黑丝 写真 五大维度评测OpenAI全新o1模子：代码编写、游戏制作等材干“惊艳”，事实性常识却“翻了车” | 每经网

每经记者 郑雨航    每经裁剪 程鹏 兰素英     黑丝 写真

三级片在线播放

别传中的“草莓”模子今天在莫得任何预报下忽然上线了！

OpenAI最新发布的模子名为o1，是系列推理模子的首批版块，现阶段推出的是o1-preview（预览版）和o1-mini（迷你版）。

目下，o1-preview和o1-mini依然面向ChatGPT Plus和Team订阅用户绽放，而Enterprise和Edu用户将于下周初获取拜谒权限。OpenAI暗示，它缱绻向ChatGPT的扫数免用度户提供o1-mini拜谒权限，但尚未详情发布日历。

据OpenAI先容，在惩处问题的材干方面，o1模子比以往任何模子齐更接近东谈主类念念维，何况不祥“推理”数学、编码和科学任务。

为了考证新模子的材干是否正如OpenAI所声称的那么弘远，《逐日经济新闻》记者从经典“草莓测试”、代码编写、小游戏制作、数学与经济学，以及事实性常识这五大维度对o1-preview模子进行了测试。

后果线路，o1-preview深远出了超越OpenAI之前发布的大模子的编程和数学推理材干。举例，o1-preview不祥编写出畅通运行的代码，何况在复杂环境中依然不祥自行推理出惩处决策。而且，记者在测试历程中也嗅觉到，o1-preview在东谈主性化方面也有很大的擢升，深远出了真东谈主般的念念考。不外，新模子也并非毫无毛病，在事实性常识测试就“翻车”了。 

别传中的“草莓”来了 

当地技术9月12日，OpenAI发布了一款名为o1的新模子，这是其缱绻中一系列“推理”模子中的第一个版块，亦然此前业界哄传已久的“草莓”模子。

 

图片来源：X平台

对于OpenAI来说，o1代表着它朝着类东谈主AI的主张又迈出了一步。OpenAI以为，o1代表着一种全新的材干，这一材干被以为如斯遑急，以至于公司决定从刻下的GPT-4模子再走运行，透澈毁灭了“GPT”品牌，从1运行定名。 

OpenAI暗示，将从刻下的GPT-4模子再走运行，“将计数器重置为 1”，致使毁灭了迄今铁心界说了聊天机器东谈主乃至扫数这个词生成式AI高潮的“GPT”品牌。o1开辟了一个不祥通过一系列闹翻才略，严慎而适合逻辑地惩处问题的系统，每个才略齐开辟在上一个才略的基础上，不异于东谈主类的推理表情。

OpenAI首席科学家Jakub Pachocki暗示，之前的模子在收到用户问询时会立即运行回话。“而这个模子（指的是o1）会冉冉来。它念念考问题，并尝试理解问题，寻找角度，竭力提供最好谜底。”这就像大多数东谈主在年少时被父母所条件的那样，先想好再语言。

OpenAI暗示，o1在竞赛编程问题（Codeforces）中名挨次89个百分点，在好意思国数学奥林匹克竞赛（AIME）预选赛中位列好意思国前500名学生之列，何况在物理、生物和化学问题的基准测试（GPQA）中高出了东谈主类博士水平的准确度。

在OpenAI发布的商量和博客著作中，o1看起来“推理”材干十分弘远，不仅可惩处高档数学和编码问题，还能解密复杂的密码，以及解答来昂然师学者们对于遗传学、经济学和量子物理学的复杂问题。大量图表线路，在里面评估中，o1在编码、数学和各个科学限制的问题上依然超越了公司起头进的语言模子GPT-4o，致使可能超越了东谈主类。

图片来源：OpenAI官网

代码编写、游戏制作等材干“惊艳”

为了深入了解o1模子的弘远材干，《逐日经济新闻》记者从经典草莓测试、代码编写、小游戏制作、数学与经济学，以及事实性常识这五大维度对o1-preview模子进行了测试。 

1）草莓测试

最初，记者用之前险些扫数大模子齐“翻车”的一起浅易题目进行了测试，即“单词strawberry里面到底有几个r”。从生成的后果看，o1-preview如故带来了少许小惊喜的。

2）代码编写

记者最初向o1-preview商量了一个在线编程平台leetcode里最有名的浅易算法题：Two Sum（两数之和）问题。o1给出了很详备的推理历程和谜底。

随跋文者专诚条件优化谜底，o1在念念考9秒后矍铄到我方提供的依然是最优解法了，并就此进行了说明，另外还很“贴心”地提供了一个次优解。而在之前记者对其他模子的测试中，这些模子只会谈歉然后将谜底改换为次优解。

3）小游戏制作

在o1模子的演示中，OpenAI演示过“用一句话编写小游戏”的功能。测试历程中，记者让o1-preview襄理先容好用的代码器用，并协助编写一个乒乓小游戏。

o1-preview仅用了19秒就给出了一份不祥畅通运行的代码，何况附上了学习指南和饱读舞的话语，相配地东谈主性化。

为幸免o1-preview舞弊，使用的是挂念材干，而不是使用推理材干进行回话，记者还恳求o1-preview更换了一个代码运行环境：jupyter note。这一运行环境是针对数据分析进行特化的python环境，开发东谈主员基本不会使用此环境开发小游戏。

经过念念考后，o1依然给出了一个不错运行的代码。不外，相较于之前的代码，这份谜底有着不少的bug，但这也从侧面说明这如实是念念考出来的谜底，而不是考试历程中加入的行动谜底。

为进一步考证o1-preview的革命推理材干，记者随后又条件模子在这个小游戏的基础上开发一个更复杂真谛的小游戏。

这下，o1的深远简直有点惊喜。凭证乒乓游戏的碰撞机制，该模子自行迭代出了一个进取登高的越过游戏。一般其他大模子需要用户把需求状貌明晰才会输出一个比拟好的谜底，但记者在此次测试中莫得进行任何的极度请示，o1就输出了一个能畅通运行，何况在记者眼中看来也填塞真谛的小游戏。

4）科学类测试

在科学类测试方面，记者要点测试了o1-preview在数学和经济学上的深远。

最初，记者抛出的是一个数学推理问题，向o1-preview商量惩处欧拉方程有限技术爆破的可能花式（这是着名华侨数学家、菲尔兹奖得主陶哲轩陶冶本周才发表的商量著作）。

o1天然莫得给出明确解法，但却提供了一个解题念念路，这一念念路和陶哲轩陶冶著作部分吻合（天然很少）。

经济学方进取，记者向o1-preview商量了一个复杂的经济系统问题。从给出的反应看，基本莫得什么太大的问题，举座逻辑理会，念念考维度亦然千般化的，给出的数学公式天然有少许小瑕疵可是无伤大体。

5）事实性常识与语言厚实

在这一重要，记者向o1-preview商量了明朝第一任天子的趣事，但o1就将趣事厚实成了历史上骨子发生过的事情，将朱元璋的历史故事扫数这个词请教了出来。

同期，记者也将这一问题丢给了GPT-4o模子，手脚对比，GPT-4o能很好地厚实记者的问题，并讲了两个流传很广的民间小故事。

总体来看，OpenAI声称o1模子能接近东谈主类水平在某些方面上看起来并不是虚话。

最让记者惊喜的是，OpenAI将模子念念考的历程用翰墨展示给了用户，翰墨念念考历程中，大模子大量使用了“我正在”“我以为”“我诡计”等话语，嗅觉愈加拟东谈主化，就像一个真东谈主在用户眼前主张我方的念念考逻辑一般。

但这也并不料味着o1模子即是无缺的。OpenAI也承认，在瞎想、写稿、裁剪翰墨等方面上，o1远不如GPT-4o。o1也莫得浏览网页或处理文献和图像的材干。

而最让记者感到头疼的是，即使是一个很浅易的恳求，比如说将输出后果调度为中语，o1齐会浮滥十几秒钟的技术来念念考，而GPT4o就会很快处理好这一恳求。

就算在OpenAI的上风限制中，o1模子也会一刹出现性能下跌，模子输出懒惰的情况。已辞职的OpenAI首创东谈主Karpathy就吐槽谈：“它一直拒却为我惩处黎曼假说。模子懒惰仍然是一个主要问题。”

OpenAI暗示，公司会在之后的更新中惩处这些问题，毕竟目下这仅仅推理模子的早期预览。

记者|郑雨航 岳楚鹏（实习）

裁剪|程鹏 兰素英 杜恒峰

校对|刘小英

｜逐日经济新闻  nbdnews  原创著作｜

未经许可辞谢转载、摘编、复制及镜像等使用 黑丝 写真