OpenAI o1（材料）

本页转述 2024-09-12 发布当时公开说了什么，不把 12 月的正式 o1、2025 的 o3 回填进当天数字。

主要出处：OpenAI，2024-09-12，Introducing OpenAI o1-preview；Learning to reason with LLMs。本页不复制公告全文。

产品主张

新系列模型被设计成先多想再答。科学、编码、数学上比先前模型更能处理难题。当天放出系列的第一只预览：o1-preview，以及更小的 o1-mini。ChatGPT Plus 与 Team 可在模型选择器里手动选用；预览周限额最初约 30 条（o1-preview）与 50 条（o1-mini），数日后上调。可信 API 用户同期可调用。用户看不到完整内部思维链，产品展示的是摘要后的「思考」。

评测（文中报告）

研究博文用完整 o1（当时尚未全部产品化）对照 GPT-4o，并给出 o1-preview 的中间数字。强调的方向：

• AIME 2024： GPT-4o 约 13%，推理模型（完整 o1、高测试时计算）约 83%（cons@64）。
• Codeforces： 完整 o1 约第 89 百分位；o1-preview 低于完整 o1、仍明显高于 4o。
• GPQA Diamond： 完整 o1 超过人类博士准确率的叙事写在博文里（物理/化学/生物题）。

安全：在其最难的越狱测试上，o1-preview 分数远高于 GPT-4o（博文给出 84 vs 22，0–100 分）。思维链用于训练与对齐，不作为完整原文交给用户。

当时不是什么

这是新的模型系列与 ChatGPT 里的一个选项。内部思考不是 ReAct 那样写给宿主解析的 Thought 字段。没有新的工具协议，也没有宣称已经是自主 Agent。高延迟、高单价、限额，是发布时就写明的约束。