OpenAI o1模型在广泛的基準测试中，表现都比GPT-4o还要更好

OpenAI推出全新大型语言模型o1，其推理能力大幅提升，在数学、程序设计和博士程度的科学问题等基準测试中表现优异，大幅超越先前发表的GPT-4o模型。o1模型的特点在于透过关联思考（Chain of Thought），在多数複杂推理任务中表现接近甚至超越人类专家。在最新的美国国际数学邀请赛（AIME）中取得接近全国前500名的成绩，o1也是目前第一个在GPQA科学测试中超越人类博士的模型。

图片来源／OpenAI

OpenAI o1是一个针对複杂推理问题设计的新一代大型语言模型，相较于之前的模型，o1透过强化学习来增强其推理能力，能够对问题进行深度思考。官方解释，o1关联思考（Chain of Thought）的能力模拟人类解题时逻辑推理过程，藉由分步骤分析问题，再做出回应。而这种能力大幅提升o1处理複杂任务的準确性和可靠性。

在数学以及程序设计领域，o1的表现尤为亮眼，展现了解决高难度问题所需要的强大推理能力。以2024年的AIME数学考试为例，o1单次尝试就可解决74％的题目，而透过共识决方法，也就是经多次解法的综合判断，準确度可以提高至93％。在程序设计领域，o1在Codeforces竞技程序测试表现也相当优异，针对国际资讯奥林匹亚（International Olympiad in Informatics，IOI）调校的模型变体o1-ioi，其Elo评分达到1807，超过93％的人类竞争者。

图片来源／OpenAI

o1有能力逐步分析问题，拆解複杂步骤并自动修正错误，而透过强化学习，则又能从每次的尝试中学习改进，持续最佳化其解题技巧，这让o1模型在解决需要深度推理的问题时，具备更高的準确性、效率和稳定性。

目前OpenAI已经释出o1早期版本OpenAI o1-preview，使用者已经可以在ChatGPT中进行测试，并开放给部分受信任的API使用者。GitHub也展示了o1模型在程序设计的能力，包括o1-preview如何协助开发者最佳化複杂演算法，甚至找出并解决造成应用程序效能低落的问题程序码。GitHub官方预计之后会将o1-preview和轻量级o1-mini加入到可选模型的行列，目前开发者需要先透过Azure AI申请早期存取。

除了OpenAI o1在程序设计和数学问题上的先进发展，其他组织也在推进类似的技术进步。DeepMind在今年7月的时候，也展示了其能够解决数学难题的人工智慧模型AlphaGeometry 2，该模型可解决了2024年国际数学奥林匹亚竞赛（IMO）6道数学难题中的4道题目，达到了银牌得主的水準。不过，AlphaGeometry 2并非典型的大型语言模型，而是基于Gemini语言模型的神经符号（Neuro-Symbolic）混合系统，专门为处理複杂数学问题的推理和解答而设计。