探索 OpenAI o1 模型

2025 年 2 月，传说中的 o1 终于体验到了。

说实话，之前看宣传说是能”思考”的模型，我还以为是营销噱头。毕竟 GPT-4 已经很强了，还能强到哪去？结果被打脸了。

o1 到底是什么

o1 是 OpenAI 的新模型系列，主打推理能力。和之前的 GPT 系列完全是两条路线。

简单说：

• GPT-4：快思考模式，像直觉反应，给你一个快速的回答
• o1：慢思考模式，像深度思考，会自己推理很久

官方说法是 o1 在回答问题前会”内省”很久，把问题拆解成一步步推理。这点上确实和人类解决问题的方式有点像——遇到难题时会想一会儿，而不是立刻给出答案。

花了几天深度体验

这周有空，我专门拿 o1 做了不少测试。有惊喜也有坑，总结一下分享给大家。

数学问题测试

先拿经典的算法题试试水：

一个数组，除了一个元素外其他都出现了两次，找出那个唯一出现一次的元素
比如：[1, 2, 3, 1, 2]

我寻思这题也不难，但想看看 o1 会怎么思考。结果它给我来了一套异或运算的思路：

• 相同数字异或为 0
• 0 与任何数异或等于该数
• 所有数字异或一遍，出现两次的都消掉了，剩下就是答案

然后给出了代码实现。关键是从思考到写代码，一气呵成，完全不需要我提示”用异或”。

接着我又试了一道更有难度的：

证明：如果 n 是完全数，那么 2^(n-1) * (2^n - 1) 是完全数

这题丢给 GPT-4，十有八九会开始胡扯。但 o1 真的在”思考”——不是立刻回答，而是先分析已知条件，再一步步推导。给出的证明逻辑是完整的，甚至知道引用欧几里得的完全数公式。

实测结论：数学推理能力确实强，尤其是需要多步推导的题目。

编程问题测试

算法题是 o1 的强项。我让它实现几种排序算法，结果都正确，而且会主动分析时间复杂度。

但我注意到一个问题：它写代码的速度比 GPT-4 慢很多。因为它会先”想”一会儿，有时候等半天。

1
2
3
4
5
6
7
8
9

# 快速排序示例
def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)

不过这里有个坑：o1 目前不支持 system prompt！这意味着你没法像调教 GPT-4 那样，给它设定一个角色或风格。它就是它，有自己的脾性。

逻辑推理测试

再试试经典的逻辑题：

三位老师：张老师、李老师、王老师
分别教语文、数学、英语
已知：

• 张老师教语文
• 李老师教数学
• 王老师教英语
• 张老师和李老师是邻居
  问：谁教数学？

这道题太简单了，答案一目了然。但我加了难度：

五位科学家来自不同国家，喜欢不同饮料，从事不同研究

• 英国人住红房子
  …（省略中间条件）
  谁养鱼？

这种类型的题目，GPT-4 有时候会推理到一半出错，或者漏掉某个条件。o1 的表现更稳健，会把所有条件都列出来，然后逐一验证。

尝试学术论文阅读

本着”来都来了”的心态，我丢了一篇 AI 领域的论文给 o1 summarization 让它读。意想不到的是，它不仅能总结核心观点，还能指出论文中某些推导的潜在问题。

当然，这里有私心：我想看看它能不能帮我理解一些难懂的公式。结果它真的把公式拆解了一遍，虽然不是 100% 准确，但至少给了我一个理解的切入口。

和其他模型对比

光说 o1 多强可能没什么概念，我拿它和现在主流的几个模型做了对比：

个人感受：

• 数学和逻辑类问题：o1 > GPT-4 ≈ Claude
• 日常问答和聊天：GPT-4 > Claude > o1
• 写文章做内容：Claude 最强，GPT-4 次之，o1 有点无聊

o1 写出来的东西就是太”理性”了，缺乏灵魂。你让它写篇小说，它给你写得像说明书。

o1 的推理过程（时序图）

官方说 o1 会”思考”，那它到底是怎么思考的？结合我的测试经验和官方资料，我画了个简单的流程图：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

sequenceDiagram
    participant User as 用户
    participant O1 as o1 模型
    participant Think as 内部推理链

    User->>O1: 输入问题
    O1->>O1: 问题解析 & 拆解
    O1->>Think: 生成推理步骤
    Think->>Think: Step 1: 理解问题
    Think->>Think: Step 2: 提取关键信息
    Think->>Think: Step 3: 制定解决策略
    Think->>Think: Step 4: 分步执行验证
    Think->>Think: Step 5: 结果校验
    Think-->>O1: 推理完成
    O1-->>User: 输出最终答案

    Note over O1,Think: 思考时间: 几秒到几十秒不等
    Note over Think: 推理步骤数量与问题复杂度正相关

简单说就是：理解问题 → 拆解问题 → 逐步推理 → 验证结果 → 输出答案。这个过程对人类来说很自然，但之前的 LLM 做不到。

适用场景分析

✅ 适合用 o1 的场景

1. 数学证明和计算：需要多步推导的数学题，o1 表现优异
2. 算法和编程：尤其是需要思考的算法题，不是简单的 CRUD
3. 逻辑推理：复杂的逻辑分析、侦探类问题
4. 学术研究：读论文、推导公式、验证假设
5. 复杂问题分析：需要拆解成多个子问题的情况

❌ 不适合用 o1 的场景

1. 创意写作：写小说、写诗，o1 写出来的太机械
2. 简单问答：问天气、问时间，用 o1 就是浪费
3. 需要快速响应：等它思考半天，黄花菜都凉了
4. 闲聊对话：没有灵魂的对话伙伴
5. 格式化输出：写报告、写邮件，GPT-4 和 Claude 更灵活

缺点说说

1. 贵

o1 的价格是 GPT-4 的 3 倍左右。具体记不清了，但确实肉疼。每次用它解决问题，都感觉在烧钱。

2. 慢

思考时间从几秒到几十秒不等。急性子的人可能会疯。我有时候等不及，就切回 GPT-4 了。

3. 不支持系统提示词

这点很烦。你没法让它扮演一个角色，也没法设定输出风格。它就是它。

4. 输出有时过于冗长

可能是因为推理过程复杂，o1 有时候会给出非常详细的回答。简单问题复杂化，让人哭笑不得。

5. 无法记忆对话

每次对话都是独立的，不会有上下文的连续性。这点不如 GPT-4。

到底要不要用 o1

我的结论是：不是替代，是互补。

o1 和 GPT-4 是两个维度的模型。GPT-4 像是博学多才的顾问，什么都能聊，什么都能写。o1 像是专注解题的理工男，数学和逻辑超强，但其他方面差点意思。

我的使用策略：

• 日常问题、聊天、写作 → GPT-4 或 Claude
• 数学题、算法题、逻辑推理 → o1
• 复杂问题需要思考的 → 先问 o1，再问 GPT-4 润色

写在最后

o1 确实让我惊艳了一把。它证明了 LLM 不只是”拟合训练数据”，而是真正具备推理能力。当然，目前还有很多限制，但至少让我看到了 AI 的另一种可能性。

至于未来会怎样，谁知道呢？也许 o2、o3 会更强？但那是后话了。

TL;DR：o1 = 贵，但强。适合深度思考问题，普通问题还是用 GPT-4 吧。

本文系 AI 辅助创作，内容为个人实测体验，仅供参考。