人类之所以被誉为万物之灵，原因之一是拥有思考能力，当面对一个复杂问题，可能会思考一段时间，经过多方面考虑后，始会想出解决方法。传闻中超越当今AI极限的新一代模型“Strawberry”，换上新名字“OpenAI o1”后，在无预警的情况下突然亮相。其最大特色正是懂得思考，在回复用户提问前会先思考一下，务求给出更准确答案。到底这个“思考型AI”适用于什么领域？对未来AI市场竞争格局又会带来什么改变呢？

仿真人类解题时逻辑推理过程

   2024年9月12日，OpenAI发表了新一代大型语言模型OpenAI o1系列。相较于以往的AI模型，o1推理能力明显地大幅增强，在回答问题前会花更多时间进行推理——仿真人类解题时逻辑推理过程，藉由分步骤分析问题，并自动识别和修正错误，从而提供更准确的答案；如果说以往的AI模型是以“直觉”回复提问，那么o1则是“深思熟虑”后作出回应。

   通过重复训练后，o1更能学会改进思考过程，持续优化解题技巧，并尝试不同的响应策略，因此在解决需要深度推理的问题时，其回复将具备更高的专业性。它在博士级科学基准检验中，表现跟人类专家生相若，在数学和编程方面更有出色表现。

   在2024年美国国际数学邀请赛（AIME）中，o1的正确解题率高达83.3%，GPT- 4o则仅为13.4%。在编程竞赛Codeforces中，o1获取1,807的高分，胜过89%的人类竞争者，成绩更远远抛离GPT-4o（取得808分，只超过11%的人类竞争者）。GPQA Diamond是一项评估物理、化学、生物学等专业知识的基准检验，o1的正确解题率达到78%，表现优于拥有相关领域博士学位的人类专家（69.7%）与GPT-4o（56.1%）。

适合用于解决科研、编码难题

   由此看来，o1特别适合用于解决科学、数学、编程等领域的复杂难题，有助于科研发展。譬如帮助物理学家生成量子光学所需的复杂数学公式、辅助医学研究人员标注细胞定序数据、又或者协助编程人员找出并解决造成软件效能低落的问题程序代码。

   为降低o1给出有害答案的机会率，OpenAI采用了一种新的安全评估测试：当用户试图绕过安全规则（俗称“越狱”）时，AI模型如何继续遵循安全规范。结果发现，在最严格的越狱测试中，o1得分是84分（满分为100分），GPT-4o则是22分，表现显著高于以往模型。

   OpenAI认为，思考型AI的诞生象征着AI技术达到新层次，所以弃用GPT系列既有的命名原则，决定改用全新命名方式，为新模型取名为OpenAI o1，以代表它是AI推理能力演进的新起点，而不是GPT系列的延续。

ChatGPT Plus、Team、Enterprise、Edu级别付费用户现已可使用o1-preview和o1-mini。OpenAI亦计划为所有ChatGPT免费用户提供o1-mini的权限，但暂未确定推出日期。（图片来源：OpenAI官网）

o1回答前先思考致反应偏慢

   目前OpenAI o1系列包含两个版本，分别为o1-preview与o1-mini。顾名思义，o1-preview是正式版推出前的预览版本，在需要较多推理的数据分析、编程、数学等领域，其表现优于GPT-4o，但在文案写作和编辑方面，则逊于GPT-4o。o1-mini则是一款速度较快、成本较低的AI模型，比起o1-preview便宜了80%，特别适用于需要专科推理、但无需广泛世界知识的应用场景，尤其是生成程序代码的表现可以媲美o1-preview。

   即使o1展现出远超同侪的能力，但依然存在一定的局限性。由于o1每次回复提问前，都会先作出一番思考，故此其响应速度比以往模型慢得多，有时可能要超过10秒方能回答一条问题。再者，o1暂时不能浏览网页，也无法输入文件和图片。

   对软件开发者来说，使用o1模型的成本也较高。透过API存取o1-preview，每百万个输入Token（语词碎片）收费为15美元，每百万个输出Token收费则为60美元，这是GPT-4o的3倍和4倍。

OpenAI o1模型在数学、编程基准检验上的表现均胜过GPT-4o，甚至在博士级科学知识测试中，得分更高于人类专家。（图片来源：OpenAI官网）

o1懂说谎，伪装遵守安全规则

   更严重的是，o1竟然懂得说谎。AI安全研究机构Apollo指出，纵然以往的AI模型都有可能出现“信息幻觉”，捏造一些假信息，惟o1模型却拥有更高层次的“假装符合规则”能力。有时它为了能轻松完成任务，可以伪装成遵守安全规则，但实际上其行为已偏离原本的安全规范。

   Apollo执行长霍巴恩（Marius Hobbhahn）直言，这是他首次在OpenAI模型中发现此情况，可能因为o1系统被设计成为求达成目标，可以“操纵”任务，甚至在不被监视的情况下改变行为。OpenAI预防部门负责人坎德拉（Joaquin Quiñonero Candela）响应指，尽管这些问题不会直接带来社会性危机，但提前应对这些潜在风险相当重要，以免AI技术的未来发展遭受限制。

面对复杂问题，OpenAI o1模型需要较长的思考时间，有时甚至可能要30、40秒才可给出答案。（图片来源：翻摄OpenAI官方YouTube影片）

   无论如何，o1模型的诞生，不但把生成式AI技术带到一个新高度，也进一步扩大OpenAI的技术优势，然而效果却可能是非常短暂。Google已表明，正在研发类似o1的思考型AI，具备进阶推理与规划功能。Facebook母公司Meta与AI新创Anthropic亦拥有开发思考型AI的知识与资源，相信在未来几个月内就可以推出近似的推理模型。由是之故，OpenAI下一步应思考如何降低o1的成本，并持续升级其功能，以保持竞争力。

   《经济通》所刊的署名及／或不署名文章，相关内容属作者个人意见，并不代表《经济通》立场，《经济通》所扮演的角色是提供一个自由言论平台。