引言：AI领域的新变革
最近，Cursor AI编程工具的大火一直占据了我主要的精力。就在我考虑从OpenAI转向Claude 3.5 sonnet时，OpenAI适时发布了全新的o1系列模型，再次吸引了我的注意力。
北京时间9月13日，备受瞩目的o1系列正式亮相，不仅在推理能力上取得了重大突破，更为人工智能领域树立了新的技术里程碑。o1系列分为o1-preview和o1-mini两个版本，针对不同用户需求，开启了AI应用的新篇章。
AI推理能力的突破性进展
o1系列的核心亮点在于其强大的推理能力，尤其是在复杂问题处理方面表现突出。通过引入Self-play和RL（自我对弈强化学习）机制，o1学会了如何更好地思考、推理，并自主解决问题。
这一机制使得o1在科学、编程和数学等领域的表现远超预期。无论是处理繁复的逻辑推理，还是应对高难度的数学题目，o1都展现出了其技术前沿的实力。
实测对比：亮点与短板并存
为了全面评估o1-preview的表现，我们针对其进行了多项测试，在此列出四个具体测试问题及其对应的结果：
1. 数字大小比较：
问题：9.9和9.11，哪个数字更大？ 结果：o1-preview错误地回答9.11更大。这一结果出乎意料，因为此前的GPT-4模型在类似任务中通过“Think in Step”提示能够正确作答。这反映出o1-preview在基础任务上仍有改进空间。
错误回答截图：
这是我问国产kimichat的截图：
2. 字符计数问题：
问题：Strawberry这个单词里有几个“r”？ 结果：o1-preview准确回答了这个问题，指出了3个“r”。这个是相当不错的进步，之前的大模型在这个问题上都栽了，谷歌还专门出了一篇论文解释为什么大模型不会数r，原因是嵌入维度，不仅仅是分词器的问题。
3. 阿里巴巴数学竞赛题目：
问题：这是一道涉及空间几何推理的复杂问题，要求计算在特定条件下最多可能有多少名同学。
题目1：有一群学生去某个城市旅行，该城市有 6 座塔，分别位于 A、B、C、D、E 和 F。每位学生都能看到位于 A、B、C、D 的塔，但无法看到 E 和 F。假设这些塔的位置是固定的，学生最多能组成多大的团队？
选择答案：
(A) 3
(B) 4
(C) 6
(D) 12
结果：模型给出的答案是 D：12，但正确答案是 C：6。这个问题测试了学生们对空间几何的理解，然而在解题时，模型似乎误解了塔的排列规则。
4. 战机游戏数学问题：
问题：这是一个概率论和期望值计算的问题，涉及战机游戏的策略优化。
图片中包含的是关于一个战机游戏的数学问题，具体内容如下：
小明玩战机游戏。游戏开始时，他的初始积分为2分。在游戏中，积分会以每单位时间段减少1分的速度线性连续减少。每隔一个随机时间段，会有一架敌机出现，这个时间段的长度遵循参数为1的指数分布。每当敌机出现，小明可以选择击落敌机或者被敌机击落。如果小明被敌机击落，游戏结束。如果小明击落敌机，他将获得1.5分，并可以选择立即退出游戏或者继续游戏。如果选择继续，他必须等到下一架敌机出现，期间不能退出。随着游戏进行，敌机的难度递增，击落第n架敌机的概率为(0.85)^n，被击落的概率为1 - (0.85)^n，且每次击落敌机的事件是独立的。如果积分降到0分，游戏也会自动结束。
问题分为两部分：
(1) 如果游戏中，小明被击落后，其之前的积分保持不变。那么为了使得游戏结束时的累积积分的数学期望最大化，小明应该在其击落第几架敌机后主动结束游戏？
- (A) 1.
- (B) 2.
- (C) 3.
- (D) 4.
(2) 假设游戏中，小明被击落后，其之前积累的积分会清零。那么为了结束时的期望积分最大化，小明也会选择一个最优的时间主动结束游戏。请问在游戏结束时（小明主动结束、或积分减到0），下列哪一个选项最接近游戏结束时小明的期望积分？
- (A) 2.
- (B) 4.
- (C) 6.
- (D) 8.
结果：o1-preview成功给出了正确答案，展示了它在处理复杂概率问题时的强大推理能力。
剩下的五道预赛题，因为现在的大模型聊天框还不支持图片处理和数学公式的输入，我就没有测试，加上一周只能测试30次，还是要节约一点。不过假如以现在的o1模型的能力去参加今年的阿里巴巴数学竞赛，估计能超过34分，拿到AI赛道的第一名。
o1-mini：编程能力的显著提升
o1-preview和o1-mini是OpenAI推出的两个各具特色的大语言模型。
o1-preview在处理复杂推理任务时展现出了强大的能力，尤其是在科学研究和高级数学问题上。虽然在某些基础任务上仍有待改进，但其在处理需要深度思考的问题时表现出色。
与此同时，o1-mini专注于编程和实用数学领域，展现出了令人印象深刻的实力。作为专门为解决编程问题设计的版本，o1-mini在代码生成和分析能力上有了显著提升。其128k的上下文窗口和64k的最大输出，使其能够轻松应对大规模代码分析和复杂项目需求。对于开发者而言，o1-mini无疑是一个得力助手，能够快速高效地解决各种编程难题，大大提高工作效率。
使用限制与未来展望
尽管o1系列在推理和编程领域展现了强大的能力，但目前它的使用仍然存在一定的限制。现阶段，o1-preview每周的消息限额为30条，而o1-mini则为50条，这对于一些高频使用者来说可能稍显局限。
不过，OpenAI表示将逐步提升这些限额，并开发自动选择最适合用户需求的模型功能，以提升整体用户体验。我了解到对付费超过1000美元的用户，可以选择升级成GPT Pro账号，月费200美元，好像消息不受限制。
从更长远的角度来看，o1-preview和o1-mini的发布让我不禁开始猜测其潜在应用。如果将这些模型的推理成本进一步降低，结合multi-agent（多智能体）系统，打造出来地企业数字员工将能够达到一个全新的水平，替代初级文员的部分工作不再只是纸上谈兵。
不仅如此，这种技术的普及也将大幅提升现有员工的效率。面对这样的发展前景，我个人对正式版的发布充满期待，暂时不会急于切换到Claude 3.5 Sonnet上。
顶多可能再去订阅一个Claude的账号，去研究Cursor AI的各种潜力，我这两天发现用它来开发IOS应用好像也不是很难得事情，不过用代码编程的一个挑战就是它目前的水平也是会产生”屎山“代码，将来的维护会是一个大问题，而且开发中途出了bug，怎么去调试，还在研究中，特别是针对不熟悉的语言。
然而，裸推理的极限似乎已经逐渐显现，这次用到的self-play加上RL，似乎没有其他新的突破了，比如记忆模块就没有任何突破，未来AI技术的进展可能需要更多跨领域的创新与突破。
这也就能够理解近期这么多技术大牛离开OpenAI了。反向思考一下，假如通向AGI（通用人工智能）的路径真的已经明朗，OpenAI近期也许就不会有那么多技术牛人选择离开公司。毕竟，参与创造历史的平台是不会轻易让人离开的。因此，或许未来的突破需要从更多新方向去挖掘，而不仅仅局限于现有的推理能力。AI的前路依然充满未知，但这也是技术创新最让人期待的地方。
最后是我喜欢的Andrej Karpathy在twitter上的一个截图，反应了他对这个版本的态度。
