引发了Sam Altman被罢免、联合创始人Greg Brockman离职、OpenAI内部矛盾不断激化的，是一个名叫Q*（读作Q-Star）的项目。

　　据知情人士透露，当时Q*项目取得了重大进展，已经可以解决基本的数学问题。与只能解决有限数量运算的计算器不同，与每次都给同一道题不同答案的GPT-4不同，Q*可能已经有了概括、学习和理解的能力，而这正是迈向AGI关键的一步。OpenAI的研究人员向董事会致信警告，Q*的重大发现可能威胁全人类，而Sam Altman隐瞒了这一点。

　　今天，OpenAI突然发布了一个新模型，这个模型目前还是前瞻版，它就是传说中的Q*，后来的代号“Strawberry”，如今的OpenAI o1-preview。

　　o，还是“omini”，包罗万象的o，只不过据OpenAI表示，这次的模型“代表了人工智能的新高度”，和之前的大模型在工作方式上大有区别，因此可以单独成立一个新系列，从1开始重新算起（GPT5：我老了！）。

　　至于这个模型是不是像Ilya Sutskever和其他反水的OpenAI前核心科学家判断的那样会“威胁人类”、在道德约束不完善的情况下把人类推进AGI（通用人工智能）时代，大家可以看完文章再自己判断。

　　每一代大模型横空出世，都会跑出空前绝后的新高度，但这次的o1有本质的不同。

　　目前比较流行的大模型大多都以聊天机器人的形式出现，思考路径难以解释，而且发展方向是多模态（能说能看能听），在语气和反应方面越来越像人。o1和它们不一样。

　　OpenAI科学家Noam Brown称，目前o1几秒就能给出答案，但未来它要能进行几小时、几天，甚至几周的思考。之后附上了一张图，o1在十几秒的思考后给一个病例做出了诊断。Noam Brown的言下之意，推理时间长，意味着模型能构建更长的思维链，进行更深入的思考。

　　AIME，美国数学邀请赛，比奥赛简单点，比SAT难很多，一般用来选拔全美国数学最优秀的高中生。让GPT4-o来写邀请赛的题，只得了12分，但o1一次性答题得了74分。如果采样1000次，再对1000个样本进行评分函数重新排序的话（这样更能反映模型的期望水平），o1得了93分，可以跻身全美前500 名，可以入围美国数学奥赛了。

　　让o1去写2024年国际信息学奥林匹克竞赛（IOI）的题，它在10小时内，每题最多允许提交50次的情况下，取得了213分，在人类选手里排前49%。如果把提交次数放开到10000次，o1能得362.14分，可以拿到IOI金牌保送清华。

　　在实际测试中，使用的是o1的微调版本，不是我们能用的前瞻版本｜OpenAI

　　另外还有好多有的没的测试。比如在GPQA（一个综合了理化生的智力测试）里，o1在某些问题上超过了相关领域的博士。

　　简而言之，在已经很强的领域内卷早就不是o1的目的，在大语言模型不擅长的复杂逻辑上实现突破才是。

　　它会花更多时间思考，然后再做出反应，然后不断完善思维过程，尝试不同策略，并从错误中学习。这一点很可怕。

　　而且o1现在不是个多模态的模型，OpenAI用了两年让大模型能看能听，今朝返璞归线只能接受字符输入。

　　变慢和变单调，对o1来说，是退一步进两步。已经用上o1的人表示o1是他们用过的最聪明的模型，和它的对话已经超越了之前的小打小闹范畴。

　　在一个测试里，用户问了o1一个逻辑悖论问题：“这个问题的答案里有几个字？”

　　o1想了十秒钟，并且展示了思考过程。首先它想到，这是一个自指悖论，或者是递归问题，没有确定答案的时候就无法确定答案的字数，“避免不必要的表述对回答的清晰简洁很重要”。下一步是计算字数，需要让句子中出现的数字和句子的字数相匹配。然后它列举了很多句子，在里面找出最合适的匹配选项，它发现“这有五个字”有五个字，于是把句子结构换成完整的答复后，五应该换成七。

　　在另一个例子里，o1回答“straberry里有几个r”这个简单的问题，用了5.6秒，631个token。

　　从上面的例子，可以看出o1的工作方式已经和ChatGPT有了本质区别。现在的o1加入了推理token，会把一个问题拆分成多个步骤，再分别思考，之后再除去推理token生成答案。

　　也许在回答简单问题的时候，是否进行多轮推理的区别并不明显，但如果是用来解决写代码、做数学题，和科学领域的复杂问题，这种思考能力就是必不可少的了。

　　OpenAI在论文中说，现。