OpenAI stellt mit o1 neues Schlussfolgerungsmodell vor

Neue Trainingsmethoden

Die Trainingsmethoden hinter o1 unterscheiden sich grundlegend von denen seiner Vorgänger. OpenAI hat das Modell mit einer völlig neuen Optimierungsalgorithmus und einem speziell dafür zugeschnittenen Trainingsdatensatz trainiert. Anstatt nur Muster aus Trainingsdaten zu imitieren, lernt o1 Probleme eigenständig zu lösen, indem es eine Technik namens „Reinforcement Learning“ verwendet. Dadurch soll das Modell präziser und weniger anfällig für Halluzinationen sein, auch wenn diese Probleme nicht vollständig gelöst sind.

Verbesserte Schlussfolgerungsfähigkeiten

Das Hauptmerkmal, das dieses neue Modell von GPT-4o unterscheidet, ist seine Fähigkeit, komplexe Probleme wie Codierung und Mathematik besser zu lösen und dabei seine Schlussfolgerungen zu erklären. In Tests schnitt o1 im Vergleich zu GPT-4o signifikant besser ab. Während GPT-4o nur 13 Prozent der Aufgaben in einer Mathematik-Olympiade richtig löste, erreichte o1 83 Prozent.

Praktische Anwendungen und Einschränkungen

Obwohl o1 in vielen Bereichen leistungsfähiger ist, weist es auch einige Einschränkungen auf. Es schneidet bei der faktischen Wissensvermittlung über die Welt nicht so gut ab wie GPT-4o und kann keine Websuchen durchführen oder Dateien und Bilder verarbeiten. Trotzdem sieht OpenAI in o1 eine neue Klasse von Fähigkeiten.

Ein Schritt in Richtung autonome Systeme

OpenAI sieht in der Verbesserung der Schlussfolgerungsfähigkeiten einen wichtigen Schritt in Richtung menschenähnlicher Intelligenz. Das Unternehmen glaubt, dass ein Modell, das mehr als nur Mustererkennung beherrscht, Durchbrüche in Bereichen wie Medizin und Ingenieurwesen ermöglichen könnte. Derzeit sind die Schlussfolgerungsfähigkeiten von o1 jedoch relativ langsam und teuer für Entwickler.

O1-mini: Ein kostengünstigeres Modell für STEM-Anwendungen

Zusätzlich zu o1-preview hat OpenAI o1-mini vorgestellt, eine kostengünstigere Version, die für Anwendungen in den Bereichen Mathematik, Naturwissenschaften und Programmierung optimiert ist. O1-mini erreicht fast die gleiche Leistung wie o1 in mathematischen und programmiertechnischen Aufgaben, jedoch zu deutlich geringeren Kosten. In einem Programmierwettbewerb auf der Plattform Codeforces schnitt o1-mini fast genauso gut ab wie das Hauptmodell o1.

Zugänglichkeit und Kosten

ChatGPT Plus- und Team-Nutzer können o1-preview und o1-mini ab sofort nutzen, während Unternehmenskunden und Bildungseinrichtungen nächste Woche Zugang erhalten. OpenAI plant, o1-mini auch allen kostenlosen ChatGPT-Nutzern zugänglich zu machen. In der API kostet o1-preview $15 pro 1 Million Eingabetokens und $60 pro 1 Million Ausgabetokens. O1-mini ist für Tier-5-API-Nutzer verfügbar und 80 Prozent günstiger als o1-preview.

Fazit

OpenAI hat mit der Einführung von o1 einen bedeutenden Schritt in der Entwicklung von KI-Modellen gemacht. Das Modell verbessert die Schlussfolgerungsfähigkeiten, indem es vor der Beantwortung länger „nachdenkt“. Dies fügt eine neue Dimension zur Skalierung von KI-Modellen hinzu, indem die Rechenleistung der Inferenz anstelle der Vortrainingsdaten erhöht wird. Während o1 bei logischen Aufgaben glänzt, ist es nicht universell überlegen gegenüber seinem Vorgänger GPT-4o.

Die Veröffentlichung von o1-preview und o1-mini zeigt, dass OpenAI bestrebt ist, die optimalen Anwendungsfälle für diese Modelle zu identifizieren. Zukünftige Versionen von o1 sollen die Denkzeit von Sekunden auf Stunden oder sogar Wochen verlängern, was potenziell bahnbrechende Anwendungen in komplexen Bereichen ermöglicht.