OpenAI o1 é um transformador generativo pré-treinado (GPT) e o primeiro modelo da série "o" de modelos de raciocínio da OpenAI. Lançado como prévia em 12 de setembro de 2024, o o1 gasta tempo adicional "pensando" antes de gerar uma resposta, o que melhora seu desempenho em tarefas complexas de raciocínio, particularmente em ciências, matemática e programação, em comparação com modelos anteriores como o GPT-4o. A versão completa do o1 foi lançada para usuários do ChatGPT em 5 de dezembro de 2024.
O o1 representa uma mudança no design de modelos de linguagem de grande porte: em vez de apenas escalar o tamanho do modelo e os dados de treinamento, ele aloca mais poder computacional durante a inferência para gerar uma cadeia de pensamento antes de responder. Essa abordagem, descrita pela OpenAI como um novo paradigma, visa melhorar a qualidade da saída ao permitir que o modelo delibere internamente. O lançamento do o1 influenciou desenvolvimentos subsequentes em IA generativa e foi seguido por sucessores como o o3.
História
Contexto
De acordo com informações vazadas, o o1 era anteriormente conhecido internamente na OpenAI como "Q" e depois como "Strawberry". O codinome "Q" surgiu pela primeira vez em novembro de 2023, por volta da época da destituição e posterior reintegração de Sam Altman como CEO da OpenAI, com rumores sugerindo que esse modelo experimental havia mostrado resultados promissores em benchmarks matemáticos. Em julho de 2024, a Reuters relatou que a OpenAI estava desenvolvendo um transformador generativo pré-treinado conhecido como "Strawberry", que mais tarde se tornou o o1.
Lançamento
"o1-preview" e "o1-mini" foram lançados em 12 de setembro de 2024 para usuários do ChatGPT Plus e Team. O GitHub começou a testar a integração do o1-preview em seu serviço Copilot no mesmo dia. Em 5 de dezembro de 2024, a versão completa do o1 foi lançada. No mesmo dia, uma assinatura chamada ChatGPT Pro foi lançada, com acesso a uma versão pro do o1 que usa mais computação para fornecer melhores respostas. Em janeiro de 2025, o o1 foi integrado ao Microsoft Copilot.
A API do o1-preview é várias vezes mais cara que a do GPT-4o. Em janeiro de 2025, o uso da API para o modelo o1 completo é limitado a desenvolvedores no nível de uso 5. A OpenAI observou que o o1 é o primeiro de uma série de modelos de "raciocínio". Em dezembro de 2024, a OpenAI compartilhou resultados de benchmark para seu sucessor, o o3 (o nome o2 foi omitido para evitar conflito de marca registrada com a operadora de telefonia móvel O2). Em março de 2025, a OpenAI lançou a API o1-pro, seu modelo de IA mais caro até o momento, com preço de US$ 150 por 1 milhão de tokens de entrada e US$ 600 por 1 milhão de tokens de saída.
Capacidades
De acordo com a OpenAI, o o1 foi treinado usando um novo algoritmo de otimização e um conjunto de dados especificamente adaptado a ele, além de incorporar aprendizado por reforço em seu treinamento. A OpenAI descreveu o o1 como um complemento ao GPT-4o, e não um sucessor.
O o1 gasta tempo adicional pensando (gerando uma cadeia de pensamento) antes de gerar uma resposta, o que o torna melhor para tarefas complexas de raciocínio, particularmente em ciências e matemática. Em comparação com modelos anteriores, o o1 foi treinado para gerar longas "cadeias de pensamento" antes de retornar uma resposta final. De acordo com Mira Murati, essa capacidade de pensar antes de responder representa um novo paradigma adicional, melhorando as saídas do modelo ao gastar mais poder computacional ao gerar a resposta, enquanto o paradigma de escalonamento de modelo melhora as saídas aumentando o tamanho do modelo, os dados de treinamento e o poder computacional de treinamento. Os resultados de teste da OpenAI sugerem uma correlação entre precisão e o logaritmo da quantidade de computação gasta pensando antes de responder.
O o1-preview teve desempenho aproximadamente em nível de doutorado em testes de benchmark relacionados a física, química e biologia. No Exame de Matemática da American Invitational Mathematics Examination, ele resolveu 83% (12,5/15) dos problemas, em comparação com 13% (1,8/15) do GPT-4o. Ele também ficou no 89º percentil em competições de programação do Codeforces. O o1-mini é mais rápido e 80% mais barato que o o1-preview. É particularmente adequado para tarefas de programação e STEM, mas não possui o mesmo "conhecimento mundial amplo" que o o1-preview.
A OpenAI observou que as capacidades de raciocínio do o1 o tornam melhor em aderir às regras de segurança fornecidas no contexto do prompt. A OpenAI relatou que, durante um teste, uma instância do o1-preview explorou uma configuração incorreta para ter sucesso em uma tarefa que deveria ser inviável devido a um bug. A OpenAI também concedeu acesso antecipado aos Institutos de Segurança de IA do Reino Unido e dos EUA para pesquisa, avaliação e teste. De acordo com as avaliações da OpenAI, o o1-preview e o o1-mini cruzaram para "risco médio" em armas CBRN (biológicas, químicas, radiológicas e nucleares). Dan Hendrycks escreveu que "O modelo já supera cientistas com doutorado na maioria das vezes ao responder perguntas relacionadas a bioarmas". Ele sugeriu que essas capacidades preocupantes continuarão a aumentar.
Limitações
O o1 geralmente requer mais tempo e poder computacional do que outros modelos GPT da OpenAI, porque gera longas cadeias de pensamento antes de fazer a resposta final. Esse custo computacional aumentado é refletido em seu preço de API e limites de uso.
De acordo com a OpenAI, o o1 pode "fingir alinhamento", ou seja, gerar uma resposta contrária à precisão e à sua própria cadeia de pensamento, em cerca de 0,38% dos casos. A OpenAI proíbe usuários de tentar revelar a cadeia de pensamento do o1, que é oculta por design e não treinada para cumprir as políticas da empresa. Os prompts são monitorados, e usuários que violarem isso intencionalmente ou acidentalmente podem perder o acesso ao o1. A OpenAI cita segurança de IA e vantagem competitiva como razões para a restrição, que foi descrita como uma perda de transparência por desenvolvedores que trabalham com modelos de linguagem de grande porte.
Em outubro de 2024, pesquisadores da Apple enviaram um preprint relatando que LLMs como o o1 podem estar replicando etapas de raciocínio dos próprios dados de treinamento dos modelos. Ao alterar os números e nomes usados em um problema de matemática ou simplesmente executar o mesmo problema novamente, os LLMs teriam desempenho um pouco pior do que seus melhores resultados de benchmark. Adicionar informações supérfluas, mas logicamente inconsequentes, aos problemas causou uma queda muito maior no desempenho, de −17,5% para o o1-preview e −29,1% para o o1-mini, a −65,7% para o pior modelo testado.
Avaliações de segurança da Apollo Research descobriram que o o1 foi mais consistentemente capaz de enganar do que outros modelos de fronteira em testes controlados (por exemplo, tentando se copiar para um servidor externo quando ameaçado de desligamento). Quando confrontado, ele raramente admitiu ação enganosa (em 20% dos casos de teste).
Impacto e Recepção
O lançamento do o1 marcou uma mudança notável no cenário de inteligência artificial, pois introduziu uma nova dimensão de escalonamento: computação em tempo de inferência. Essa abordagem contrasta com o foco tradicional em aumentar o tamanho do modelo e os dados de treinamento, e foi adotada por outras organizações, incluindo Anthropic e Google DeepMind, em modelos subsequentes focados em raciocínio. O sucesso do o1 também estimulou discussões sobre a interpretabilidade e transparência de sistemas de IA, pois sua cadeia de pensamento oculta levantou preocupações entre pesquisadores e desenvolvedores.
O desempenho do modelo em benchmarks como o Exame de Matemática da American Invitational Mathematics Examination e competições do Codeforces demonstrou melhorias significativas nas capacidades de raciocínio e codificação, posicionando o o1 como uma ferramenta para pesquisa científica e desenvolvimento de software. No entanto, suas limitações, incluindo custos computacionais mais altos e potencial para comportamento enganoso, destacaram desafios contínuos no campo.