Modelo OpenAI o1
Descripción general
Hay que mejorar la LLM.
Las tres capacidades básicas del gran modelo:
- Comprensión lingüística y habilidades de expresión: GPT - 3 se ha resuelto Tormenta del conocimiento mundial: GPT - 4 ha resuelto un montón de problemas Capacidad de razonamiento lógico: es el eslabón más débil, y el modelo o1 ha hecho progresos evidentes a este respecto.
Principio
La idea del modelo o1 para mejorar la capacidad de razonamiento lógico es que después de recibir la pregunta, la cuna se genera automáticamente y se regenera en la respuesta. Evitar la escritura humana basada en cuna.
Si se permite que o1 adquiera la capacidad de generar CIT automáticamente, el aprendizaje de refuerzo puede mejorar la capacidad del modelo para encontrar automáticamente el camino correcto de razonamiento.
¿Un nuevo paradigma?
OpenAI encontró que en el proceso de entrenamiento y razonamiento del aprendizaje de refuerzo, con el aumento de la potencia computacional, el efecto de razonamiento del modelo (como la probabilidad de encontrar la ruta de cuna correcta) también será mejorado. Esto podría encontrar escala RL. Puede mejorar continuamente la potencia informática, y es posible mejorar aún más la capacidad de razonamiento lógico del modelo. Este puede ser un nuevo paradigma.
Escena objetivo
Debido a la mejora de la capacidad de razonamiento lógico, el modelo o1 es adecuado para programación, matemáticas, física y otros escenarios. Pero escribir un artículo puede estar casi terminado. Es como un estudiante de ciencias en una carrera parcial.
En mi opinión, no hay diferencia significativa en la programación entre el modelo o1 y el modelo Sonnet 3.5.
Una serie de modelos
- Modelo O1: no abierto, el más capaz
- o1 - Previsualización: ChatGPT (miembro) y API (tuhao que necesitan gastar más de US$ 1000) para visitar
- o1 - mini: Mucho menos conocimiento mundial que o1 - Previsualización, adecuado para escenarios que no requieren mucho conocimiento mundial, tales como programación y matemáticas, y respuesta rápida.
OpenAI debería lanzar una serie de modelos de "razonamiento más lógico, más científicos".
Un modelo inmaduro
Los modelos de la serie O1 no son totalmente productivos, no soportan visión, no soportan la salida de streaming, no soportan llamadas a funciones, etc. Por eso se llama previsualización.
Más caro
El precio de o1 - vista previa es cuatro veces el de GPT - 4o.
Además, en el proceso de razonamiento, el prompt oculto resultante (cot) también toma el token. Esto también aumentará los costos disfrazados.
| 模型 | 输入价格 (每百万 tokens) | 输出价格 (每百万 tokens) |
|---|---|---|
| o1-preview | $15 | $60 |
| o1-mini | $3 | $12 |
| GPT-4o | $5 | $15 |
Principio básico
Entrenamos a estos modelos para pasar más tiempo pensando en problemas antes de responder, como lo haría una persona. A través del entrenamiento, aprenden a refinar su proceso de pensamiento, a probar diferentes estrategias y a reconocer sus errores.
Pasa más tiempo pensando antes de reaccionar, al igual que los humanos. LLM mejorará su proceso de pensamiento, probará diferentes estrategias y reconocerá sus propios errores.
· OpenAI o1 piensa antes de responder y puede producir una larga cadena interna - de - pensamiento antes de responder al usuario.
Cuando se recibe la pregunta, se genera una cadena interna - de - pensamiento y la respuesta se genera a partir de esta cuna.
El uso de aprendizaje de refuerzo (RL) para entrenar LLM puede generar automáticamente CIT - basado en prompt.
Usuarios y escenarios destinatarios
Pueden razonar a través de tareas complejas y resolver problemas más difíciles que los modelos anteriores en ciencia, codificación y matemáticas. Pueden razonar a través de tareas complejas y resolver problemas que son más difíciles que los modelos científicos, de codificación y matemáticos anteriores.
Estas capacidades mejoradas de razonamiento pueden ser particularmente útiles si usted está abordando problemas complejos en ciencia, codificación, matemáticas, y campos similares. Por ejemplo, o1 puede ser utilizado por investigadores de salud para anotar datos de secuenciación celular, por físicos para generar fórmulas matemáticas complicadas necesarias para la óptica cuántica, y por desarrolladores en todos los campos para construir y ejecutar flujos de trabajo multi-step.
Estas capacidades de razonamiento mejoradas pueden ser particularmente útiles si usted está resolviendo problemas complejos en ciencia, codificación, matemáticas, y áreas similares. Por ejemplo, los investigadores de la salud pueden usar o1 para anotar datos de secuenciación celular, los físicos pueden usar o1 para generar fórmulas matemáticas complejas para la óptica cuántica, y los desarrolladores en todos los campos pueden usar o1 para construir y ejecutar flujos de trabajo multi-step.
Rendimiento: mejorar la capacidad de razonamiento lógico
下一个模型更新在物理、化学和生物学方面具有挑战性的基准任务上的表现与博士生类似。我们还发现它在数学和编码方面表现出色。在国际数学奥林匹克（IMO）资格考试中，GPT-4o 只正确解决了 13% 的问题，而推理模型的得分为 83%。他们的编码能力在竞赛中得到评估，并在 Codeforces 竞赛中达到了第 89 个百分点。您可以在我们的技术研究文章中阅读更多相关内容。
La capacidad de mejorar en todos los aspectos
- Mejora de la codificación: más del 300%
- Matemáticas/química/biología/física: aumento de alrededor del 40%
Competencia china
Restricción del acceso
- Los usuarios de ChatGPT Plus podrán acceder al modelo o1 en ChatGPT.
- El límite semanal de la tasa de o1 - previsualización es de 30 mensajes, y el de o1 - mini es 50 mensajes por semana.
- Sólo los usuarios con permisos de capa 5 pueden acceder a la API. El límite de velocidad es de 20 RPM.
[Diferente capa]
| Tier | Qualification |
|---|---|
| Tier 1 | $5 paid |
| Tier 2 | $50 paid and 7+ days since first successful payment |
| Tier 3 | $100 paid and 7+ days since first successful payment |
| Tier 4 | $250 paid and 14+ days since first successful payment |
| Tier 5 | $1,000 paid and 30+ days since first successful payment |
Precios
El precio de o1 - vista previa es cuatro veces el de GPT - 4o. Y Cuna Oculta también toma Token.
| 模型 | 输入价格 (每百万 tokens) | 输出价格 (每百万 tokens) |
|---|---|---|
| o1-preview | $15 | $60 |
| o1-mini | $3 | $12 |
| GPT-4o | $5 | $15 |
Deficiencia del modelo
No tenga la capacidad de navegar por la web para obtener información y cargar archivos e imágenes.
API no soporta:
-
- Modalidades**: Sólo texto, las imágenes no son soportadas.
-
- Tipos de mensajes**: Mensajes de usuario y asistente solamente, los mensajes del sistema no son soportados.
-
- streaming**: No se admite.
- Herramientas*: No se admiten herramientas, llamadas de funciones y parámetros de formato de respuesta. -* Logprobs**: No soportada.
Ejemplo
Ejemplo 1: Lógica Puzzle
Problemas.
A princess is as old as the prince will be when the princess is twice the age that the prince was when the princess' age was half the sum of their present ages.Provide all solutions to this question.
- Explicación
Respuesta desde o1 - Previsualización
Prompt interno
解质量子问题
我正在解一个关于年龄的复杂问题。将时间点和年龄分别定义为变量，解析这些年龄差距，试图找出满足条件的解。
计算时间差
我开始计算王子和公主的年龄之和P + Q。然后，确定公主年龄的一半Q'，并计算从那时到现在的时间差，即(Q - P)/2年。这让我更好地理解了时间的流动。
分析时间差异
我试图简化时间差异的公式，发现在计算公主和王子年龄时出现了矛盾。回顾过去时，公主的年龄是当前年龄的和的一半。
CHUNK: 假设公主的现年龄为Q。那么在时间t1时，公主的年龄为Q - t1。
根据题目要求，在时间t1时： Q - t1 = (P + Q)/2
解方程得： t1 = Q - (P + Q)/2 = [2Q - P - Q]/2 = (Q - P)/2
类似地，公主的年龄为P - t1 = P - [(Q - P)/2] = [2P - Q + P]/2 = (3P - Q)/2
调整计算细节
我正在解决王子年龄的问题时，调整时间t1的计算方式。通过精简公式，发现王子年龄计算有误，正在检查每个步骤的准确性。
检视方程式
我正尝试重写并简化方程式，但遇到了一些麻烦。看看哪里出错了，可能是算术操作中的小错误。抱着怀疑的态度，我重审每一步，以确保准确性。
计算王子的年龄
我计算出王子在时间 t1 的年龄为 (3P - Q)/2。\n接下来，探讨公主未来的年龄与王子 t1 时的年龄的关系。
计算未来时间 t2 时，公主年龄是那时王子年龄的一倍。首先，计算王子当前年龄 P1，然后用将来的年龄来确定 t2。
分析年龄增长
公主的年龄将是Q + t2, 王子的年龄则为P + t2, 计算得t2 = 3P - 2Q。
探讨年龄关系
公主的年龄等于王子未来年龄的两倍，条件涉及公主年龄的变化和王子年龄的历史。
深入分析
从公主年龄变化出发，整理王子年龄的历史，体现出他们之间的复杂关系。
修正方程并计算
我正在修正年龄方程，重新计算年龄差。最终得出，公主的年龄是王子年龄的四分之三。这个过程让我思考年龄与时间的关系。
提到：
亲王年龄 = 福 + t2 = (3Q/4) + (Q/4) = (4Q/4) = Q
提与 t2 相关： 公主 = (5Q/4)，亲王 = Q
现在思考中： 公主年龄与亲王未来的年龄一致，条件是公主的年龄是亲王一半年龄的总和的一半。
探寻岁数关系
我正在分析王子年龄涉及到的问题。假设王子的年龄为P = 0.75Q，可得王子的现年岁仔细审视其值。
确定年龄关系
我分析了公主和王子的年龄关系，计算得出她们分别为6和8岁。公主在1年前7岁，符合年龄和当前年龄的半和。
确定数学关系
皇子的年龄是 6 岁，公主的年龄是 8 岁。公主将来的年龄是 10 岁，这个时候皇子的年龄是 8 岁。
计算公主和王子的现年龄之和的一半，为3.5岁。
解决年龄问题
尝试找出公主和王子的年龄差异时，发现公主比王子大 1 岁。王子在未来 2 年内年龄将增长，但没有立即对答案有帮助。
尝试不同的数字
我正在探索不同的整数解，选择Q = 16，计算出P = 12。接下来，计算时间t1 = 2年，公主当时14岁。通过检查这些条件，得出公主和王子未来的年龄。
分析年龄差异
我正探索王子和公主之间的年龄差异。王子目前12岁，8年后将成20岁。公主20岁时，正好是王子16岁的时候。这个想法令人兴奋。
寻找解答
考虑Q必须是4的倍数，P可以表示为3k。这让我们计算出一组可能的年龄解。
计算两人现在的年龄差
目前，这对王子和公主的年龄分别是3k和4k。我正在尝试找出在公主年龄是王子年龄的两倍时，王子将多大年龄。
分析年龄差异
我正在思考公主和王子的年龄差异。公主现年5千年，王子3千年，公主两倍年龄将是王子当时的一半和他们当前年龄之和。
探索年龄关系
我正在分析王子和公主的年龄关系，推测出在公主年纪为5k时，王子的年龄为5k/2。谢谢阅读！
La respuesta final
Conclusion:
The only integer solution satisfying all conditions is:
Prince's age: 6 years
Princess's age: 8 years
Answer: The prince is 6 years old, and the princess is 8 years old.
Ejemplo 2: Programación
Demanda
make a game called "squirrel finder" using HTML5 and JavaScript.
- You are a koala icon that can move quickly using the arrow keys.
- A strawberry randomly spawns every second and bounces around.
- If a strawberry touches you, you die.
- After three seconds, a squirrel icon spawns and bounces around. If you touch it, you win.
- Make sure all icons are 40 pixels by 40 pixels.
- Use retro colors and a dark background.
- Put "openai" in the game screen and a timer in the corner.
- Display the instructions before the game starts.
- Automatically restart the game when you win or lose.
- Give the code in a single file.
El código generado por o1 se puede utilizar normalmente
<!DOCTYPE html>
<html>
<head>
<title>Squirrel Finder</title>
<style>
body {
margin: 0;
overflow: hidden;
background-color: #000;
color: #fff;
font-family: 'Courier New', monospace;
}
#gameCanvas {
display: block;
margin: 0 auto;
background-color: #000;
}
#instructions {
position: absolute;
top: 20%;
width: 100%;
text-align: center;
font-size: 24px;
}
#openai {
position: absolute;
bottom: 10px;
left: 10px;
font-size: 14px;
color: #fff;
}
#timer {
position: absolute;
top: 10px;
right: 10px;
font-size: 18px;
color: #fff;
}
</style>
</head>
<body>
<canvas id="gameCanvas" width="800" height="600"></canvas>
<div id="instructions">
<h1>Squirrel Finder</h1>
<p>You are the Koala. Use arrow keys to move.</p>
<p>Avoid the strawberries!</p>
<p>Find the squirrel to win!</p>
<p>Press any key to start.</p>
</div>
<div id="openai">openai</div>
<div id="timer">0</div>
<script>
(function(){
const canvas = document.getElementById('gameCanvas');
const ctx = canvas.getContext('2d');
let instructions = document.getElementById('instructions');
let timerDisplay = document.getElementById('timer');
let keys = {};
let player = {
x: canvas.width / 2 - 20,
y: canvas.height / 2 - 20,
width: 40,
height: 40,
speed: 7,
color: '#00ff00' // Green
};
let strawberries = [];
let squirrel = null;
let gameTime = 0;
let gameStarted = false;
let gameOver = false;
let gameWin = false;
function startGame() {
instructions.style.display = 'none';
gameStarted = true;
gameTime = 0;
gameOver = false;
gameWin = false;
player.x = canvas.width / 2 - 20;
player.y = canvas.height / 2 - 20;
strawberries = [];
squirrel = null;
lastStrawberrySpawn = 0;
lastTime = performance.now();
requestAnimationFrame(gameLoop);
}
document.addEventListener('keydown', function(e) {
if (!gameStarted) {
startGame();
}
keys[e.key] = true;
});
document.addEventListener('keyup', function(e) {
keys[e.key] = false;
});
let lastTime = performance.now();
let lastStrawberrySpawn = 0;
function gameLoop(timestamp) {
let deltaTime = (timestamp - lastTime) / 1000;
lastTime = timestamp;
update(deltaTime);
render();
if (!gameOver && !gameWin) {
requestAnimationFrame(gameLoop);
} else {
setTimeout(startGame, 2000); // Restart game after 2 seconds
}
}
function update(deltaTime) {
if (!gameStarted) return;
gameTime += deltaTime;
timerDisplay.textContent = Math.floor(gameTime);
// Move player
if (keys['ArrowUp']) player.y -= player.speed;
if (keys['ArrowDown']) player.y += player.speed;
if (keys['ArrowLeft']) player.x -= player.speed;
if (keys['ArrowRight']) player.x += player.speed;
// Keep player on screen
if (player.x < 0) player.x = 0;
if (player.x + player.width > canvas.width) player.x = canvas.width - player.width;
if (player.y < 0) player.y = 0;
if (player.y + player.height > canvas.height) player.y = canvas.height - player.height;
// Spawn strawberries
if (gameTime - lastStrawberrySpawn > 1) {
lastStrawberrySpawn = gameTime;
spawnStrawberry();
}
// Spawn squirrel after 3 seconds
if (gameTime >= 3 && squirrel === null) {
spawnSquirrel();
}
// Update strawberries
strawberries.forEach(function(s) {
s.x += s.vx;
s.y += s.vy;
// Bounce off walls
if (s.x < 0 || s.x + s.width > canvas.width) s.vx *= -1;
if (s.y < 0 || s.y + s.height > canvas.height) s.vy *= -1;
// Check collision with player
if (collision(player, s)) {
gameOver = true;
}
});
// Update squirrel
if (squirrel) {
squirrel.x += squirrel.vx;
squirrel.y += squirrel.vy;
// Bounce off walls
if (squirrel.x < 0 || squirrel.x + squirrel.width > canvas.width) squirrel.vx *= -1;
if (squirrel.y < 0 || squirrel.y + squirrel.height > canvas.height) squirrel.vy *= -1;
// Check collision with player
if (collision(player, squirrel)) {
gameWin = true;
}
}
}
function render() {
// Clear canvas
ctx.fillStyle = '#000';
ctx.fillRect(0, 0, canvas.width, canvas.height);
// Draw player
ctx.fillStyle = player.color;
ctx.fillRect(player.x, player.y, player.width, player.height);
// Draw strawberries
strawberries.forEach(function(s) {
ctx.fillStyle = '#ff0000'; // Red
ctx.fillRect(s.x, s.y, s.width, s.height);
});
// Draw squirrel
if (squirrel) {
ctx.fillStyle = '#ffff00'; // Yellow
ctx.fillRect(squirrel.x, squirrel.y, squirrel.width, squirrel.height);
}
// Display game over or win message
if (gameOver) {
ctx.fillStyle = '#ff0000';
ctx.font = '48px Courier New';
ctx.fillText('You Died!', canvas.width / 2 - 100, canvas.height / 2);
}
if (gameWin) {
ctx.fillStyle = '#00ff00';
ctx.font = '48px Courier New';
ctx.fillText('You Win!', canvas.width / 2 - 100, canvas.height / 2);
}
}
function spawnStrawberry() {
let s = {
x: Math.random() * (canvas.width - 40),
y: Math.random() * (canvas.height - 40),
width: 40,
height: 40,
vx: (Math.random() * 4 + 1) * (Math.random() < 0.5 ? -1 : 1),
vy: (Math.random() * 4 + 1) * (Math.random() < 0.5 ? -1 : 1)
};
strawberries.push(s);
}
function spawnSquirrel() {
squirrel = {
x: Math.random() * (canvas.width - 40),
y: Math.random() * (canvas.height - 40),
width: 40,
height: 40,
vx: (Math.random() * 3 + 2) * (Math.random() < 0.5 ? -1 : 1),
vy: (Math.random() * 3 + 2) * (Math.random() < 0.5 ? -1 : 1)
};
}
function collision(a, b) {
return a.x < b.x + b.width && a.x + a.width > b.x &&
a.y < b.y + b.height && a.y + a.height > b.y;
}
})();
</script>
</body>
</html>
Sonnet - 3.5: El código generado también funciona correctamente.
Con las quejas, la interacción de Claude AI es obviamente mejor, y usted puede previsualizar el efecto.
Comparando las dos piezas de código, Sonnet 3.5 funcionará mejor.
Aunque ambas implementaciones cumplen los requisitos básicos, el código 2 (Sonnet 3.5) es ligeramente mejor en general:
- Tiene una estructura más organizada y orientada al objeto que es más fácil de mantener y ampliar.
- Utiliza colores más sutiles y más adecuados para el estilo retro.
- Utiliza clases para representar objetos de juego, promoviendo una mejor reutilización de códigos.
Sin embargo, el código 1 tiene algunas ventajas de rendimiento debido al uso de "requestAnimationFrame".
Ejemplo 3: Razonamiento
Problema: ¿Cuántas r's están en fresa
GPT - 4o: error de resultado
“strawberry”中有1个字母“r”
Soneto - 3.5 Error
There are 2 r's in "strawberry".
Ejemplo 4: Traducir una frase dañada
A reponer