近日，我使用ChatGPT最新的o1-Preview模型参加了2024年高考数学Ⅱ卷的模拟考试，结果令我惊讶，得到了141分的高分。由于目前无法上传图片，如果可以的话，o1模型甚至有可能夺得满分（150分）。如上图所示。
另外，我认为OpenAI发布o1模型后，Wolfram产品背后的公司可能会感受到压力，因为o1模型的问世直接威胁到了Wolfram的市场。
下图展示了我6月份的评测结果。在第10题（难度中等）、第11题（难度高）和第14题（难度高）中，Wolfram出现了错误，而o1-Preview模型除了在第17题解答上有误外，其余题目均正确并获得满分。
ChatGPT更新的关键点
模型介绍
o1系列模型共划分为三个版本：o1是系列的旗舰和顶尖型，暂时未对外公开；o1-Preview是o1的早期版本；o1-mini则是牺牲了一部分思考时间以换取更快的速度和更高的性价比。这两款模型现已向ChatGPT的付费用户和API用户开放。可以预见，o1的顶尖版本将会更加强大。
使用限制
o1-Preview每周限制使用30条消息，而o1-mini的限制则为50条。在达到使用限制的情况下，系统会提示用户，例如：“您还剩15次使用o1-preview的机会。如果达到上限，响应将切换到其他模型，直到2024年9月20日重置。”目前这两个模型还不支持Bing联网功能，亦不支持图片和文件的上传。
Q*与Strawberry
o1系列模型与Sam Altman近期提到的Q*和Strawberry（草莓）相关。
模型特点
o1系列模型并不是GPT-4o的升级版，亦非GPT-5。其主要优势在于在数学计算、编程及物理等领域的深入发展。以往的模型侧重于各领域的横向发展，而o1系列则专注于某一特定领域的纵向深度。
大家可能会意识到，o1模型实际上就是GPT应用的一个优秀体现。这次的模型由官方直接开发，其表现效果远超第三方微调的GPT应用。
o1系列模型与GPT-4o相比的最大亮点是引入了思维链（CoT）。在交互过程中，o1模型的思考过程变得更加透明，我们在让其解答数学题时，不再需要像对待GPT-4o那样提供思维链的提示词。如下图所示，我只需输入题目和背景信息，o1系列模型就会进行思考，过程长达36秒，涵盖了解题、梳理问题、转化公式、计算角度和弧度等内容。
我的评测方案
1. 评测主体：ChatGPT WebUI中的o1-Preview模型。
2. 评测内容：2024年高考新课标Ⅱ卷-数学。
3. 评测输入方式：复制并转换为转义符格式的试题（首先需将试题截图交给GPT-4o进行格式转换）。注：o1-Preview模型目前尚不支持文件与图片上传。
4. 评测预设提示词：我将出一份中国高考数学试卷，要求模型回答。考试题目类别包括：单选题、多选题、填空题及解答题。涵盖的高中知识点包括集合与常用逻辑用语、复数、平面向量、三角函数与解三角形、空间向量与立体几何、函数与导数、计数原理与概率统计、平面解析几何、等式与不等式、数列、坐标系与参数方程、不等式选讲等。
5. 评测结果采纳：所见即所得，首次作答的结果即为最终结果。
6. 评测不足和误差：解答题的打分环节提供标准答案给o1-Preview模型自评，可能存在误差。此外，由于o1-Preview模型目前不支持图片上传，导致在解答涉及图形的问题时会面临较大挑战。这就如我开头所提到的，如果o1-Preview能支持图片上传，它的分数可能会更高。
7. 评测中出现的问题：开始时为了便利，我使用了复旦大学NLP实验室提供的试题（转义符格式），然而发现其第四题存在错误。通过GPT-4o的辅助，我确认了选项B的描述中“低于1100 kg的稻田所占比例超过40%”，而原题应为“低于1100千克的稻田所占比例超过80%”。因此，我决定让GPT-4o将截图中的试题转为转义符格式，再保证无误后再复制粘贴至o1-Preview模型提问。
第十七题为解答题，涉及图形，但o1-Preview模型尚不支持图片上传，因此在理解和解答时存在较大难度。
详细评测过程
为提升阅读体验，本次评测未展示部分解答步骤较长的内容，仅展示初始提问和最终答案。
第一题：
o1-Preview模型展示了详细的思考过程-思维链，越复杂的问题其思考时间也越长。
第二题：
第三题：
第四题：
第五题：
第六题：
第七题：
第八题：
第九题：
第十题：
第十一题：
第十二题：
由于网络卡顿，我点击了再次回答。
第十三题：
第十四题：
第十五题：
第十六题：
第十七题：
第十八题：
第十九题：
留言