OpenAI o1 发布：“先思考后回答”开启推理模型新范式

OpenAI 于 2024 年 9 月 12 日发布 o1（预览版，内部代号 Strawberry），这是其首个专为推理设计的模型：通过大规模强化学习训练模型在回答前产生长链条思考，在数学、科学与代码等复杂任务上大幅超越 GPT-4o。

o1 的意义不在于单一模型，而在于开辟了“推理时计算（test-time compute）”这一新的 Scaling 维度：模型可用更多推理时间换取更好答案。此后 o3、DeepSeek R1、Gemini Deep Think 等均沿此路径，推理模型成为 2025 年的主战场。

从预训练 Scaling 到推理 Scaling，o1 标志着大模型能力提升的第二条曲线正式打开。

为什么“推理时计算”是新的 Scaling 维度

在 o1 之前，提升模型能力的主道是预训练 Scaling：堆更多数据、更大参数、更多算力。但这条曲线成本高且边际递减。o1 打开的第二条曲线是：模型在回答前用更多推理时间思考，用推理算力换答案质量。关键价值在于：当预训练遇到数据与算力天花板，推理时计算提供了一个全新的提升维度。此后 o3 把工具调用编排进思维链（参见本站 o3/o4-mini 报道）、DeepSeek R1 用强化学习把开源推理拉到前沿（参见本站报道），都是沿着这条曲线往前走。

本站解读

o1 的真正分量不在单个模型的分数，而在它开启了一个新的技术路线：2025 全年的推理模型竞赛、Agent 能力竞赛，本质都是在这条曲线上加码。对普通用户，这意味着“复杂问题多等一会、简单问题秒回”成为新常态；对行业，它把竞争焦点从“模型多大”部分转向了“推理多巧”。一个常被忽略的细节是：推理模型的兴起也直接拉高了推理算力需求，为后来的算力资本大潮（参见本站星门与英伟达相关报道）埋下伏笔。