o1-pro – OpenAI 重磅推出的升级版推理模型

146 0

人工智能研究公司OpenAI近日宣布，已在其开发者API中推出一款名为o1-pro的全新“推理”AI模型，具备强大的计算能力和多模态输入支持。o1-pro是增强版本，使用更多的计算来思考更难的问题，并为最难的问题提供答案。

o1-pro是什么

o1-pro是 OpenAI 正式推出的 o1 系列的升级版本，o1-pro 是目前 OpenAI 最强大的推理模型，核心优势在于显著提升的计算能力，能更好地应对复杂问题，提供更一致且高质量的响应。o1-pro 仅向特定开发者（Tier 1–5）开放。支持视觉、函数调用、结构化输出，与响应和 Batch API 兼容。在编程和数学领域的表现仅比普通 o1 略胜一筹，可靠性有所提升。

o1-pro的主要功能

强大的推理能力：o1-pro 使用更多计算资源，能更深入地思考，提供更准确、更可靠的响应，在解决复杂问题时表现突出。
支持多模态输入：支持文本和图像输入，输出目前仅支持文本。
结构化输出：支持结构化输出，可确保输出内容符合特定数据格式。
函数调用：支持函数调用，能连接外部数据源。
高上下文长度与输出限制：具有 200,000 token 的上下文窗口，单次请求最多可生成 100,000 token。
兼容多种 API：与 Responses 和 Batch API 兼容，方便开发者在不同场景下使用。

o1-pro的技术原理

强化学习（RL）：o1-pro 使用强化学习来优化其推理过程。通过过程奖励模型（PRM），模型在生成推理步骤时能够获得即时反馈，逐步改进推理策略。
过程奖励模型（PRM）：PRM 为每一步推理提供奖励信号，而不仅仅是基于最终结果。这使得模型能够更好地理解和优化推理过程。
蒙特卡洛树搜索（MCTS）：o1-pro 在推理过程中使用蒙特卡洛树搜索（MCTS）来探索不同的推理路径。MCTS 通过模拟多种可能的推理步骤，帮助模型选择最优路径。方法类似于 AlphaGo 中的树搜索，使模型能在复杂问题中找到更优的解决方案。
自洽性机制（Self-Consistency）：o1-pro 在推理阶段采用了自洽性机制，通过生成多个推理路径并进行多数投票，来提高推理的准确性和可靠性。能有效减少因单一推理路径导致的错误累积。
合成数据生成：为了训练 o1-pro，OpenAI 开发了名为“草莓训练”（Berry Training）的系统，通过蒙特卡洛树生成大量合成数据。数据通过功能验证器和优化奖励模型进行筛选，确保训练数据的质量。
测试时计算（Test-Time Compute）：o1-pro 在推理时可以利用更多的计算资源，通过增加测试时的计算量来提升推理的准确性和深度。使模型在处理复杂问题时能进行更深入的思考。

o1-pro的项目地址

项目官网：https://platform.openai.com/docs/models/o1-pro

o1-pro的定价

输入价格：每 100 万 tokens（约 75 万个英文单词）收费 150 美元。
输出价格：每 100 万 tokens 收费 600 美元。
Batch API 定价：输入价格为 75 美元/每百万 tokens，输出价格为 300 美元/每百万 tokens。
其他信息：o1-pro 的价格是普通 o1 模型的 10 倍，是 GPT-4.5 输入价格的 2 倍。o1-pro 目前仅向特定开发者（Tier 1–5）开放，开发者需要在 API 服务中至少消费 5 美元才能使用。

o1-pro的性能测试

数学推理：o1-pro 在处理博士级别的科学问题时，准确率提升至 79.3%；在解答美国数学竞赛（AIME）试题时，准确率达到了 85.8%。
编程能力：在国际信息学奥林匹克竞赛（IOI）中，o1-pro 的表现显著优于普通 o1 模型。
多模态输入：o1-pro 支持图像和文本输入，能处理复杂的多模态问题。例如，在处理太空数据中心散热设计问题时，o1-pro 能根据手绘草图和问题描述给出详细的解答。
与普通 o1 模型相比：o1-pro 在数学和编程任务上的表现分别提升了 7.5% 和2 倍。
与 GPT-4.5 相比：o1-pro 的输入和输出价格分别是 GPT-4.5 的 2 倍和 10 倍。在性能上，o1-pro 在多项基准测试中显著优于 GPT-4.5。