OpenAI发布带来哪些东西让各领域同学狂喜？

OpenAI

本已打算睡了，又起来写点东西。实际上，在今晚之前，OpenAI的颓势几乎肉眼可见。Sora无限期推迟发布，GPT4o的演示效果也未能很好重现，又有宫斗遗留问题和许多人才流失，Claude、Google、xAI等竞争对手已经从远远落后追赶得似乎近在咫尺。OpenAI凭借一颗芯片证明了它依然实力强劲。这就像在沉闷的夏末炸响一道惊雷，给本就唱衰大模型前景的人以警醒。各位从业者像是续了一命，还不赶紧去买英伟达股票？- 矫情到此为止的分割线 -说点正经的，这次发布究竟带来了什么？

推理时间的长短对解决复杂问题有飞跃性的提升作用。

到这儿，做CoT的同学乐坏了（有活儿干了，就说这方向有前景嘛。其他同学先别着急，OpenAI也提到过的end2end的CoT是怎么做的？

Google

于是做强化学习（RL）的同学欣喜若狂（都快哭了），他们总说PPO/DPO都比不上洗数据，咱RL也有今天啊！同时能够发现，o1的推理时间显著增加，有时会长达十几秒。而且o1的context比4o长了一倍，这也是能够理解的，毕竟引入了大量的反思过程。

同时，做推理加速的同学也超高兴（毕竟，谁也不想自己的模型好几分钟才给出答案吧）甚至，做agent的同学也极为兴奋，都说单步成功率是最大瓶颈，现在瓶颈没了，我的论文有着落了。实际上，Devin这个agent界新星在正式发布前就已被邀参加内测了。

做攻防的同学也特别高兴，既然你说应对jAIlbreak已经很熟练了，那就给看看你的大模型，你把cot藏哪儿了？Devin团队也提及，o1对prompt的敏感度提升了，并且对prompt质量有了更高的要求。于是，做提示工程师（prompt engineer）的同学也大喜，谁说模型越强大我们就越容易被淘汰？做Synthetic data（合成数据）的同学当然也很高兴啦：选择数理代码当作突破口，不就是因为这些领域的cot数据好合成嘛。工程的同学也极为兴奋，推理成本（inference cost）的规模变化，肯定会引发一次工程方面的适配与改造。投资的同学很兴奋，能再多烧些钱了，之前闲得只能传AI四小龙的八卦。只能讲OpenAI可真是大好人呐，让好多人有饭吃。比如，它的写作能力甚至还有所下降。例如，它数清strawberry里有几个r还得好几秒。

比如，比较9.11和9.8哪个大，它却要绕到重力方面去纠结（换个数字的话，不一定会涉及重力这部分内容）。但这个过程所反映出的问题是，它缺乏对问题复杂程度的准确评估，并且在回答时倾向于引入更多知识和步骤来解题，像数r的时候能列出十几个步骤。

例如，OpenAI依旧很封闭（我觉得这次透露的信息其实算多的了）。但这都不妨碍它开启新篇章的一角。也盼着国内的老伙计们能尽快跟上，别磨蹭，起来做事啦。太困了，先写一点，明早继续补充。