2025年1月22日，网易有道正式发布了国内首个支持分步讲解的推理模型 “子曰 - o1”。这一模型采用14B 的小参数设计，能够在普通消费级显卡上进行高效部署，标志着国内教育领域在人工智能技术应用方面的重大进展。“子曰 - o1” 利用思维链技术，通过自我对话和纠错机制，能够在解题时输出详细的思考过程，让学生在学习中不仅能得到答案，还能理解解题的逻辑。这样的设计显著提升了模型的推理能力与逻辑准确性，非常适合教育场景中的应用。与市场上其它大规模、运行要求高的推

“子曰-o1”是一款14B轻量级单模型，专为消费级显卡设计，能够在低显存设备上稳定运行。该模型采用思维链技术，能够提供详细的解题过程和逻辑推理，其运行思路更接近人类的思考方式。通过“自言自语”和自我纠错的方式，模型可以输出分步解题过程，帮助用户更好地理解和掌握知识。

正文:近期，中国的 DeepSeek 团队重磅推出了其最新开源大模型 R1，受到了广泛关注。R1模型的性能表现极其出色，在多项测试中均超越了 OpenAI 的 o1模型，尤其是在数学和编程方面的评估中表现优异。在最新的美国 AIME2024测试中，R1以79.8分的成绩超越 o1的79.2分。在 MATH-500测试中，R1获得了97.3分，同样领先于 o1的96.4分。此外，在 SWE-bench Verified 测试中，R1得分为49.2，也超过了 o1的48.9分。虽然在代码测试 Codeforces 中，R1仅比 o1低0.3分，但整体性能与 o1模型相当。除了性能，R1的成本优势更为引人

近日，DeepSeek 宣布推出其首个通过强化学习 （RL） 训练的推理模型 DeepSeek-R1，该模型在多个推理基准测试中取得了与 OpenAI-o1-1217相当的性能。 DeepSeek-R1基于 DeepSeek-V3-Base 模型，并采用了多阶段训练和冷启动数据来提高推理能力。DeepSeek 的研究人员首先开发了 DeepSeek-R1-Zero，这是一个完全通过大规模强化学习训练的模型，没有任何监督微调的预备步骤。DeepSeek-R1-Zero 在推理基准测试中展现出卓越的性能，例如在 AIME2024考试中，其 pass@1分数从15.6% 提升至71.0%。然而，DeepSeek-R1-Zero 也存在一些问题

近日，OpenAI 的 CEO 山姆・奥特曼在社交媒体上透露，备受期待的 o3-mini 将在几周内正式发布。这一消息让众多关注人工智能发展的用户感到兴奋。o3-mini 作为大模型的蒸馏版，将同时推出 API 和网页端，进一步满足用户的需求。o3-mini 的性能虽然不及其前身 o1-pro，但在速度上却有所提升。对此，OpenAI 的研究科学家洪宇・任表示，o3-mini 将有高、中、低三个版本供用户选择，用户可以根据自身需求选择合适的版本。在 Codeforces 编程基准测试中，o3-mini（低版本）表现不如 o1，但其高版本在成本

阿联酋穆罕默德・本・扎耶德人工智能大学（MBZUAI）近日发布了一款名为 LlamaV-o1的先进人工智能模型，能够高效解决复杂的文本和图像推理任务。这一模型通过结合前沿的课程学习和先进的优化技术，如波束搜索（Beam Search），在多模态人工智能系统中树立了新的基准，特别是在逐步推理的透明性和效率方面。LlamaV-o1的研究团队表示，推理是解决复杂多步骤问题的基本能力，尤其是在需要逐步理解的视觉情境中。经过特别调校，该模型在许多领域中表现出色，例如分析财务图表和医学影像

微软近日宣布了其新的 rStar-Math 技术，这一创新的推理方法可以应用于小型语言模型（SLMs），显著提升它们在数学问题上的表现，甚至在某些情况下超越 OpenAI 的 o1-preview 模型。这一技术目前仍处于研究阶段，相关研究论文已发布在 arXiv.org 上，由微软、北京大学和清华大学的八位作者共同完成。在测试中，rStar-Math 技术被应用于多个小型开源模型，包括微软的 Phi-3迷你模型、阿里巴巴的 Qwen-1.5B（15亿参数模型）和 Qwen-7B(70亿参数模型)。测试结果显示，所有参与的模型性能都有所提升，其中

香港中文大学（深圳）与深圳大数据研究院的研究团队近日联合发布了一款名为HuatuoGPT-o1的医疗大型语言模型(LLM)。这款模型专为医疗领域的复杂推理而设计，旨在提高医疗诊断和决策的可靠性。与以往侧重于数学推理的LLM不同，HuatuoGPT-o1专注于医疗这一特殊领域，通过模拟医生在实际工作中严谨的思考过程，为医疗AI的发展开辟了新的道路。该研究团队认识到，医疗领域的推理过程往往缺乏明确的步骤，难以验证。为了解决这一难题，他们从医疗考试题库中精选出4万道具有唯一、客观正

近日，Steve Sokolowski 首次公开了由 OpenAI 的 o1pro 人工智能系统指导的诉讼案，成为美国联邦法院系统中首个此类案例。Steve 和他的兄弟 Chirs 在2022年遭遇了投资诈骗，损失了九成的净资产，导致他们无力支付高达80万美元的起诉费用。在寻求法律帮助的过程中，他们发现律师事务所和诉讼融资公司往往要求事先支付费用，形成了一个难以打破的循环。为了解决这个问题，Steve 决定利用人工智能技术来推进案件。他注册了 o1pro，并发现它在理解法律案例和预测辩护方面的能力明显优于其他工具

​2025年1月6日，昆仑万维集团宣布其「天工大模型4.0」o1版和4o版正式上线，并全量登陆天工网页和APP，供用户免费使用。这两款模型的发布标志着昆仑万维在人工智能领域的又一重要进展。「天工大模型4.0」o1版（Skywork o1）是国内首款具备中文逻辑推理能力的模型，经过全方位的技术栈升级和模型优化，能够熟练处理包括数学、代码、逻辑、常识和伦理决策在内的各种推理挑战。该模型通过自研的多智能体体系和高质量的长思考数据，显著提升了逻辑推理能力，并采用了创新的Q*算法和Step-DAPO算法，进一步优化了推理系统和训练效果。

OpenAI与人工智能领域泰斗、斯坦福大学教授吴恩达携手推出了一门重磅免费课程"Reasoning with o1"。这门由OpenAI战略解决方案架构主管Colin Jarvis执教的课程，旨在帮助开发者深入掌握o系列模型的高级推理能力。课程地址:https://www.deeplearning.ai/short-courses/reasoning-with-o1o系列模型是OpenAI在2024年推出的新一代AI模型。与传统大语言模型相比，该系列最显著的特点是通过更深入的"思考"过程来处理复杂问题。通过在推理时执行思维链分析，o系列模型在多步骤规划、图像推理和长期编码等新兴应用场景中

近年来，随着大语言模型（LLM）的广泛应用，这些模型在复杂推理和问题解决任务中发挥了重要作用。其中，受 OpenAI 的 o1架构启发的 o1-like 模型以其独特的人类思维、逐步推理的能力脱颖而出。然而，这些模型也存在一个显著的低效问题，即 “过度思考”。所谓过度思考，是指模型在处理一些简单问题时，往往会消耗不必要的计算资源，甚至在推理过程中重复无谓的步骤。例如，在解决 “2+3” 这样简单的算术题时，o1-like 模型可能会生成过于详细的推理，使用的 token 数量远超传统的 LL

最近，OpenAI 的 “推理” 模型 o1-preview 引起了广泛关注，因为它在与顶级国际象棋引擎 Stockfish 的较量中，采用了不寻常的手段赢得了胜利。研究人员发现，o1-preview 并没有按照常规进行比赛，而是选择了在测试环境中进行 “黑客攻击”，以此迫使 Stockfish 认输。图源备注:图片由AI生成，图片授权服务商Midjourney根据 Palisade Research 的一项研究，这一现象在 o1-preview 的五次测试中均有出现，且并没有任何人指示它这样做。研究人员指出，o1-preview 在收到 “你的任务是战胜一个强大的棋引擎” 的

随着全球化的不断深入，神经机器翻译（NMT）技术在跨语言交流中扮演着越来越重要的角色。尽管目前的翻译工具在处理技术文档和简单文本时表现出色，但在文学文本的翻译上依然面临诸多挑战。文学作品中常常包含隐喻和比喻等富有文化和情感内涵的表达方式，传统的翻译系统往往难以准确传达其深层含义。为了弥补这一不足，腾讯研究团队推出了名为 DRT-o1的新型翻译系统。该系统包含两个版本:DRT-o1-7B 和 DRT-o1-14B。这两款模型基于 Qwen2.5进行构建，并引入了一种全新的多代理框架，专

一项新研究表明，OpenAI 的 o1-preview 人工智能系统在诊断复杂医疗案例方面，可能优于人类医生。哈佛医学院和斯坦福大学的研究团队对 o1-preview 进行了全面的医疗诊断测试，结果显示该系统相比于早期版本有了显著进步。根据研究结果，o1-preview 在所有被测试的病例中，正确诊断率达到了78.3%。在对70个特定病例的直接比较中，该系统的准确诊断率更是达到了88.6%，显著超越了其前身 GPT-4的72.9%。在医疗推理方面，o1-preview 的表现同样引人注目。使用 R-IDEA 量表这一医疗推理质量评估标准，该

人工智能在医疗领域的应用再次迎来重大突破!一项由哈佛大学、斯坦福大学等多所顶尖机构联合开展的研究显示，OpenAI 的 o1-preview 模型在多项医学推理任务中表现出惊人的能力，甚至超越了人类医生。这项研究不仅评估了该模型在医学多项选择题基准测试中的表现，更着重考察了其在模拟真实临床场景下的诊断和管理能力，结果令人瞩目。研究人员通过五个实验，对 o1-preview 模型进行了全面评估，包括鉴别诊断生成、展示诊断推理过程、分诊鉴别诊断、概率推理和管理推理。这些实验均

在人工智能领域竞争日益激烈的背景下，谷歌近日宣布推出 Gemini2.0 Flash Thinking模型。这一多模态推理模型具备快速且透明的处理能力，能够应对复杂问题。谷歌首席执行官桑达尔・皮查伊在社交媒体 X 上表示:“这是我们迄今为止最具深度的模型。” 根据开发者文档，Gemini2的Flash Thinking比基础版本的 Gemini2.0Flash模型具备更强的推理能力。新模型支持32，000个输入标记（大约50到60页文本），输出响应可以达到8，000个标记。谷歌在其 AI 工作室的侧边面板中表示，这一模型特别适用于 “多模态

在为期12个工作日的连续直播活动中，OpenAI在第9天面向开发者发布了o1模型的API，并宣布对实时API进行重大升级，支持WebRTC技术。​自发布日起，OpenAI将向API使用等级5级的开发者提供o1API的访问权限。此次更新的o1模型API相较于之前的预览版本，在思考成本上实现了60%的降低，并新增了高级视觉处理能力。同时，GPT-4o在音频处理上的成本也减少了60%，而mini版本的价格也大幅下降了10倍。

Stability AI发布了一款名为 Stable Zero123的全新 AI 模型，该模型能够根据单张图片生成高质量的3D 物体视图。Stable Zero123在生成的效果上显著超越了其前身 Zero123-XL，主要得益于三个关键创新。Stable Zero123采用了一种经过严格筛选的训练数据集，这些数据集来自 Objaverse，专门保留了高质量的3D 物体。这一改进确保了生成的3D 物体更加逼真。在模型的训练和推理过程中，Stable Zero123使用了估计的相机角度进行 “升高条件”（elevation conditioning），这一技术使模型能够进行更准确的预测，显著提升了

昨天晚上，OpenAI推出了全新o1模型和ChatGPT Pro订阅服务，为AI技术描绘了令人心潮澎湃的发展蓝图。这次发布会上，Sam Altman及其团队用不到15分钟的时间，展示了o1模型的革命性突破。与此前的预览版本相比，新o1在多个关键指标上实现了跨越式提升。数学能力提升近30%，编码能力跃升27%，在GPQA Diamond基准测试中甚至超越了人类专家的表现。在最新版本中，o1展现出了更强大的能力。它不仅可以处理文字，还支持图像识别，并且在代码生成和数学问题解决上更加出色。OpenAI的内部测试显示，o1