计算机行业：o1进展追踪与评测：Reasoning能力究竟有多强？

OpenAI发布了o1-preview和o1-mini两个版本的模型，其中o1-preview推理能力更强，o1-mini速度更快且价格便宜80%。GPQA diamond测试中，o1的表现超过了博士学位的人类专家。o1通过强化学习改进CoT（Chain of Thoughts）过程，不断分解问题、纠错和尝试其他解决办法，显著提升推理能力。但o1的内部CoT过程大幅提升推理算力要求，导致其提问次数限制更严格、定价更高。

关键数据与表现：

• GPQA diamond测试：o1表现优于GPT-4o，超过博士学位人类专家。
• 推理能力：o1在数学、编程和科学问题中表现最好，写作任务中表现接近GPT-4o。
• CoT过程：o1在尝试解决问题时会使用CoT，通过强化学习不断改进。
• 定价与限制：o1-preview/o1-mini每周消息条数限制为30/50条，输入定价$3/1M tokens，输出定价$12/1M tokens；较GPT-4o定价更高。

研究结论：

• o1在推理能力上的提升有助于解决复杂逻辑问题，将进一步加速相关应用落地。
• 强化学习+CoT或成为模型迭代的新范式，挑战传统Scaling Law的结论。
• 推理算力需求或将攀升，对算力行业提出更高要求。

风险提示：

• AI技术落地不及预期、数据更新不及时、安全风险等。