12月初，OpenAI 开启了为期十二天的直播活动。而在直播的首日，OpenAI带来了推理大模型o1的完整版！据了解，o1 完整版在数学和代码能力上都有了显著提升，推理速度比之前的preview版本快了60%，并且支持多模态！
在高难度数学题（AIME 2024）、编程能力(CodeForces)、科学问题(GPQA Diamond)等基准测试中，o1 完整版都拿到了最高分。更值得一提的是，在GPQA Diamond基准测试上，o1 完整版的表现甚至超越了人类专家！
> 在302.AI上使用
按照惯例，302.AI第一时间更新了OpenAI o1完整版模型，而且302.AI提供了按需付费的使用方式，没有捆绑套餐、没有月费。下面是具体的获取方式：
进入302.AI——左侧菜单栏点击【使用机器人】——【聊天机器人】——模型选择【o1-plus】——点击【确定】——最后【创建聊天机器人】；
> 实测对比
每次模型一出来，总是被夸得天花乱坠，但真实效果到底是怎么样？还得实测过才知道。下面我们就通过不同方面实测对比，看看OpenAI o1完整版是不是真的是满血版的o1。
实测一：多模态推理
对比模型：o1 完整版和GPT-4o 多模态版
使用工具：302.AI的聊天机器人
提示词：从所给的四个选项中，选择最恰当的一个填入问号处，使之呈现一定的规律性。
分析：这是我国公务考试中的固定图片推理题，同时也可以说是每一个考公人的噩梦，先说一下正确答案为选项C。
原因：图形元素组成不同，优先考虑属性规律。九宫格优先按横行来看，第 一行中，三幅图依次为仅轴对称图形、仅中心对称图形、仅轴对称图形；代入第二行验 证，第二行与第一行规律相同。因此，第三行也应该满足此规律，问号处应该填入一个 仅轴对称的图形。A 项为仅中心对称图形，B 项为既轴对称又中心对称图形，D 项为不对称图形，只有C项为仅轴对称图形，所以当选。
GPT-4o多模态：接下来看看GPT-4o的答案，从答案分析中可以看出，模型已经很努力在“瞎掰”了，但很可惜，答案是错误的！即使经过提醒答案不对，GPT-4o还是没能给出正确答案。
o1 完整版：o1 完整版一顿分析，给出了错误的答案。不过在经过第二次提醒后，最终纠正了回答，给出了正确答案。
实测二：数学能力测试
对比模型：o1完整版、o1 preview、claude-3.5-sonnet-20241022
使用工具：302.AI的模型竞技场
提示词：
已知在三角形ABC中，A+B=3C，2sin(A-C)=sinB
(1)求sinA；
(2)设AB=5，求AB边上的高。
分析：这是2023年的河北高考题，共有2个小问，先来看下正确答案解析：
o1 完整版：来看下o1 完整版的答案，可以看到答案也是很长，但只答对了第一小问，第二小问回答错误，在经过提醒后，仍未能回答正确。
claude-3.5-sonnet：再来看看claude-3.5-sonnet的答案，两个小问的答案均回答错误，经过再次提醒答案不正确后，依然无法纠正答案！
o1 preview：o1 preview居然两个小问都回答正确！
实测三：编程检验
对比模型：o1完整版、o1 preview、claude-3.5-sonnet-20241022
使用工具：302.AI的聊天机器人、编程学习平台
提示词：
分析：这属于专家级难度的编程题目，看下三个模型是否能够通过检验：
o1 完整版：o1完整版输出的代码没有检验通过！
将错误返回给模型重新纠正后，依然只正确了一半！
claude-3.5-sonnet：claude输出的代码出现了语法错误，检验失败！
将错误返回给模型自行纠正，最后仅对了一半！
o1 preview：没想到o1 preview再次获胜，代码检验通过！
> 总结
经过一系列的对比，可以初步得出以下结论：
多模态推理：在多模态推理方面，o1 完整版与GPT-4o都未能给出正确答案，虽然o1 完整版在经过提醒后能够给出正确答案，但在面对此类多模态逻辑推理题目中，模型的局限性还是比较明显。
数学能力测试：在数学能力测试中，o1 preview意外地表现出色，超越了o1 完整版。
编程检验：在编程能力方面，o1 完整版即使经过二次提醒输出的代码还是未能完全通过检验。
今天的实测内容更多地侧重于用户的实际需求，从公务员考试中的图形逻辑题到高考数学题，再到编程题目，都更贴近用户的日常生活。然而，从实测结果来看，o1 完整版在实际应用方面，其能力仍有待进一步的优化和完善。
此外，听说o1 完整版后续还会添加对网页浏览和文件上传等工具的支持，我们可以期待看看！
