OpenAI新發布的o1模型怎么樣？

2024年12月5日，OpenAI正式發布了o1模型。

關于o1，坊間早有傳聞。2023年11月，OpenAI那場短暫的“政變”過去沒幾天，路透社就報道說，Sam Altman被“除掉”的原因之一是OpenAI正在研發中的代號為“Q*”的模型過于強大，董事會擔心這項技術若所托非人，將威脅人類文明，“Q*”后來又被稱為“Strawberry”，也就是現在上線的o1。

對于一個可能會威脅人類文明的AI，我們還是有一些好奇心的。但好奇心是昂貴的，要使用“完全體”的o1，需要充值每月收費高達200美元的ChatGPT Pro，才能解鎖o1的“專業模式”，且不提供試用。按照Sam Altman的說法，“專業模式”可以讓o1“更用力地思考最難的問題”。

什么叫難題？按OpenAI自己發布的評測，o1能在物理、生物、化學等諸多學科領域超過博士水平；如果去參加2024年的美國數學邀請賽，它能進入全美前500名。但坦白說，對此類宣傳，我們作為用戶已經有些無感了。新模型出現的速度越來越快，每個新模型發布的時候都會跑一堆分數，宣稱自己在某些測試中破了紀錄。聽起來都是很厲害的“做題家”，但作為普通人，難免會感到困惑：我們日常用到的模型好像沒有那么厲害。如果我并不打算挑戰國際數學奧賽金牌，這些模型的分數跟我的日常工作有什么關系？

于是，我打算拿工作中“最難的問題”來試試。

說到最難的問題，我首先想到的是學術研究工作。我自己不做學術研究，但我的同學中研究什么的都有。我在大學和中學同學群中，請各行各業的同學幫忙列出自己工作中“最難”的問題。最后，我收集到了來自數學、物理、大氣、化學、生物、材料、哲學、藝術、經濟、金融、法律、財務……等等領域的問題。其中，最酷的是我的數學家同學，“能不能證出我的定理？”。天哪，他都有自己的定理了。

用他們的問題向o1提問，開啟“專業模式”后，等待數分鐘，就會收到答案。

同學們拿到答案后，大多數人認為和之前的模型相比更加詳細，有更多細節，邏輯也更加清晰，“條理清楚、主次分明、考慮全面”，但同時“說話也更繞了”。大家普遍認為，它看起來“肯定嚼了很多文獻”，“作為文獻收集整理挺好”，“知識水平上跟博士生差不多”；材料科學家認為，“如果能穩定保持這個水平的話，當科研助手絕對不亞于一個博士生，關鍵是博士生回答這個問題至少要一周。”

但它是否真的擁有博士生的能力？可能取決于這個能力有多通用。大氣科學家表示它套用的分析問題的“模式”是正確的，雖然很基礎，但仍然“可以給我們很多具體的參考”。生物學家則有不同意見，他問了一個基因編輯的問題，認為AI并沒有真正理解蛋白質切割的原理，“不是真的分析了蛋白結構，而是直接找已有結論”。

從研究的角度，“沒有什么突破性的思路”。但說到這里同學們話鋒一轉，紛紛開始吐槽，“現在的博士生基本也沒有……”“現在研究生的水平也不好，讓他們去干，還不如自己干了”。

所以，從這個角度來說，o1確實可以和博士生比一比。最早給別人介紹ChatGPT時，我會比喻說，可以把它看成一位本科學歷的、接受過良好通識教育、但不具有專業知識的助理，稍微有些偏文科，依靠直覺來做事。在過去這兩年，它被證明可以輕松勝任的工作是總結摘要、翻譯，以及一些應付式的官樣文章寫作。今天要介紹o1，可以用一模一樣的比喻，只是變成了一位有些偏理工科的博士，強調的是推理、邏輯能力。

那么，假如不從事研究工作，這種推理能力是否有用？這個問題有點像，理工科學生在大學都要學微積分，但大部分人的工作是不需要用到微積分的，那么為什么要學？要回答這個問題，我們讓o1去上班試試。

我原來創辦的互聯網公司大約有500人，當時我們將所有的崗位分為了軟件工程師、系統運維、產品管理、產品設計、用戶研究和戰略分析、市場營銷、商務銷售、運營等幾大類，并制定了統一的級別劃分和相應的職責能力要求。簡單重新瀏覽這些要求后，我發現，除了軟件工程師（這在上期專欄已討論過）和戰略研究員（這和上面的學術研究更相似），其他崗位的入門級別雖然工作難度不高，但涉及大量人際溝通、原始數據收集和落地執行等事務，目前很難被立刻取代。

反而是一線經理人的工作，由于更多涉及制定計劃、策劃方案、分析結果等純“動腦”的部分，可以被AI取代的部分更多一些。我們拿實際工作中的問題，分別請o1撰寫了一份競爭戰略分析報告、一份產品需求文檔，和一份市場營銷活動策劃。按市場營銷同事的看法，之前的大語言模型輸出的更像是“模板”，實際內容還是需自己去思考和撰寫，o1的輸出第一次讓人感覺稍作修改就可以直接拿去用。我們也確實拿去用了。

當然，如果要AI給出更有針對性的方案而不是泛泛而談，你需要告訴它更多細節。有趣的是，當你不得不長篇大論地把問題說清楚，你腦中的問題可能已經迎刃而解了。說到這里，我意識到這其實更像請外部顧問—在真正的咨詢項目中，向顧問講清問題、幫助他理解上下文，本身就是很大的工作量。從這個角度說，如果你是一名決策者，這一代AI或許能扮演好你可以每天請教的智囊角色，而不僅僅是幫你收集材料、潤色文檔的助理。

你還是需要理解大語言模型的局限，包括沒有實時數據、喜歡胡編亂造、記性不太好，等等。o1沒有實時搜索能力，在這方面和主流模型相比有些倒退，這意味著它只能憑借自己的積累來回答問題，“不知有漢，無論魏晉”。它自己不知道“o1”是什么，也無法直接回答關于特朗普再次當選和TikTok的問題。至于胡編亂造，隨著AI智能程度的提升，可能更難被一眼看出。它的工作，你確實需要仔細檢查。

說到底，AI即使有再聰明的大腦，但缺少眼睛和手腳，也很難真的解決實際工作中的問題，畢竟大部分工作任務并不是單純的“思考”。當我問經濟學家同學，AI是否能取代研究生時，他告訴我，他最近在做進出口相關的研究，研究生目前的主要任務是將海關官網的數據復制粘貼到表格中，因為海關官網做了防爬蟲—我嘗試了半天，用AI編程，確實就是卡在了那個我們耳熟能詳的“拖拽拼圖”的驗證環節上。現狀是，我們可能反而需要雇用人類來當AI的眼睛和手腳，每天坐在電腦前拖拽拼圖。

就在o1正式發布兩周后，Google、DeepSeek等廠商推出的新模型又在若干測試中超越了它；而在Google推出新模型的次日，OpenAI公布了“o3”，又重新拉開了差距，它可以挑戰比國際數學奧林匹克競賽題更專業的數學問題。

從業者要面對的現實是，ChatGPT上線兩年來，雖然模型能力早已大幅提升，但測試分數難以直接翻譯成普通用戶的使用體驗，用戶只能依靠口碑和自己的經驗來為每一項任務挑選合適的模型，像我日常使用的模型就有五六款之多。模型的表現也不穩定，常常需要反復嘗試不同模型，增加了使用難度。這些，都是普通用戶讓AI在工作生活中發揮更大作用的障礙。

我認為，和模型能力的提升相比，我們在產品形態的探索上大幅滯后。上期專欄提到“AI程序員”之所以更接近現實，編程能力強是基礎，更因為行業大量投入，讓“AI程序員”擁有了眼睛和手腳，通過Cursor、Windsurf、Devin等產品形態的創新釋放了AI的價值，而不是只能通過聊天來和AI溝通。將這種做法復制到其他領域中，才有可能讓AI發揮價值。

Sam Altman說，ChatGPT Pro目前是虧損的。這讓我想起大學軍訓結束那一天，我們一群男生涌進學校旁邊19.9元的自助肥?；疱伒甓习逵逕o淚的情景。如果你已經是ChatGPT等工具的重度用戶，并且感到已有模型有些力不從心，有信心把這個錢吃回來，不妨一試。當然，在此之前，Google的對應模型暫時可以免費試用，不妨先試試看。