o1 讲解

当时解决了什么问题

2022 年以来，复杂题靠 CoT、Self-Consistency、ReAct 把「想」写在明文里。宿主能看见 Thought，也能被 Thought 带沟里。o1 用强化学习在测试时花更多计算，把长思考藏进模型内部。数学与竞赛编程的跳变说明：同样的决策核心，想得久可以换正确率，而不只靠换提示词模板。延迟和费用是这笔账；限额是发布时就写明的约束。

对 Agent 搭建者，这意味着规划、自我检查不必每一步都在轨迹里写一篇小作文。代价是：每一步更贵、更慢、更难调试——用户看不到完整思路。内部思维链用于训练与对齐，不是写给宿主解析的 Thought 字段。

对后续 LLM 与 Agent 的影响

2025 年的 o3、Claude 3.7「混合推理」、各家思考模型，都沿着「测试时计算」走。编码 Agent 开始把「难步」路由到推理核心，简单步走快模型。SWE-bench Verified 上 o1-preview 后来被报到约 41%，12 月 o1 约 49%——仍是模型分，脚手架另计。

按 AI Agent 定义，o1 本身不是 Agent。它没有规定对环境行动。它是循环里一颗会花时间想的决策核心。把内部 CoT 当成已经实现 ReAct，会漏掉执行层：停机、工具、沙箱仍在宿主。换决策核心，不换品类。