OpenAI的o1刚刚亮相，就被诟病起能力不行！
有人说它「不够好」，有人说是「没用好」，到底谁说得对？
实力到底如何？
数据显示，在竞赛数学、竞赛代码和博士级科学问题上，o1都展现出了惊人的能力。特别是在pro模式下，其表现更是令人瞩目。
@Patrick’s AIBuzzNews直言：
「o1的智能水平已经超过99%的人类」。
这个评价虽然风格大胆如Sam Altman，但从测试数据来看，确实令人印象深刻。
@JE_Colors 给出了实测具体数据：
「o1在处理相同任务时，速度比之前快了4倍（19秒 vs 76秒）」。
争议从何而来？
但为什么还是有这么多人不满意呢？
原因似乎有很多：
技术认知的偏差：
-
很多人对o1的技术本质存在误解。@Adam Goldstein就纠正了一个重要概念：
o1使用的是测试时计算（Test-Time Compute），而不是测试时训练（Test-Time Training）
-
@arunabh补充说：
这其实是在语言领域的搜索，而不是测试时训练
这些技术细节的误解，往往会导致人们对o1的能力边界产生错误预期。
使用方式的问题：
-
@JE_Colors 指出：
很多人还在用对待GPT-4的方式来使用o1
-
@IA Latinoamérica更是直言不讳：
『不够好』其实等于『不知道如何使用这个工具』
期望过高：
-
@Jo认为：
这可能是因为OpenAI此前对Q/Strawberry的过度炒作*
-
@gerver Alvarez指出：
当Claude 3.5 Sonnet能达到相似效果时，人们就会质疑o1的优势
专业人士怎么看？
@Sithamet作为一线开发者指出了o1的具体问题：
在处理人类语言和代码混合的场景时，确实比GPT-4更容易混淆。
但他也强调：「批评能帮助实验室进步，因为他们无法在实验室环境中测试所有场景」。
@BeijingChef则从使用门槛的角度提出：
目前能真正测试o1能力的，可能只有拥有精英工作经历的博士或顶尖硕士。对普通用户来说，甚至都无法提出足够专业的问题来挑战它。
社区反思
@Sola对当前社区的风气提出了尖锐批评：
AI社区已经变成了一个只关注性能指标的有毒粉丝圈，像个黑洞一样只进不出，却很少有人真正专注于用现有工具创造有意义的产品和创新。
@Nifty则呼吁：「与其批评它的局限性，不如想办法更有效地利用它」。
未来可期
值得注意的是，@kimmonismus说到，o1还只是第一个版本，而且是在2023年10月才被发现的技术。
未来的o2、o3必然会带来更多惊喜。
@NeuralNet试图指出技术进步的本质：「进步是以迭代来衡量的，而不是期望。每一次循环都在完善系统，未来总会超越现在。这就是无限展开的方式」。
@Pollux更是预测：「明年的AI代理（agents）会让人们真正认识到这些模型有多智能」。
面对全新的AI模型，也许我们更应该做的是：如何更好地使用它，而不是抱怨它还不够完美。
好了，不说了，我要去充钱买o1 pro 了！
（文：AGI Hunt）