模型的强大。

2022 年，物理学博士 Kabasares 在《天体物理学杂志》上发表了一篇论文，探讨了利用天文数据建模来测量黑洞质量的方法。实现这段代码是 Kabasares 博士研究中的一个关键突破。o1 模型在 1 小时内生成的 Python 代码。虽然基于合成数据，但其功能与 Kabasares 的实际代码非常相似。

此次 OpenAI 推出的 o1-preview 和 o1-mini 模型整体表现很强的！！不过正式版的 o1 模型尚未发布，我们可以期待一下~~