OpenAI神秘模型草莓两周内上线？数学推理暴涨，月收费200刀已有人付费

声明：本文来自于微信公众号 新智元，作者：新智元，授权转载发布。

就在刚刚，The Information曝出:OpenAI的草莓将于两周内上线!收费疑似200刀一个月，最大的特色就是比其他模型多思考10到20秒。然而因为狼来了太多回，网友们忍不住吐槽:OpenAI现在就是个炒作公司。

最新消息，草莓将在两周内发布!

这一消息由外媒The Information曝出，据称是两位已经测试过草莓模型的人士透露的。

发布时间比此前报道的秋季要早。

草莓跟其他模型的最大区别是啥呢?

答案是，更智能，但更慢、更贵。

而知名爆料人Jimmy Apples的说法是，一个模型（可能被称为GPT-4.5）预计会在十月发布。

与此同时，GPT-5很可能会在12月发布，但保险起见，说2025年第一或第二季度发布，是比较稳妥的。

在9月3日，Jimmy Apple还曾经艾特Sam Altman，戏谑地问道:我耳边的低语是真的吗?我们终于要在十月做一些事了吗?

根据Jimmy Apple的说法，需要耐心的时代已经过去，现在，我们迎来了发布的季节。

而AI大V数字生命卡兹克表示，自己的朋友发现ChatGPT Pro会员已经上线了，售价200美元每月。

他们推测，ChatGPT Pro会员，或许就是为即将上线的草莓而准备的。

不过根据此前的爆料，草莓本身的目的，似乎是为OpenAI的下一代大模型猎户座生成更高质量数据。

因此也有人说，我们不必对草莓抱以过高期待。

草莓，比我们预期的更早?

据悉，两位已经测试过草莓模型的人士透露，OpenAI计划在两周内将其作为ChatGPT服务的一部分发布。

而在原先，The Information报道的发布时间是在秋季。

这一次，报道中透露了一些新细节。

首先，虽然草莓是ChatGPT的一部分，但它是一个独立的产品。

目前还不清楚它将如何推出，一种可能是将其包含这种驱动ChatGPT的AI模型的下拉菜单中，根据两位人士的说法。

这就会让草莓跟常规的服务有很大不同。

第二点，草莓和其他对话式AI最大的区别，就是它在响应之前会思考10到20秒，然后才回答问题。

多个网友现身说法，表示自己上周发现ChatGPT返回某个响应时需要10秒才能加载，或许OpenAI已经在进行a/b测试了。

第三点，草莓的初始版本目前只能接收和生成文本，而不能处理图像，这也就意味着，它尚未像OpenAI的其他模型一样实现多模态功能。

因为如今发布的大多数LLM都是多模态的，这个缺陷对比之下就很显著。

最后，就是定价问题了。

现在OpenAI的聊天机器人有免费的，也有分等级的订阅价格。

草莓可能会有低价位和高价位的两档，前者会有速率限制，并且限制用户每小时的最大消息数量;而更高价位的版本，响应的速度也会更快。

这种安排，当然也是希望让更多用户为新模型付费，就像此前OpenAI限制ChatGPT免费用户消息数量一样。

草莓会怎样收费呢?

根据The Information此前的爆料，每月50、75、200、2000刀似乎都有可能。

一位知情人士称，在OpenAI早期的内部讨论中，订阅价格曾高达每月2000美元，但并未最终确定

如今看来，200美元/月的定价应该是没跑了。

来源:数字生命卡兹克

The Information还预测，目前为ChatGPT付费（每月20美元）的客户，会比免费用户更早访问首个草莓模型。

处理复杂问题更拿手

据悉，草莓会比GPT-4o更擅长复杂的问题，或多步骤查询。

目前，如果用户想在ChatGPT中得到理想的答案，往往还需要输入各种格外的prompt。

比如用连贯思维提示，让ChatGPT通过中间推理步骤来得出答案。

而草莓可能会避免这种麻烦，让用户一步得到结果。

这也就意味着，草莓不仅在数学和编码问题上会更好，还会更擅长主观的商业任务，比如头脑风暴一个产品营销策略。

爆料人表示，草莓的思考步骤，会避免它出错。

而多思考的那十秒到二十秒，会让它更可能知道，何时要向客户询问后续问题，来完成对他们的解答。

多思考20秒是鸡肋?

然而两位人士透露，OpenAI还需要再解决一些问题。

比如，理论上讲，草莓应该能够在用户提出简单问题时，跳过其思考步骤。然而在实际应用中，模型并不总是这样。

它可能会错误地花费过多时间，来回答那些其他OpenAI模型很快就能回答的问题。

用过草莓模型的人抱怨说，跟GPT-4o相比，草莓的回复只是稍稍更好一些，但并没有好到值得用户去等10到20秒。

另外，OpenAI希望迎合用户的这一特定偏好:在回答新问题前，草莓会记住并且整合与用户先前的聊天记录。

这个细节非常重要，比如如果用户希望软件代码以某种格式书写的时候，这种能力就非常有用。

然而令人沮丧的是，草莓并不总是能做到这一点。

网友吐槽:还要挤多久?

冷知识:距离OpenAI发布GPT-4，已经过去了一年零六个月。而新模型的影子，至今还没看到。

OpenAI的草莓，来来回回炒作了好几遍。狼来了的故事来了太多次，网友们都快麻了。

别家都是要发模型就干脆利落地发，只有它把同一个话题来回来去地炒，就是不发真东西。

奥特曼之前晒出花园里的草莓照，就曾一度引起轩然大波，然而最终却无事发生，这种谜语人的操作难免令人生厌。

现在提起OpenAI，很多群众的第一反应就是——

没错，它已经逐渐沦为炒作的代名词。

更有网友做出梗图，调侃道:OpenAI发布新模型的姿势是这样的——

这样的——

以及这样的——

本来在大模型领域，OpenAI是遥遥领先的领导者。但如今，竞争者们早已后来居上了。

上个月，谷歌就推出了AI语音助手 ，能够灵活处理用户的突然中断和话题变化。

要知道，OpenAI在五月就首发了Her的功能，然而这个语音助手GPT-4o Voice随后却推迟了发布，原因是OpenAI在提高安全措施，确保模型拒绝不当内容。

如今正值草莓模型的发布前期，可能OpenAI也在做类似的准备。

而最令人失望的一点其实是，跟前两年的如火如荼相比，今年OpenAI的发展似乎已经停滞了。

与此同时，模型的计算量、参数大小、数据集大小，都纷纷遭遇瓶颈，开源模型和闭源模型的能力也在逐渐缩小。

是不是因为没有不够的GPU，所以我们现在依然离AGI如此遥远?

如何破局?用RL

打破瓶颈的方法，如今各家都走到了同一路径——Self-play RL。

在LLM领域，自我博弈理论看起来就像是AI反馈

Claude3.5就是基于Self-play RL做出的，因此代码能力强到突出。

而我们都知道，草莓有一个重要作用，就是给下一代大模型合成数据，这里面有个前提，就是它同样是基于新范式Self-play做出的。

很多LLM的弱点就在推理能力上，而有些初创公司为了提高它们的推理能力，就采用了一种廉价的技巧，将问题分解为更小的步骤，尽管这些方法速度慢且成本高昂。

AlphaGo就是通过Self-play学习，击败了李世石

在草莓中，我们也看到了类似的思路。

用Self-play RL去验证，自然就能让草莓的数学和代码能力上飞速暴涨。

同样，付出的代价就是极高的推理成本，导致它又贵、又慢。

但得到的结果，是极高的智能，或许启发我们通往AGI的路线，就靠草莓这种思路了。

说起来，草莓之父，其实就是已经离职了的OpenAI的首席科学家Ilya Sutskever。

据悉，OpenAI的一些人认为Q*可能是OpenAI在AGI上取得的一个突破

在Ilya离职之前，OpenAI的研究人员Jakub Pachocki和Szymon Sidor，在Ilya的工作基础上开发了一个新的数学求解模型Q*。

据称，Q*解决的此前从未见过的数学题。

Ilya做出的突破，使OpenAI不再受限于获取足够的高质量数据来训练新模型，而这，正是开发下一代模型的主要障碍。

另外，在去年Q*的前期准备中，OpenAI研究人员开发了一种被称为测试时计算的概念变体，目的是提升LLM的问题解决能力。

这样，LLM就会花更多时间考虑被要求执行的命令，或问题的各个部分。

当时，Ilya发表了一篇与这项工作相关的博客，展示了模型如何解决了数个极有难度的数学问题。

比如在下面这道题中，GPT-4成功执行了一系列复杂的多项式分解。

基于这类技术做出的草莓，虽然更贵、更慢，但数学和推理的进步无疑是惊人的。

或许对于普通用户，它未必是一个更值得付费的产品。

但对于需要高阶能力的场景，草莓会更有发挥的余地。

大佬猜测:谷歌DeepMind论文疑似揭示方法

有趣的是，Menlo风投负责人、前谷歌搜索工程师Debarghya Das发推称:Google DeepMind在最近一篇论文中提出的方法，可能就是OpenAI在Strawberry上用的。

论文提出，让LLM进行更多的测试时计算（test-time computation），对于构建能在开放语境下操作、能实现自我提升的agent，是关键的一步

而这篇论文就重点研究了扩展推理期计算（inference-time computation）这个问题。

如果允许LLM使用固定但非平凡量的推理期计算，它在应对具有挑战性的提示词时，可以有多少性能提升?

这个问题不仅影响LLM的可实现性能，还关系到LLM预训练的未来，以及如何在推理计算和预训练计算之间进行权衡。

为了回答这个问题，研究团队分析了扩展测试时计算的两种主要机制:（1）针对密集的、基于过程的验证器奖励模型进行搜索;(2)根据测试时得到的提示词，自适应更新模型对响应的分布。

结果显示，在这两种情况下，对测试时计算的不同扩展方法的有效性，很大程度上取决于提示词的难度。

论文地址:https://arxiv.org/abs/2408.03314

基于此，研究团队提出了一种计算最优扩展策略——通过为每个提示词自适应地分配测试时计算，使测试时计算的扩展的效率提高4倍以上。

另外，在FLOPs一致的评估中，对于那些较小的基础模型已取得一定程度非平凡成功率的问题，测试时计算可以使其超越规模大14倍的模型。

不过，网友们对这一猜测并不认可。

Topology首席执行官Aidan McLaughlin表示，谷歌DeepMind探讨的是最佳N采样和蒙特卡洛树搜索（MCTS）。

而草莓可能会是一个具有特殊token（回溯、规划等）的深度混合模型。它可能会通过人类数据标注者和来自易于验证领域(如数学/编程)的强化学习进行训练。

另一位网友也提出疑问——草莓不是一个神经符号模型吗?

对此，Deedy解释道:根据网上的这些信息和传闻:『草莓』将通过在响应空间中使用搜索技术来改进推理，其推理时间计算为10到20秒。

而这，正是这项研究所解释的内容。

参考资料:

https://x.com/apples_jimmy/status/1833595024543781088

https://www.theinformation.com/articles/new-details-on-openais-strawberry-apples-siri-makeover-larry-ellison-doubles-down-on-data-centers?rc=epv9gi

https://x.com/deedydas/status/1833539735853449360

https://mp.weixin.qq.com/s/sc5aMSwU9dKd3X4lzTjkIg