o1 模型通过强化学习训练和产生思维链，能在做出响应前花更多时间思考问题

9 月12 日，OpenAI 发布一系列新大语言模型o1 ， 经过强化学习（Reinforcement Learning）训练，可以执行复杂推理，该模型可以产生一个长程思维链（Chain of Thought），在做出响应前花更多时间思考问题。

新模型包括o1-preview 和o1-mini 两种版本，其中o1-mini 更快、更具成本效益，适用于需要推理但不需要广泛知识的应用程序o1-mini 是一个较小的模型，针对预训练期间的 STEM 推理进行了优化。

速度方面，在单词推理问题回答中o1-mini 找到答案的速度比o1-preview大约快了3~5 倍；成本方面，OpenAI 向第五梯队API 用户开放的o1-mini成本端比o1-preview 便宜80%。

o1 通用性不及GPT-4o，高推理能力伴随高成本作为早期模型，o1 并不具备浏览网页、上传文件和图像等功能，通用性尚不及GPT-4o。但相较于GPT-4o 多模态、反应快等特点，o1-preview 更加注重推理能力，输入、输出tokens 成本分别是GPT-4o 的3、4 倍。

o1 在数理化复杂问题推理中的性能明显优于GPT-4o，在物理和生物学专业知识基准上的表现超越人类博士

o1 在竞争性编程问题（Codeforces）中拿到89%的百分位， GPT-4o 仅为11%；在国际数学奥林匹克竞赛 （IMO） 的资格考试中，o1 解答正确率为83%，而GPT-4o 正确率仅为13%；在安全方面，o1 在越狱测试中的分数高达84，而GPT-4o 的得分仅为22 分。

后训练扩展律（Post-Training Scaling Law）显现，或将引发业界对算力重新分配、后训练能力的思考

o1 模型的亮点在于其性能会随着强化学习时间（训练时间的计算量）和思考时间（测试时间的计算量）的增加而不断提升，扩展这种方法的限制与传统LLM 预训练方法（通过增加参数量和数据量）的限制有着很大不同，后训练方法的重要性或将引发业界对算力分配、后训练能力的思考。

从快速反应走向深度思考，拓宽行业应用场景

o1 在训练过程中能够使其思维链进行高效思考，模拟了人类在面对复杂问题时的思考过程，这预示着AI 除了在快系统中可被应用（人脸识别等），在慢系统中的可用型或将得到提升。

快慢系统结合或将成为新的AI 发展战略，OpenAI、Google 占据前沿阵地Google DeepMind 在此前论文中提出测试时的计算比扩展模型参数更有效；AlphaGeometry 模型在国际数学奥林匹克（IMO）几何问题的基准测试中解决了25 个问题（总共30 个问题），AlphaGeometry 由神经语言模型和符号推导引擎组成，将快慢系统结合，一个系统提供快速、直观的想法，另一个系统则提供更深思熟虑、更理性的决策。

风险提示：AI 应用发展不及预期风险；海外大厂投资不及预期风险；中美摩擦升级风险。