过节期间，各路人士对美联储降多少BP的分析没有引起我的兴趣，但OpenAI默默上线了新模型，本来没多少期待的我，又惊喜到了。

着急看结论的朋友，去文末看“总结”。但正文有两段重点，建议大家看看，可以对整个事情有更感性的理解。

—— 正文，开始 ——

新模型o1-preview，我已经帮大家测过了。

结论就是：（！！！重点！！！）

这一轮制约大模型应用的最大短板——逻辑推理能力，即将被OpenAI补完。

来看我找的一道数学证明题。

只用1次输入，o1模型自动完成思考过程，直接给出推理结果。

换成以前GPT-4o这些模型，需要手动输入思维链，先把问题拆解成很多小问题，一步一步的喂给模型，然后得出答案。

并且这个答案还可能是错的。

但现在，思维链已经可以有o1模型自动完成了，中间不需要用户手动提示。

如果觉得我这题还不够有说服力，可以看看网友的测试，最新的2024高考数学卷，o1模型考了满分。

证明题没做，是因为目前o1只具备推理+文字输入输出的能力，还不具备4o这种能输入、输出图片的多模态能力。

之所以o1能达成这样的效果，是因为模型有快和慢两套系统。

以前的模型只有“快系统”，

你输入提示词，

模型思考（计算）一次，

给出结果，结束。

所以，如果你想提高模型输出结果的效果，要把复杂的问题手动拆成简单的问题。

现在o1的“慢系统”，代替了你手动输入思维链的工作。

这意味着，o1不再是你输入一次，它计算一次，给出结果的工作流程。

而是，

你输入一次，

它用“快系统”计算一次，

再用“慢系统”计算N次（取决于需要多少步思维链，即模型的思考过程变长了），

然后给出结果，结束。

代替手动输入的好处是，对于大部分用户来说，想把一个问题拆成N个准确表达的小问题，并且问题之间还存在逻辑关系，是很高的门槛，也是提示词工程一直有效的原因。

现在“慢系统”把这个门槛降低了，并且自动化了。

代价就是：

1、思考需要时间，所以o1需要先考虑个几十秒到一两分钟，再给出结果。

但这并不是缺点，思考越充分，对解决复杂问题的帮助越大。

OpenAI的下一目标是延长模型的思考时间，让模型有解决更加复杂问题的能力。

2、对算力消耗巨大，因为思考步骤多。

新模型有两个版本，

一个是知识更全面参数量更大的o1-preview，9月12号上线时候，1周只能对话30次，昨天加了一点，1周能对话50次。

另一个是知识没那么全面参数量相对小一些，但是更便宜的o1-mini，刚上线的时候1周只能对话50次，昨天加到1天可以对话50次。

而4o的plus用户，可以每3小时对话80次。

意思是，OpenAI目前的算力，完全不够这两个模型畅聊的，新模型的算力成本至少是指数级的提升。

仿佛一夜回到两年前，ChatGPT刚发布的时候，每次对话都要精打细算，一不小心就超标了。

新模型o1如何让堆算力继续生效：（！！！重点！！！）

大模型学会的所有能力，都来自于它的训练数据，数据里没有的东西，是它无论如何都学不会的。

之前硅谷那边有消息说，目前在模型训练阶段堆算力scaling law的效果在下降。

因为高质量的数据不够了，网上能爬取的基本都被训练完了。

所以，继续堆算力，模型的能力提升幅度也依然在下降。

这里面有两个可以打破僵局的因素：

1、能提供更多新的高质量数据。

2、在训练之外的环节，增加模型的效果，主要指的就是推理。

而现在，这两件事，都在OpenAI这次最新的o1模型上实现了。

第一，这次模型使用了新的合成数据，这让可以训练的数据量增加了。

它带来的结果是：模型在训练阶段的算力需求还能继续增长，还能scaling law。

训练模型所需要的算力，如下：

使用合成数据，就是让训练数据量D继续增长。

在模型参数P不变的前提下，训练数据量D增长，则训练模型需要的算力C就会增长。

第二，我认为比第一点更重要，是这次o1模型在推理阶段加大了算力资源的投入，并且取得了很好的效果，模型的逻辑推理能力大幅提升。

它带来的结果是：一条新的scaling law路径出现了。

过去在训练端狂堆算力是提升模型效果最好的方式，现在，当训练端堆算力堆到瓶颈后，接着在推理端堆算力，可以继续提升模型能力。

模型推理所需要的算力，如下：

“慢系统”的有效，就是主动提升运算次数T，来提升模型效果。

在模型参数量P不变的前提下，提升运算次数T，模型在推理时需要的算力C就会增长。

—— 总结 ——

1、OpenAI的新模型o1，逻辑推理能力大幅提升，效果显著。

2、在技术层面，提供了大模型堆算力的新路径：过去在训练阶段堆算力，今后可以在推理阶段堆算力。

3、无论哪种路径，堆到一定程度后，效果都会递减，但在推理阶段堆算力，以前没搞过，是从这一次之后才开始，还能堆一阵子。

4、等竞品公司研究明白OpenAI的技术之后，应该会大量跟随复制。OpenAI只能短时间领先，但不可能长时间垄断这项技术。这意味着，一旦复制开始，堆算力的需求可能又会增长。

5、最重要的是，这一次模型逻辑推理能力的提升，可能更广泛的推动AI解决真实问题，我们希望看到的AI应用商业化，这一步迈的挺大。随着对新模型的体验加深，我会有新的感受，到时候再跟大家分享这个商业化的潜力。

6、对于美股，目前我的计划就是不动。我并不想逃顶，因为仓位不算重，现在也没有看到顶部的信号。

—— 每日估值：指数PE-Bands ——

纳斯达克

纳斯达克100

标普500

道琼斯工业

—— 以下是：股市消费记录 ——

美股：

**纳指：等待……

**标普：等待……

国内：

目前处于休息状态。

*** 做合格金融消费者，从记账开始！***

海外消费记录：

Ps：在国内盘中下的美股QDII订单，对应的是当日晚上的美股收盘价，实际消费值是下图标记的下一根K线。

国内消费记录：

< 分享增量信息，提升决策质量。记录真实消费。如果你感兴趣，欢迎点赞关注，留言讨论，咱们交个朋友。>

风险提示：以上为个人观点，不构成买卖建议。市场有风险，投资须谨慎。

$建信纳斯达克100指数(QDII)人民币C(OTCFUND|012752)$

$广发纳斯达克100ETF联接人民币(QDII)C(OTCFUND|006479)$

$华夏纳斯达克100ETF发起式联接(QDII)C(OTCFUND|015300)$

$华安纳斯达克100ETF联接(QDII)C(OTCFUND|014978)$

$大成纳斯达克100ETF联接(QDII)C(OTCFUND|008971)$

$南方纳斯达克100指数发起(QDII)C(OTCFUND|016453)$

$汇添富纳斯达克100ETF发起式联接(QDII)人民币A(OTCFUND|018966)$

$博时标普500ETF联接C(OTCFUND|006075)$

$华夏标普500ETF发起式联接(QDII)C(OTCFUND|018065)$

$摩根标普500指数(QDII)人民币C(OTCFUND|019305)$