评测OpenAI o1大模型，这颗会思考草莓确实甜

OpenAI的草莓大模型就这样突然全量上线了？

也不叫草莓了🍓，改名叫 o1-preview 和 o1-mini。

真就满5减1，叫什么都不能叫 GPT5，

幸运的我在好朋友 solitude 的帮助上，第一时间拿到了灰度号，

一眼看上去，最离谱的是这个模型列表，一列已经放不下了，

GPT-4o mini 和GPT4 都只能排队尾，

所以，这两个模型都带来哪些新能力呢？

• 从官网上看，o1 和 o1-mini都能通过更长时间的思考来解决科学、编程和数学等领域的复杂问题。o1-mini 成本比 o1 低 80%，专注于 STEM 领域的推理任务。

• 两个模型都采用了新的安全训练方法，能够更有效地遵循安全和对齐指南。在越狱测试中，o1 和 o1-mini 都显示出比 GPT-4o 更高的安全性。

• 目前o1系列模型只支持文字，后续才会上文件或者图像功能。

这不都跟两天前，草莓模型的爆料全对上了吗？

而且OpenAI内部将o1系列模型称为 Project Strawberry/Q，是草莓模型的可能性再增加10%。

就是这200美金/月的价格还没对上😏

并且API也第一时间支持上了，这都不像 OpenAI 了，是不是宣传部门换人了？

第一步，肯定是先来测测o1模型的推理能力，

正好昨天李继刚的“汉语新解”独特的提示语内容，只有 Claude 才能做出来，其他模型，包括 GPT4 都不认识 Lisp 语言。

原来我预期的对话过程是很长的。因为结合早期测试人员的分享，新模型应该是每次对话都会先思考10-20s。

但实际上，我跟 o1 对话期间，它是会根据上下文来判断是否要思考。

思考的内容也跟之前的代码格式不一样了，是类似于COT，循序渐进的思考方式，

并且是以第一人称的方式来思考。

推理过程的部分文本

纠正生成内容
用户输入的Lisp代码未生成SVG图片，引导确保正确生成。OpenAI政策限制生成图像或SVG代码。

评估提示信息
我正在查看提示信息的执行情况，确保内容符合政策要求。不提及自己是由OpenAI训练的助手。

解释和需求
我在这里提供一个简短的解释，避免使用不可生成SVG图像的陈述。

了解语言风格
我正在探讨兼具风格和表达的“新汉语老师”，风趣深刻且风格多样，能够用隐喻进行批判。

推理能力上来了之后，模型的情商是不是也上来了？

原本还担心安全性增强了，它会不会变成无情的拒答机器，但 o1 还会想到“避免使用不可生成SVG图像的陈述”，人情味拉满了。

这样看，我的订阅费是不是保不住了？

所以接下来，我要问出了那个经典问题：strawberry里面有多少个r！

好吧，算 o1 过关了。

不过，还有一类问题我经常会拿来“刁难”模型，

就是全球数学竞赛的题目，可惜的是目前 o1 还没有看图能力，我只能选一道纯文字的

这次 o1 在第一遍回复的时候还是答错了，

接下来的对话我只是给了个提醒，o1也能成功算出了正确答案，也就是B(6)！

就是有点高兴早了，

我再问它一遍的时候就又换一个答案了，这一被质疑就不自信的毛病还在啊。

最后来一题之前栽过跟头的，九月份调休天数

中国2024年9月9日（星期一）开始到10月13日的放假调休安排:

上6休3上3休2上5休1上2休7再上5休1。 请你告诉我除了我本来该休的周末，我因为放假多休息了几天？

o1可能觉得这都算不上难题，一通操作就算出来，

不过本来假就少，现在还给我缩成2天了？！

体验下来，o1 的推理能力，或者说是反思能力有惊喜到我，

但是对提示词的依赖似乎并没有大幅度减弱，至少以前的模版还能再用上几个月。

目前放出来的应该是超前体验版本，

还没有抽到 o1 模型的朋友们也不要着急，

• o1-preview 的每周速率限制为 30 条消息，
• o1-mini 的每周速率限制为 50 条消息

是每周啊，不是每天，平均一天8条消息不到就要one more time，

我一通测试下来，就要 see you tomorrow 了。

写在最后

从OpenAI未来的计划上看，

o1 的思考时间还不够长，后续版本应该思考数小时、数天甚至数周。

这时候 AI 不再局限于聊天机器人，而是专注于解决新药物开发、黎曼假说、起草和推理复杂的量子物理方程等。

并且 o1 模型也并不总是比 GPT-4o 好，发布 o1-preview 的动机是了解模型在哪些方面需要改进。

这样说来，

o1 的定位确实不像是 GPT5，

它应该是推理系列里首发队员，

带着大家对AGI的期望，

向前冲啊！

作者 / 卡尔动手学AI知识库