亚洲色图 美腿丝袜 实测OpenAI最强模子o1：会作念大学数理化 但弱智吧依然浩荡

亚洲色图 美腿丝袜

发布之后，各路大神和网友都纷纷用各式问题测试OpenAI o1的阐述：

还有东谈主进行了技俩锻真金不怕火，后果被o1宏大的推理才调秀到了。

Q：你的修起中有几个字？

A1：这句话有七个字

A2：一共五个字

量子位也进行了一番实测，底下就一皆来了解。

推理才调猛进化，但照旧难敌弱智吧

该说不说，o1天然在推理才调上获取了很大超越，但濒临充满神思的弱智吧问题，照旧掉进了东谈主类挖的罗网。

天然了，对于肃肃问题，o1的阐述照旧很强的，率先望望逻辑推理才调。

想考这谈题时，preview和mini辩认用时21秒和14秒，不外从文本上看mini想考得反而更多。

其中还出现了一些西里尔字母乱入，不外对举座影响不大。

最终，二者也都给出了正确的谜底——丙。

值得谛视的是，mini（右）的解答当中还出现了修正的进程。

接下来看下o1在大学数理化题目上的阐述。

率先是这谈考研数学真题，触及的学问点黑白面积分、高斯定理等内容：

照旧辩认看下preview和mini的想考，不错看到mini的想考进程大致是preview的节略版，天然速率也快了不少。

不外preview给的想考进程当中再次出现乱入，此次是泰语。

本色解答进程亦然preview比mini愈加详备，不外不知谈为什么preview用了英文回答。

临了的计较后果化简神色也有所不同，但数值上是至极的，而且也作念对了。

对比4o这边，先偷懒后舞弊（调用了代码解释器），后果临了谜底照旧错的。

第二谈数学题对于概率。

这谈题preview依然是用英语进行了作答，设施比mini愈加详备，天然都是对的。

而4o的谜底前边的进程倒是基本都对，然则临了一步的求解出现了问题，只给出了1这一个解，况兼不是本题谜底。

物理方面，这里采选了一谈大学物理中的光学题：

preview（左）和mini都给出了正确解答，内容也基本一致。

化学的题目是一谈弃世题，主要触及电化学等内容。

这里把AgCl/Ag的标准电极电势手脚已知条目一同输入给模子。

Preview（左）和mini大约的解题想路照旧差未几，在计较设施上有指对运算先后的离别，天然临了的后果照旧对的。

临了一项测试就不再作念教练题了，而是望望模子编写代码的才调若何。

这里采选的题目难度相称高，真东谈主的通过率唯一14%。

以下是preview（左）和mini的解题想路：

从代码上看，两者中枢逻辑一样，但在具体操作上略有区别。

两套代码均通过了测试，内存浮滥也比拟接近，而mini给出的代码启动本领更短（38毫秒）。

o1的编程才调除了用来解题，也不错快速构建出实用的应用门径。

著名AI配音用具ElevenLabs盘算部门崇敬东谈主Ammaar Reshi，就诈欺o1搭配Cursor Composer，用了不到10分钟的本领制作了一款iOS天气应用。

极少比拟照旧不会？

测试发现，对于大模子难以答对的名场合——极少比大小，preview（左）和mini都答分歧。

致使preview在想考进程中明明还是提到过9.8比9.11大。

但同期preview在想考进程中暗示，9.8和9.11有可能指的是日历，是以作念分歧也许另一原因。

针对这个问题，大神谢赛宁也晒出了他的测试后果，发现o1在想考进程中将9.8当成了重力常数，而9.11是一个“兴味不解的数字”。

是以o1可能不是不会，而是把这个问题想复杂了。

为了进一步沟通，咱们把问题改得具体些，强调一下9.8和9.11都是数字，这下莫得了歧义之后就能一次作念对了。

不错看出，领导词的影响照旧不小的。

由于o1在里面领受了一些类想维链进程，因此prompt的盘算和浮浅版块也有所区别，OpenAI官方发布了一则领导：

领导词应简便且获胜

幸免在领导词中使用想维链

使用分隔符让promot更明晰

鸿沟RAG内容的长度

回到咱们的测试，濒临其他几个大模子溃逃名场合，o1也有不小的超越。

比如在数字母的任务上就有所进化，即使是一串乱打的字母也能数对。

还有濒临经典的“回转漫骂”（即知谈A是B却不知谈B是A）问题，也终于一次性答对了Mary Lee Pfeiffer（汤姆·克鲁斯的母亲）的女儿是谁。

One More Thing

对于此次发布的o1，除了各个方面的收货除外，还有一些其他的发现。

比如前特斯拉自动驾驶崇敬东谈主、两度参加OpenAI又两度下野的大神Andrej Karpathy发现，o1-mini在被要求阐发黎曼揣测的时候出现了拒却回答的情况，暗示大模子“犯懒”依然是一个大问题。

还有网友说以为mini的阐述比preview好，想问下有莫得东谈主知谈原因或者有啥宗旨。

这条音问也把奥特曼眩惑了过来，修起了一句“Yes I have one”。

把柄OpenAI里面职工Kevin Lu发布的一则推文来看，mini的性价比照实比preview更高。

把柄这张图败露，preview版块论性能比不上尚未公布的满血o1，论经济性又比不上mini。

趁便提一句，preview版块存在音问数目休止，况兼数目是按周进行重置的，几轮测试下来还是将近用尽了。

参考开采：

[1]https://x.com/rowancheung/status/1834300353619075494

[2]https://x.com/karpathy/status/1834374965942255835

[3]https://x.com/sama/status/1834381401380294685

忘忧草社区在线播放

[4]https://x.com/_kevinlu/status/1834278160038592633亚洲色图 美腿丝袜