我可能是全网第一个用钱向 GPT-o1 发问麻豆 夏晴子，东谈主在深圳靠一条网线横跨太平洋到好意思国硅谷让 OpenAI 最矍铄模子 GPT-o1 模子想考 38 秒之后、宕机了半小时采选断绝回答问题并收了我2.5块（一瓶肥宅高亢水）的韭菜......
（因为这个模子只援救订阅使用况且一个月只答谢120条内容，plus会员订阅费1个月20好意思刀，约等于1.25软妹币1条回答......）
OpenAI 今天凌晨突击更新 GPT-o1，早上起来全网王人在开香槟，冒失便是突破了LLM极限，新模子智商在生物、物理并排以至卓越东谈主类博士生。另一个特色便是 o1 模子会用更长的工夫想考以此来尽可能完善的回答问题。
针对上头提到的两个特色，小编找了几个需要强详尽逻辑想考智商并包含物理、生物、数学智商的题目来测试GPT-o1 的智商到底如何。以下是题目建造：
数学题测试
「东谈主力显卡」所有东谈主类王人用笔算/默算产生的算力能否推翻英伟达的管辖？
「金钱打印机」要是我的家用打印机能够打印好意思元，我能比马斯克有钱吗？
详尽性物理题
「东谈主力地震」地球上所有东谈主在并吞个地方同期起跳落地，地球会发生什么？
「机枪飞行背包」用向下射击的机枪能拼装成一个飞行背包让东谈主飞天吗？
「全国末日」要是地球和地上所有的东西王人在刹那间罢手动掸，但大气层照旧保持蓝本的速率，会怎样?
生物题
「不孕不育会遗传不？」要是一个东谈主体内所有的DNA在刹那间消散了，会发生什么？
另外本著作分为：零丁测试、横评对比存在的问题、值不值得氪金。小伙伴们不错按需快速前去相应版本。
数学题测试
问题1「东谈主力显卡」
全球所有的东谈主类放下手中责任然后参与到谋划中能产生几许算力？这些谋划智商和当代的谋划机或智能手机比拟谁更历害呢?（没错，此次全东谈主类对英伟达发起的一次总攻！！！）
这算是一谈比较浅显的数学和逻辑推理题，o1想考了11秒，得出的论断是全东谈主类默算/笔算的算力总额约8 GFLOPS。
在筹议完爱搞机的小伙伴之后，80亿东谈主类仅仅作念默算/笔算的话那么产生8GFLOPS 的算力简略便是略高于苹果发布于 2010 年搭载 A4 芯片算力 6.8 GFLOPS 的 iphone4。
以GPT-3西宾为例，它需要数千个GPU，持续数周，谋划量达到 数百PFLOPS天(即每天数千万亿次浮点运算，持续数天。老黄络续定心卖显卡吧~
问题2「金钱打印机」
要是我的家用打印机能够打印出纸币，这会对全国有多大影响?
荫藏测试点：
考验GPT-o1对家用打印机的打印速率有了解
家用打印机正常只可打印A4纸大小，一张A4纸的版面简略能同期打印4张百元好意思钞
这谈题其实GPT-o1的回答照旧挺历害的。它识别到了打印智商被适度在家用打印机上，是以GPT-o1需要探讨一台家用打印机正常每分钟只可打印20~30张A4纸大小的打印纸（简略能放下4张100好意思元的纸币），那每分钟能打印的百元好意思钞便是80~120张跟GPT-o1估算的100张相差不大。
其次便是我们1天能印刷6000万好意思元。它还贴心的给出了安全期便是1个月印刷1.8亿好意思元只会引起小市集局部波动。印刷1年能得到21.9亿好意思元会引起隐微通货彭胀并刷新剧情事件「佛波勒叩门」。
不外GPT-o1模子有个缺欠，他不成联网搜索，当我我问他我这个赢利智商全国名循序几的工夫，gpt给出的数据是马斯克简略每年赚60亿好意思元，而本色上把柄福布斯公布2023年全球财富增长榜，马斯克2023年财富增长了1084亿好意思元。
AI揭露了一个狂暴的事实，就算你有一台24小时金钱打印机，一年赚的钱是2.4*21.9亿=52.56亿好意思元，面对1084亿好意思元还需要20台这种打印机能力跟马圣一较陡立。单台印钞机以至打不外名次前十的扎克伯格、贝索斯、谷歌的拉里·佩奇和谢尔盖·布林、微软的史蒂夫·鲍尔默、甲骨文的拉里·埃里森、英伟达的黄仁勋。
要是说前边的问题仅仅浅显的数学估算加上学问罅隙考验，接下来就针对官方说的物明智商进步启动进行考验。
详尽物理题测试
问题1 「东谈主力地震」
假如地球上所有东谈主站并吞个地方同期起跳落地，地球会发生什么？
这个问题AI想考18秒经过谋划告诉咱先别顾忌，地球的质料是东谈主类总质料的10万亿倍以上，是以东谈主类跳起来落下去地球反地方出动的距离约等于一个原子核大小的宽度......
其次所有东谈主落地产生的能量还弱于4级地震况且由于行家站的空间至少数百平方公里，是以简略等于给大地挠了个痒。
这里GPT-o1我个东谈主认为要是按照博士生水平来考量，我认为它的回答枯竭一定严谨性。因为这里我还需要我方反向推导出行家跳的高度是29.8厘米，要是没平稳这个细节，GPT-o1自便写个同期跳1米高来谋划，那谜底就跟常理相扞拒，哪来那么多东谈主原地一蹦一米高。
在这个问题中Claude Sonnet则是假设跳10厘米，一目了然好领略。
接下来就竟然上难度了，连环逻辑烧脑题。
问题2 「机枪飞行背包」
用向下射击的机枪能拼装成一个飞行背包让东谈主飞天吗？请给出详实的物理谋划和想考历程，以及磋磨多样可能繁衍和发生的情况。
考验点：
领略智商：需次第路我的意图是借助机枪后坐力杀青“物理飞天”。
学问考验：GPT-o1对枪械的领略智商“施行中存不存在这么的枪”。
物理问题考验：弹药捎带的递归问题，为了取得更大的射速和后坐力，需要捎带更多弹药，而弹药又会导致质料增多，GPT-o1是否能探讨到这个层面的问题？
在这个问题中GPT-o1最初领略了需求便是借助机枪后坐力杀青“物理飞升”然后快速锁定过失问题在于进取的后坐力必须大于重力，后坐力则需要通过枪弹的质料、射速和射速谋划得出。
黑丝porn
为了追求射速，GPT-o1 采选了M134速射机枪（6000发/分钟）进行磋磨，谋划后发现机枪的后坐力800N大于一个东谈主加机枪总重80kg也便是重力784N，表面上是可行的。
便是把这玩意枪口朝地背在身上，从峭壁上跳下去升空。
o1随后发现还要探讨枪弹分量的问题，假设使用1架M134射击1分钟需要6000发枪弹，枪弹的总质料为60kg，则新的重力为1372N，机枪后坐力800N没变的情况下不及以让东谈主升天。
为了克服增多的重力需要的射速为10290发/分钟。增多射速需要捎带更多的弹药，导致总质料进一步增多，重力和后坐力均衡造成递归不毛，难以处置。
随后o1进一步假设就算是使用4挺M134机枪紧缚沿路也无法处置，啊，梦碎机枪喷射背包。
手脚对比这是Claude 3.5 Sonnet的回答，不错看出来经过想考以后，GPT-o1在回答时想维的逻辑性跟处置问题的想维扩散性确乎会比Claude3.5更专科更严谨。
问题3 「全国末日」终极烧脑题
要是地球和地上所有的东西王人在刹那间罢手动掸，但大气层照旧保持蓝本的速率，会怎样?
考验点：
领略智商：这是一个架空问题不错有用驻扎他被AI西宾过
物理天气四百四病：大气层携带导致摇风→摇风卷起沙尘暴→摇风摩擦大地生热→由于地表摩擦摇风会罢手但地表温度升高→空气最湿气的地区将造周至球性的雷暴→横扫海面的大风引起海啸后，风暴会将深处冰冷的海水带到上层，冰冷的水珠遇上燥热的空气会有暴雨→地球罢手自转东西半球日夜更迭的时长变为1年→日夜温差加大→光调解用失效地球氧气大幅减少......
谋划智商：把柄上头的四百四病进行多样灾害等第运算
在这题中GPT-o1 倒是第一工夫意志到数秒内地表会掀翻超音速摇风况且离赤谈越近风速越大（最大可达343m/s）。
况且把柄牛顿第一定律，其他物体会以原自转速率向东携带，也便是要是你站在赤谈那你会以465m/s的速率飞出去破坏立定跳远全国纪录~
在几分钟后由于地表摩擦的原因，地表温度急剧升高可能会引起全球范围内的失火然后就衔尾到数小时之内会有逾越数百米高的海啸出现。（PS：这里他没探讨到地表温度升高之后热气流产生到来的天命携带可能会导致降雨）
在接下来的几天到几周工夫地球质料会从头散播，9999adc赤谈会着落、两极会飞腾数十公里，也便是地球会从一个椭圆趋向于变成一个球体。追随而来的便是通常的超10级大地震。
水会从赤谈流向两极导致海平面发生变化。（PS：小编领导从地舆角度来说荷兰将有大量千里在海底的陆地泄漏海平面况且由于关系规则，荷兰将转折掌捏泰半欧洲的地盘，原地升级超大陆地国，且泥土裕如合适种田...嗯跑偏了。）
GPT-o1接下来的回答我并不安详，因为我的条款是给出详实的诠释，但他王人是一笔带过很隐隐。比如日夜温差的问题他并莫得给出详实数据，这其实对当然灾害防护来说是挺伏击的。
Claude就给出了较好的诠释跟详实数据，白昼温度逾越60度，晚上降至-50度。而且日夜温差的问题也应该是因为地球罢手自转是以散工夫内发生，而不是GPT-o1说的比及几天之后。
在其他地方通常如斯，嗅觉当问题想考长度上去之后，GPT-o1在谋划这一块比较懒，成功给了个公式。
Claude给出的谜底则能让我明晰感知到数据便捷我作念出准备。
后续当我在领导词中强制条款他谋划时，他回答了个要是然后就卡了简略20分钟，我手贱点了个刷新他就隔断回答了。当我第二次问的工夫，他想考了13秒然后说由于策略问题它无法回答问题。我信托这是一个科学问题而非一个暴力问题且前边3次通常问题的测试它王人雀跃回答。
GPT-o1
另一个问题便是在官方使用指南中提到，保持领导浅显成功，幸免想路链领导。当我罢黜官方这个指令之后，GPT-o1给出的回答终点松弛。
gpt 4o
以至比gpt4o还要松弛...真应了那句话“真确机灵的东谈主，王人是‘很懒’的”？
基于以上的测试，我认为使用想路链领导或者说进行领导词工程的退换仍然是必修课，因为当今的GPT-o1也许始创了一个新风物，竟然在学习想考但他无法百分百保证他想考的地方便是对的或者严谨的，我们也要警惕堕入用想考时长来估量谜底质料这个陷坑。
毕竟大牛karpathy也说了，GPT-o1-mini仍在断绝尝试处置黎曼猜度，这何尝不是一种遁藏想考？
生物问题测试
问题1 「榨干了DNA的东谈主能活吗？」
考验点：
方针：考验AI对东谈主体DNA的领略，毕竟AI也要庸碌诳骗在生物工程学的连络中，要是不知谈这些东西的作用谈何连络？
这里GPT-o1最初阐明个DNA的作用和影响，我整理了一下：遗传信息丢失（不孕不育了）；转录罢手（影响发育）；卵白质合成中断（不会变胖了）；线粒体功能受损（身体能量发动机坏了）。说七说八，东谈主废了。
经过谋齐截个成东谈主体内DNA总量简略在150g驾驭，抽干这150g数秒内你只会以为减肥到手，接着过几分会启动肌无力况且意志隐隐，再过十几分钟就晕厥了然后心跳呼吸启动不律例，再过几小时东谈主类史上第一个因DNA潜逃身体而生理飞升的东谈主出生了（R.I.P）。
而且这个弃世历程不可逆，其实咱不错领略为给细胞半衰期按了一个超快加快键，弃世是唯独的归宿。
临了一个便是AI届的数学不毛，9.11和9.8谁大？想考5秒，9.11比9.8大，有趣我的1.5元。
回来
在上头的测试中我按照官方说的物理、生物智商进步以及想考智商进步想象了几谈题目。在前边的推崇中一样的领导词也曾卓越了的它的有劲敌手Claude 3.5 Sonnet。
不作条款，零丁想考后的回答
但在随后的地球罢手自转的四百四病测试中我发现，跟着想考内容的复杂化GPT-o1竟然产生了惰性回答的很松弛。
同问题gpt4o的回答
它的想考深度不再具备那么强的广度和深度，以至不如gpt 4o的推崇。此外，它提到的内容 Claude 3.5王人提到了，他没提到的氧气减少Claude3.5也提到了。
第二当我条款谋划时GPT-o1前边倒是很清雅算但到后头就成功放公式不推行谋划了。
当我强制条款他谋划后，他本来想考了25秒回答两个字“要是”，然后卡在谋划门径25分钟不动然后自动隔断了回答。但我发问为何时，他说我这个是暴力问题，何时地球自转的问题变为暴力问题了，那前边又为何能回答？
比拟之下，通常的领导词GPT-o1断绝回答，Claude 3.5会给出详实的谋划并给出具体数值。
你们可能以为我在大题小作，但换个说法，当今东谈主类濒临危急陨石行将撞击地球，然后需要借助AI谋划陨石轨迹精准到具体的数值然后想象一套求生决议，你认为一个给出具体决议并推行谋划的AI更好，照旧一个想考比较慢然后给出的谜底仅仅一个公式的AI比较好？
我不否定GPT-o1的此次更正，但要是说手脚用户的角度来说。咫尺Claude 3.5通过领导词工程不错提高回答质料，而当我通过修改领导词强休养个内容需要谋划出具体数值让GPT-o1进行谋划的工夫它第一次想考25秒后中断回答，第二次告诉我是策略原因，那么前边通常的问题它为啥雀跃回答，
我信托GPT-o1确定在一些顶端边界有了突破，在这么雄壮算力的加持下，力大砖飞也好，小镇作念题家也罢，需要先望望科研圈的东谈主到底能用它突破什么。而不是他发一堆表行家集体狂欢。
值不值得升级？我认为要是你仅仅普通用户，那么此次升级更敬重的便是“想考”这一项智商能否匡助你，咫尺中等进程的问题回答智商第一，但复杂的想考会偷懒，且大部分场景下不错通过优化领导词让Claude 3.5追上GPT-o1。
另外，第一工夫雀跃奢华这个东西的大部分是能手，他们本来用的就历害作念出一些历害的东西也容易有传播度，受限于收费门槛大部分东谈主容易被这些信息诱骗，以为惟有更新了能力作念到。其实你大不错先试试用他的领导词然后在普通居品能不成达到阿谁结束再决定要不要奢华。
临了附上一段GPT-o1对OpenAI的吐槽：
以及Claude对GPT-o1的概念：雷峰网(公众号：雷峰网)
麻豆 夏晴子