更智能、更快速：OpenAI o1 和 o1 pro 模式
就在12小时前，OpenAI推出了新的o1模型和带有专业模式的o1。如您所知，o1模型是首个在回答之前进行思考的模型系列，提供更详细和准确的响应，特别是在数学、编码和研究方面。
人们关注两件事：多模态性和解决难题，而这些新模型在这两个领域表现出色。
在解决困难问题上的超越表现
让我们来看看它们在具有挑战性的问题上的表现。
我们可以看到，o1相比于o1-preview模型有了显著的改进，更不用说gpt4o模型了。具体来说，新推出的o1模型在AIME数学竞赛和CodeForce编程竞赛问题上，比o1-preview模型高出约1.4到1.5倍。
GPQA钻石问题包含约200道多项选择题，每道题有四个答案选项。大约一年前，GPT-4模型的准确率仅为36%，勉强高于随机猜测的结果。现在，o1模型的得分为78%，可与人类专家相媲美。
此外，OpenAI还推出了一个更高级的模型，称为o1-Pro。用户只有在订阅Pro计划后才能访问o1-Pro，该计划目前的费用为每月200美元。o1-Pro模型在这些具有挑战性的任务上表现略优于o1模型。
注意，OpenAI在这里使o1模型相比于前一图中的“o1”模型表现更弱，以使Pro模式的o1模型显得更有能力。例如，在前一图中，o1模型的准确率为83.3，而在这里它在竞赛数学中的得分仅为78.3。
这看似微不足道，但考虑一下最坏情况：OpenAI通过询问同样的问题四次来测试模型，仅在模型四次都回答正确时才算作正确。与之前的图相比，o1-Pro的表现下降是微乎其微的。
更快更聪明的思考
新的 o1 模型也更加智能。
如果你问一个简单的问题，它不会花太长时间思考，但如果你问一个更难的问题，它仍然可以花时间进行推理。根据 OpenAI 的说法，它的整体思维速度约为 比 o1-preview 模型快 50%，在下一个例子中你将看到这一点。
OpenAI 团队向 o1 和 o1-preview 模型提出了相同的问题：“列出第二世纪的罗马皇帝，包括他们的日期和成就。”由于罗马皇帝数量众多，模型需要时间来推理这些信息。 o1 模型花费了 14 秒，而 o1-preview 模型花费了 33 秒。
多模态 + o1 模型
现在让我们来谈谈多模态。
之前，o1-preview 模型并不是多模态的，但 新的 o1 模型现在可以同时处理文本和图像。为了演示这一点，OpenAI 向模型展示了一幅手绘的 1GW 数据中心蓝图，设置在太空中。它特别包括了一个散热器冷却系统，因为在这种环境下没有空气或水来冷却 GPU。
注意：o1 目前仍不支持多模态文档。
接下来，OpenAI 团队要求 o1 模型找出散热器面积的下限——就像你可能在一般物理教科书中遇到的问题一样。
从输出结果来看，我们看到模型准确识别了手写的“1GW”参数。由于文本或图像中没有指定冷却面板的温度，模型假设温度约为 300 K，并在此假设下进行计算。这意味着模型能够处理模糊性，从而进行推理并很好地执行计算。
o1-pro模型
对于o1-Pro，OpenAI通过提出一个具有挑战性的化学问题来展示模型的能力。
哪个蛋白质严格遵循以下标准？
1. 前体多肽的长度为210到230个氨基酸残基。
2. 编码该蛋白质的基因跨越32千碱基。
3. 该基因位于X染色体上，具体位于Xp22带。
4. 信号肽由23个氨基酸残基组成。
5. 该蛋白质促进细胞间的粘附。
6. 该蛋白质在维持特定部分神经系统的健康中发挥关键作用。
对于任何不熟悉这个主题的人，让我解释一下。
蛋白质的初始形式仅仅是一条由210到230个氨基酸组成的链。为了正常功能，这条链必须折叠成正确的3D结构。折叠该蛋白质的指令由一个跨越约32千碱基（32,000个碱基对）的基因编码，该基因位于X染色体的Xp22区域。
一旦正确折叠，蛋白质可以帮助细胞相互粘附，并在维持神经系统健康中发挥至关重要的作用。
这是一个具有挑战性的问题，因为每个标准包括成千上万的候选者。因此，模型进入“思考”状态，花费数分钟来确定答案。
一旦完成，您可以点击查看模型为得出答案而经历的推理步骤。模型的答案是“RS1”，相当准确。您可以在以下网站验证该基因信息：
RS1，含有Discoidin结构域的视网膜细胞粘附蛋白，关联于X-连锁视网膜裂孔，存在为一种新型二硫键连接的八聚体
