就在剛剛，The Information曝出:OpenAI的草莓將于兩周內上線!收費疑似200刀一個月，最大的特色就是比其他模型多思考10到20秒。然而因為「狼來了」太多回，網友們忍不住吐槽:OpenAI現在就是個炒作公司。

　　最新消息，「草莓」將在兩周內發布!

　　這一消息由外媒The Information曝出，據稱是兩位已經測試過草莓模型的人士透露的。

　　發布時間比此前報道的秋季要早。

　　草莓跟其他模型的最大區別是啥呢?

　　答案是，更智能，但更慢、更貴。

　　而知名爆料人Jimmy Apples的說法是，一個模型(可能被稱為GPT-4.5)預計會在十月發布。

　　與此同時，GPT-5很可能會在12月發布，但保險起見，說2025年第一或第二季度發布，是比較穩妥的。

　　在9月3日，Jimmy Apple還曾經艾特Sam Altman，戲謔地問道:「我耳邊的低語是真的嗎?我們終于要在十月做一些事了嗎?」

　　根據Jimmy Apple的說法，需要耐心的時代已經過去，現在，我們迎來了發布的季節。

　　而AI大V「數字生命卡茲克」表示，自己的朋友發現ChatGPT Pro會員已經上線了，售價200美元每月。

　　他們推測，ChatGPT Pro會員，或許就是為即將上線的草莓而準備的。

　　不過根據此前的爆料，草莓本身的目的，似乎是為OpenAI的下一代大模型獵戶座生成更高質量數據。

　　因此也有人說，我們不必對草莓抱以過高期待。

　　草莓，比我們預期的更早?

　　據悉，兩位已經測試過草莓模型的人士透露，OpenAI計劃在兩周內將其作為ChatGPT服務的一部分發布。

　　而在原先，The Information報道的發布時間是在秋季。

　　這一次，報道中透露了一些新細節。

　　首先，雖然草莓是ChatGPT的一部分，但它是一個獨立的產品。

　　目前還不清楚它將如何推出，一種可能是將其包含這種驅動ChatGPT的AI模型的下拉菜單中，根據兩位人士的說法。

　　這就會讓草莓跟常規的服務有很大不同。

　　第二點，草莓和其他對話式AI最大的區別，就是它在響應之前會思考10到20秒，然后才回答問題。

　　多個網友現身說法，表示自己上周發現ChatGPT返回某個響應時需要10秒才能加載，或許OpenAI已經在進行a/b測試了。

　　第三點，草莓的初始版本目前只能接收和生成文本，而不能處理圖像，這也就意味著，它尚未像OpenAI的其他模型一樣實現多模態功能。

　　因為如今發布的大多數LLM都是多模態的，這個缺陷對比之下就很顯著。

　　最后，就是定價問題了。

　　現在OpenAI的聊天機器人有免費的，也有分等級的訂閱價格。

　　草莓可能會有低價位和高價位的兩檔，前者會有速率限制，并且限制用戶每小時的最大消息數量;而更高價位的版本，響應的速度也會更快。

　　這種安排，當然也是希望讓更多用戶為新模型付費，就像此前OpenAI限制ChatGPT免費用戶消息數量一樣。

　　草莓會怎樣收費呢?

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

　　一位知情人士稱，在OpenAI早期的內部討論中，訂閱價格曾高達每月2000美元，但并未最終確定

　　如今看來，200美元/月的定價應該是沒跑了。

　　來源:數字生命卡茲克

　　The Information還預測，目前為ChatGPT付費(每月20美元)的客戶，會比免費用戶更早訪問首個草莓模型。

　　處理復雜問題更拿手

　　據悉，草莓會比GPT-4o更擅長復雜的問題，或多步驟查詢。

　　目前，如果用戶想在ChatGPT中得到理想的答案，往往還需要輸入各種格外的prompt。

　　比如用「連貫思維提示」，讓ChatGPT通過中間推理步驟來得出答案。

　　而草莓可能會避免這種麻煩，讓用戶一步得到結果。

　　這也就意味著，草莓不僅在數學和編碼問題上會更好，還會更擅長主觀的商業任務，比如頭腦風暴一個產品營銷策略。

　　爆料人表示，草莓的思考步驟，會避免它出錯。

　　而多思考的那十秒到二十秒，會讓它更可能知道，何時要向客戶詢問后續問題，來完成對他們的解答。

　　多思考20秒是雞肋?

　　然而兩位人士透露，OpenAI還需要再解決一些問題。

　　比如，理論上講，草莓應該能夠在用戶提出簡單問題時，跳過其思考步驟。然而在實際應用中，模型并不總是這樣。

　　它可能會錯誤地花費過多時間，來回答那些其他OpenAI模型很快就能回答的問題。

　　用過草莓模型的人抱怨說，跟GPT-4o相比，草莓的回復只是稍稍更好一些，但并沒有好到值得用戶去等10到20秒。

　　另外，OpenAI希望迎合用戶的這一特定偏好:在回答新問題前，草莓會記住并且整合與用戶先前的聊天記錄。

　　這個細節非常重要，比如如果用戶希望軟件代碼以某種格式書寫的時候，這種能力就非常有用。

　　然而令人沮喪的是，草莓并不總是能做到這一點。

　　網友吐槽:還要擠多久?

　　冷知識:距離OpenAI發布GPT-4，已經過去了一年零六個月。而新模型的影子，至今還沒看到。

　　OpenAI的草莓，來來回回炒作了好幾遍。狼來了的故事來了太多次，網友們都快麻了。

　　別家都是要發模型就干脆利落地發，只有它把同一個話題來回來去地炒，就是不發真東西。

　　奧特曼之前曬出花園里的草莓照，就曾一度引起軒然大波，然而最終卻無事發生，這種「謎語人」的操作難免令人生厭。

　　現在提起OpenAI，很多群眾的第一反應就是——

　　沒錯，它已經逐漸淪為「炒作」的代名詞。

　　更有網友做出梗圖，調侃道:OpenAI發布新模型的姿勢是這樣的——

　　這樣的——

　　以及這樣的——

　　本來在大模型領域，OpenAI是遙遙領先的領導者。但如今，競爭者們早已后來居上了。

　　上個月，谷歌就推出了AI語音助手 ，能夠靈活處理用戶的突然中斷和話題變化。

　　要知道，OpenAI在五月就首發了「Her」的功能，然而這個語音助手GPT-4o Voice隨后卻推遲了發布，原因是OpenAI在提高安全措施，確保模型拒絕不當內容。

　　如今正值草莓模型的發布前期，可能OpenAI也在做類似的準備。

　　而最令人失望的一點其實是，跟前兩年的如火如荼相比，今年OpenAI的發展似乎已經停滯了。

　　與此同時，模型的計算量、參數大小、數據集大小，都紛紛遭遇瓶頸，開源模型和閉源模型的能力也在逐漸縮小。

　　是不是因為沒有不夠的GPU，所以我們現在依然離AGI如此遙遠?

　　如何破局?用RL

　　打破瓶頸的方法，如今各家都走到了同一路徑——Self-play RL。

　　在LLM領域，自我博弈理論看起來就像是AI反饋

　　Claude3.5就是基于Self-play RL做出的，因此代碼能力強到突出。

　　而我們都知道，草莓有一個重要作用，就是給下一代大模型合成數據，這里面有個前提，就是它同樣是基于新范式Self-play做出的。

　　很多LLM的弱點就在推理能力上，而有些初創公司為了提高它們的推理能力，就采用了一種廉價的技巧，將問題分解為更小的步驟，盡管這些方法速度慢且成本高昂。

　　AlphaGo就是通過Self-play學習，擊敗了李世石

　　在草莓中，我們也看到了類似的思路。

　　用Self-play RL去驗證，自然就能讓草莓的數學和代碼能力上飛速暴漲。

　　同樣，付出的代價就是極高的推理成本，導致它又貴、又慢。

　　但得到的結果，是極高的智能，或許啟發我們通往AGI的路線，就靠草莓這種思路了。

　　說起來，「草莓之父」，其實就是已經離職了的OpenAI的首席科學家Ilya Sutskever。

　　據悉，OpenAI的一些人認為Q*可能是OpenAI在AGI上取得的一個突破

　　在Ilya離職之前，OpenAI的研究人員Jakub Pachocki和Szymon Sidor，在Ilya的工作基礎上開發了一個新的數學求解模型Q*。

　　據稱，Q*解決的此前從未見過的數學題。

　　Ilya做出的突破，使OpenAI不再受限于獲取足夠的高質量數據來訓練新模型，而這，正是開發下一代模型的主要障礙。

　　另外，在去年Q*的前期準備中，OpenAI研究人員開發了一種被稱為「測試時計算」的概念變體，目的是提升LLM的問題解決能力。

　　這樣，LLM就會花更多時間考慮被要求執行的命令，或問題的各個部分。

　　當時，Ilya發表了一篇與這項工作相關的博客，展示了模型如何解決了數個極有難度的數學問題。

　　比如在下面這道題中，GPT-4成功執行了一系列復雜的多項式分解。

　　基于這類技術做出的草莓，雖然更貴、更慢，但數學和推理的進步無疑是驚人的。

　　或許對于普通用戶，它未必是一個更值得付費的產品。

　　但對于需要高階能力的場景，草莓會更有發揮的余地。

　　大佬猜測:谷歌DeepMind論文疑似揭示方法

　　有趣的是，Menlo風投負責人、前谷歌搜索工程師Debarghya Das發推稱:Google DeepMind在最近一篇論文中提出的方法，可能就是OpenAI在Strawberry上用的。

　　論文提出，讓LLM進行更多的「測試時計算」(test-time computation)，對于構建能在開放語境下操作、能實現自我提升的agent，是關鍵的一步

　　而這篇論文就重點研究了擴展「推理期計算」(inference-time computation)這個問題。

　　如果允許LLM使用固定但非平凡量的推理期計算，它在應對具有挑戰性的提示詞時，可以有多少性能提升?

　　這個問題不僅影響LLM的可實現性能，還關系到LLM預訓練的未來，以及如何在推理計算和預訓練計算之間進行權衡。

　　為了回答這個問題，研究團隊分析了擴展測試時計算的兩種主要機制:(1)針對密集的、基于過程的驗證器獎勵模型進行搜索;(2)根據測試時得到的提示詞，自適應更新模型對響應的分布。

　　結果顯示，在這兩種情況下，對測試時計算的不同擴展方法的有效性，很大程度上取決于提示詞的難度。

　　基于此，研究團隊提出了一種「計算最優」擴展策略——通過為每個提示詞自適應地分配測試時計算，使測試時計算的擴展的效率提高4倍以上。

　　另外，在FLOPs一致的評估中，對于那些較小的基礎模型已取得一定程度非平凡成功率的問題，測試時計算可以使其超越規模大14倍的模型。

　　不過，網友們對這一猜測并不認可。

　　Topology首席執行官Aidan McLaughlin表示，谷歌DeepMind探討的是最佳N采樣和蒙特卡洛樹搜索(MCTS)。

　　而「草莓」可能會是一個具有特殊token(回溯、規劃等)的深度混合模型。它可能會通過人類數據標注者和來自易于驗證領域(如數學/編程)的強化學習進行訓練。

　　另一位網友也提出疑問——「草莓」不是一個神經符號模型嗎?

　　對此，Deedy解釋道:「根據網上的這些信息和傳聞:『草莓』將通過在響應空間中使用搜索技術來改進推理，其推理時間計算為10到20秒。」

　　而這，正是這項研究所解釋的內容。