新V观海外：o1模型的开源复现和智商测试

85花杨幂正在拍摄新剧《生万物》，相关路透也引发了热议。该剧是一部农村题材大戏，也是杨幂的转型之作，备受关注。由于杨幂今年上半年三部作品都遭遇不同程度的差评，杨幂能否翻身成功，似乎就看这部戏。

经济观察报 社论 陈沛/文 自从OpenAI推出 的高级推理模型o1，已经过去了10天左右的时间。

模型刚推出的时候，很多率先使用的用户会觉得这个预览版模型（o1-preview）的纯文本模式和类似规划代理的生成效果略感平淡，就像我在前一篇专栏中写过的情况。

也有一些研究者试图从OpenAI介绍的内容中针对自我对弈强化学习、数据合成等进行分析，以突出这个模型的特别提升之处。

在此期间，各种说法林林总总，不一而足。我则认为值得进一步分析的是随后很快出现的o1模型开源复现版，以及 的智商 结果。

一周内出现o1开源复现效果

美国SambaNova公司的Kaizhao Liang在o1模型发布一周内，就在HuggingFace上推出了一个类似o1模型思考过程的开源平替版——Llama3.1-Instruct-O1。

这个开源平替版用到了Llama-3.1-Instruct模型，用户可以选择405B、70B、8B三个开源模型版本，再设置思考步骤的限制（从1至100之间），然后就可以实现类似o1模型的思考过程。

实现原理 清楚，作者给Llama-3.1-Instruct开源模型增 额外的系统提示词，共包括八个阶段，要求模型仔细阅读问题，按照思考步骤数量设置计数器，并要求模型进行自我反思，完成全部解答阶段后进行重新组织，形成最终输出 。

客观来看，这个方法比较讨巧，直接借用成熟的提示框架对开源模型的输出结果进行限定，以生成类似的思考效果，却不涉及上述的自我对弈强化学习过程。这想必也不是开源复现版作者的本意。因为SambaNova作为AI推理加速服务商，更多是想展示它们在多步推理中的加 果，而非高级推理能力。

发现o1模型智商超群

如何更加直观体现o1模型的推理能力，有人想到了进行智商 。美国Tracking AI负责人Maxim Lott使用了门萨智商 （Mensa Norway）对12个主流模型进行了 ，定期更新 结果。

在最近的 结果中，o1模型在35道题中答对了25道，智商达到121，是所有模型中 一个智商超过平均值（100）的模型。其它模型的智商多数普遍在80至90左右。

但是必须看到，由于这12个被测模型中既包括o1这样的纯文本模型，也包括GPT-4o、Gemini Advanced、Claude-3 Opus等多模态模型，而35道智商 题中又有相当部分题目是复杂图形推理题，因此 者需要把题目和选项转成 的文本描述输入给纯文本模型，这个人工转换过程或多或少会让纯文本模型在 结果上获得一定优势。

就算排除掉这一点优势因素，o1模型在智商 中所体现出来的复杂推理能力依然处于明显的领先位置。

OpenAI对o1模型的阶段定位

OpenAI的CEO Sam Altman在最近的表态中，将o1模型比喻成过去GPT系列模型的GPT-2，这似乎侧面印证了o1模型虽然表现出了显著的能力提升，但同时也存在着明显的缺点。

回顾过去，在发展GPT系列模型时，也是一直演进到GPT-3.5的阶段，才推出了Ch GPT引发了巨大关注。

展望后续的发展路线，如今o1模型已经来到了OpenAI之前提出5层通用人工智能的第2层（推理者，Reasoner），并将继续向之后第3层至第5层的智能代理（Agent）、创新者（Innov or）和组织者（Organizer）持续攀登。