以一种我完全无法想到的方式，数学天才姜萍的故事算是尘埃落定了。大家好，这里是老范讲故事YouTube频道。11月3号，阿里正式发布了公告，姜萍和他的老师在最终的决赛中，都没有获得任何的奖励。姜萍预赛违规，17岁的中专生在阿里巴巴数学竞赛预赛中获得了第12名。老师王闰秋对姜萍提供了帮助，违反了禁止与他人讨论的规定。涟水中专决定对王闰秋进行诫勉谈话的处理，并且取消了他评优的资格。

这件事到这算结束了吗？一开始就信誓旦旦的保证，说这就是个骗子，这不可能的；也有一些人坚定地相信，姜萍就是一个数学天才，指导他的老师王闰秋呢，是125名，他指导出了一个12名的学生。这个事情本身就是透着邪性。阿里和涟水中专，也都给出了一个相应的处理结果。其实对于姜萍这样的案例来说，上次考好了，这次没考好，本身是一个很正常的事情，因为预赛跟决赛，考试标准是差异很大的。

在这种情况下，一定要再扔一个屎盆子上去，我觉得阿里这件事情，还是稍微的有一点点可耻。实际上，阿里在维护自己数学竞赛的金字招牌，在维护自己数学竞赛，在这种传统学霸圈里边的一个人设。因为大家想，阿里巴巴数学竞赛5万人报名，最后进入决赛的有多少人？801人进入决赛，然后最终取得名次，得到奖金的是86个人。那在这个里头没有他的老师王闰秋，我觉得都是正常的一个事情，因为决赛跟预赛差异很大。

但是你现在一定要出来说，他们就是作弊了，这个非常的说不过去。因为待会我们会稍微的解释一下，他们预赛跟决赛的考试规则，你们就会知道，说这种作弊是一个多么无稽之谈的事情。而涟水中专这边说，反正我也得做个处理，那么不轻不重的给个处罚，王闰秋老师继续任教。老师在我这教书，他干了这么一个事情，我们也不能说因为这个事情师德有亏，我把你开除了，这不是跟自己过不去吗？

所以从这个处理结果上来说，阿里巴巴需要维持他的人设，说明以后数学竞赛清华北大各种说。

普林斯顿，你们还得接着来报名，不能这个不来了。咱们是圈子里边的人的小游戏，咱们不要去理他。他们取得好成绩一定是有原因的，一个125名的人能够指导出一个12名的学生来，这种事情，不知道是不是大家就都这么相信了。待会我们再去讲，这个里头到底是怎么做的。

那么姜萍自己的选择是已经从涟水中专退学了，不知道去哪，未来也是希望他有一个好的出路。王闰秋跟姜萍到底是不是骗子？预赛的要求咱们讲一下。预赛48个小时，连续的48小时开卷考试，你可以去看书查资料，甚至是编程都可以。这个里边7道题目，涵盖几何、概率、数论等领域，还有一些综合性的题目。但是他禁止外泄考题，你不能说我这48个小时就直接外泄了，因为他可以上网，也禁止与他人讨论。

现在王闰秋跟姜萍两个违反的，就是禁止与他人讨论这件事情。总分是100分，超过45分的就可以入围，所以一共是5万人报名，801人入围。他是这么来的，而姜萍考了93分，是第12名。

决赛的要求就差异很大了。决赛是24个小时里头，连续考8个小时，而且是闭卷考试。决赛是分赛道的，这刚才预赛是把所有赛道混在一起的，大家自己去所有题都做一下，要求综合能力。决赛就把赛道分开了，决赛是代数和数论一个赛道，几何和拓扑一个赛道，分析与方程这是另外一个赛道，组合和概率这是一个赛道，最后一个赛道是应用与计算数学这个赛道。到最后，大家各自选一个赛道去比赛就可以了。

你在预赛做得很好，在这样的一个情况下，你到决赛突然就不行了，这个事其实我觉得蛮正常的，因为考核方式不一样，而且可能到决赛的时候你变得精了，我们就要单独考一个赛道了，可能整个的难度也上去了。姜萍同学原来在预赛的时候做得不错，决赛的时候还需要继续努力，也就完事了。最后一定要往身上扣一个屎盆子，说预赛的时候违反规则了，跟别人讨论了。你想想，一个48小时连续的比赛，还能够上网，还能够写程序，还能够查资料，其他入围的选手有没有跟别人讨论这个事情？

你怎么去禁止？怎么去做一个相应的规定？你其实根本就没法去规定的。最后，他为什么说要拿出这样的一个东西来？从涟水中专来说，从王闰秋来说，应该也是说我愿意承认这事，当然肯定还是有代价的。从阿里巴巴来说，你们以后这些穿鞋的还要继续来捧场。这个里头，除了姜萍本人举家搬迁，不知所踪之外，我相信甭管是王闰秋、涟水中专还是阿里巴巴，都得到了自己想要的东西。

那么从现在看的，王闰秋应该是一个喜欢数学，受过标准化数学教育，有数学功底的人，但是应该天分并没有那么高。他跑到涟水中专去教数学，这个一定是一个数学爱好者，但还是经过培训的。而姜萍本人的话，应该确实是有一定的数学天分的。任何认为姜萍就是骗子的人，你可以自己去找道数学题来看看。你自己想想，应该找什么样的人来辅导，可以入围。还不要说考93分、第12名这个事情。你觉得，你去找一个能够跑到125名入围的老师，给你去做辅导，你就可以辅导出第12名来吗？这个是不是想的有点太美了？

所以从姜萍这件事情上来说，我们觉得应该有三种大的选项。第一个，姜萍是个天才，老师比如是那种屡试不中的穷秀才。其实我们看古代的小说里面，大量的这种少年天才，他们的老师都是屡试不中的秀才，因为中国古代的科举也是如此，屡试不中是秀才，再往前的功名没有，所以你依然没有这个收入，依然没有享受到免税的权利，那只能回乡去教书，教私塾。私塾里边也会出一些天才人物，这个事情是一种可能。

第二种可能是什么？第二种可能，姜萍的水平不错，在改变规则、改变难度、变得更加专一以后，他搞不定这件事情了。那么这个可能性也是存在的。第三种可能是什么？姜萍是个隐形富豪，非常的有钱，在重金之下邀请了众多的协助，他考了一个很高的分数。这三个你愿意相信哪个？这个咱们总要有一个合理的解释。那么如果不是姜萍本身就是天才，最多我们相信姜萍是有钱。我们也看到了很多姜萍家里的介绍，涟水中专的介绍，包括王闰秋的一些采访。你觉得姜萍家里头……

能够找到比王闰秋更好的辅导老师吗？能够在现场帮他做这个弊吗？这个是不是稍微有些夸张了？这个可能性很小。所以在这个可能性不在的情况下，就剩前两种可能。第一种，他本身是天才，这个可能后面被一些象牙塔里边穿着鞋的人给坑了，这是一种可能。第二种，他不太适应后边这种考试。对于前面这个预赛考试，他是相对来说比较适应的。大家愿意相信哪个，大家自己去信。

那么这个里头到底有什么阴谋，咱们想一想。那有人说阿里的阴谋，阿里想让自己出个名，就搞了这么个事情。阿里通常不愿意出这种名，他宁肯说我这是清华北大的，是什么斯坦福的、哈佛的、普林斯顿的，是这些人去得冠军，他也不会说找这样的一个像姜萍的这种17岁中专生来出这个名，他也丢不起这个人。而且他最终要混的圈子是博士圈，是这个名校圈，他也不希望说我整一大堆这种不拘一格的降人才回来到阿里里边来当科学家，他也不惦记看这个事。所以阿里一般没有动机去做这种阴谋。

你说涟水中专的阴谋，他图啥？你也不是重点高中，你也不是任何的一个出了这种天才，有巨大好处的地方。你说我们想升级一下，从中专变成大学，这个是不是有点太天方夜谭了？所以应该也不是涟水中专的阴谋。

那你说王闰秋有这样的阴谋吗？他可以想，他有这样动力，这没问题。但是他有这能力吗？如果他有这样的能力，为什么跑到涟水中专去做老师？他为什么不留在原来的学校里边去继续研究，继续深造，读完硕士以后可以接着读博士呢？为什么不跑去折腾一些更有趣的事情？他搞这个事情对他有什么好处吗？难道想去直播带货吗？他也没有直播带货。

所以王闰秋的阴谋，这件事我觉得意义也不是很大。那你说这事是姜萍的阴谋，这个我觉得大家想的太多了。17岁的小姑娘，她能够筹划这样的事情吗？如果你相信这是姜萍的阴谋，那我觉得在刚才我们给的三个选项里，应该相信姜萍家里的是隐形富豪，否则他没有这个能力。就算他想，你怎么找到相应的人来替你做这个弊呢？

这个事挺难的。你说媒体是不是在里边折腾点什么事？这个媒体永远是看热闹不嫌事大的一帮人。所以媒体在这里头不算阴谋，这就是正常发挥。出了这样的幺蛾子了，媒体包括各种自媒体，像我这样的人一定要冲上去蹭一下，要不然这个就属于是不够尽职尽责。

那你说姜萍这样的爽文为什么看着爽？他流传的很广，一定是个爽文。爽文通常是有三个要素。第一个要素，受众一定是大多数普通民众。那你说我今天写一个爽文，这是一个大数学家，他今天怎么样，这个没人看。为什么？大数学家太少了，大数学家到底怎么样，谁也不知道。你看完了以后，你还是搞不清楚大数学家是不是像这个爽文里写的这样。所以一定是普通民众，他们干了点什么事。

就跟美剧通常的受众是中年家庭妇女，所以美剧大量的故事都是中年家庭主妇梦回80年代找到了白马王子，很多都是这样的故事。像日本动漫也是如此，他们永远是16岁拯救世界，因为他们的受众就是16岁的高中生。那么他就只能是这么来去画这个动漫，一定是跟受众有关。在中国受众一定是大众，那么姜萍这样的故事就是给大众看的，这个没什么好说的。

第二个因素是什么？几率很小。这个事情你说天天都发生的事情，它就不叫爽文了，一定几率很小。第三个因素是什么？这个事是真的有可能发生的。这玩意就跟买彩票似的。你说我去买彩票，都是大众去买，真正有钱人，你说巴菲特去买彩票吗？我相信他不买。这个普通大众每天去买彩票，中奖的概率极低，这个彩票就是如此。但是你每过一段时间，都会还是要有一个普通民众去中大奖，这就是彩票跟爽文共同的地方。

你说这个事绝不可能发生的事情，这个就不是爽文了。姜萍这个事情到底告诉我们一些什么样的道理？不是每件事情都有迹可循，这个是要跟大家讲清楚的。很多人都相信，说这个事情一定有迹可循。你一个中专生，一个17岁的孩子，怎么可能考得比清华北大什么其他的这些世界名校还要好？这个事是不对的，这种东西。

我们在这个圈子里叫路径依赖。那你说它正确吗？通常正确，没什么大毛病，但一定要承认有例外情况发生。如果我们不承认有任何例外情况发生，那这个世界会变得很没意思。

两个国家打仗了，来数数他们家多少辆坦克，他们家多少兵。最后一数完了以后，行了，这个你可以投降了，这个必败无疑。这个就属于标准的路径依赖。

在这件事情里头，还算是有迹可循的人，他的老师叫王闰秋。王闰秋是江苏大学的研究生毕业，师从江苏大学数学科学院的院长卢殿臣教授。他是这样的一个位置，毕业了之后回到家乡，任教于涟水中专。

所以刚才我们也讲了，说这个人如果真的很有天分，他就可以留在江苏大学里边继续深造，去走上研究道路。如果家里非常有钱，也不会跑到联税冲专去当中学老师。这样的一个人，家里头的情况也就一般，天分应该也是一般。

连续多次参加了阿里巴巴的数学竞赛，这个老师参加了很多次。今年的最好成绩125名，这个老师应该每年也都能进入决赛。其他的时候，有得过400多名的，有得过200多名的。今年是125名，已经是最好成绩了。

在这样的一个老师的辅导下，哪怕是说在考试的过程中，他们两个还讨论了，姜萍考了93分，得到了第12名的这样的一个位置。对于很多相信说每件事情都有迹可循的人来说，就属于超出他们的逻辑认知范围了。

只有两种解释：第一种解释就是真天才；第二种解释就是甭管是王闰秋也好，还是姜萍也好，这里边有一个隐形富豪，他们能够动用足够多的社会资源，能够进行作弊。而且这个作弊了以后的结果，是他们希望看到的结果。

至少从第二条来说，我们没看到，他们其实都没有得到。甭管是姜萍还是王闰秋，都没有得到自己想要的结果。姜萍最后直接消失了，不知道哪里去了；王闰秋被这个诫勉谈话，取消了评优资格。但我相信奖金肯定是拿到了。后面依然是一个数学老师，依然没有办法进行阶级跃迁，去做一些更贴近科学研究的事情。他们到底得到什么，他们为什么干这个事情？

其实，这两件事情都是解释不明白的。在我们以前的投资圈里，其实也有非常多的人只愿意相信这个：每一件事情都应该有迹可循。我记得我以前去看人工智能项目的时候，就有非常多的投资人上来就看，问这个人是不是斯坦福的博士，那个人是不是哈佛的博士，这个人是MIT的博士，或者他是不是在谷歌里边干过，那个人是不是在Facebook里干过，或者在微软里干过。这其实就是一个有迹可循的方式。如果没有这样的出身和履历的话，凭什么可以成功？

但其实我们到最终，过个十年再回过头来看，成功的人未必是满足前面的这些要求的。很多现在成功的企业家，当时按照这种标准去筛选，都是会被筛掉的。所以在这件事情上，我要说不是每件事情都是有迹可循的。

再举一个例子，当年我最自豪的一个案子就是musically。这个案子当时所有的投资人都拒绝他了，我们给钱了，最后被字节跳动收购，改了名字变成TikTok。那你说这个事情到底是怎么发生的？很多人在musically得到美国排行榜第一的时候，就跑来问我们，说你们怎么慧眼识珠，捡漏把它捡出来了。当时我们也只能说这事叫狗屎运，这个没法解释。

他来了以后，你说按照传统的分析方式，两个创始人虽然有一个是微软的，另外一个是编程教育的，他们第一个融到的钱做的项目是做敏捷开发，把所有钱都花光了，后来说我们准备做一个新项目，做一个社交。这两个人里头没有任何人有做社交产品的经验，也没有任何人有移动产品的经验。而且他们做的产品，也没有任何可以借鉴或者前面有人做过的这种痕迹，就跑到我们这来了。

当时我们其实也是做一个比赛，叫傅盛战队。傅盛当时上市了以后，要做年轻人的人生导师，就搞了这样的一场比赛。他们就属于参赛作品之一，但并没有得奖。我们在所有的评委筛选掉了以后，又把他捞回来，觉得这个项目做得还不错，最后还是决定投他了。当时的评委是傅盛、李学凌、张泉灵。

好像有没有姚劲波，我忘了，还有罗振宇。是这些人，是评委上来就直接把这个项目给刷掉了。当时刷掉他的原因是什么？这个项目上台讲之前，预赛我还是有一定决定权利的，因为我比较喜欢这个项目，就直接一路保驾护航让他上去了。

到决赛，一帮算是成功大佬，其中有一位叫李学凌，他是广州欢聚时代，也就是YY的创始人。大家想，YY其实是做一些跟Musically有些像的事情，也有这种视频直播，也有这种音频的连线，有一定的社交属性。当时他讲完了以后，就问李学凌，说：“这别人都不懂，你说说呗。”李学凌说：“我绝不可能相信这种事情，这个事绝不可能成功，你这个就是个伪需求。”咔嚓就给干掉了。

干掉完了以后，我们再回去找傅盛。傅盛战队说：“我们真的很喜欢这个项目，这个项目真的是可以成功的，咱们试一次。”最后说服他，给了这个项目一个投资。所以在傅盛战队的奖励名单里，没有这个项目。他是后来我们捞回来的。

很多人在去分析成功原因的时候，会去讲说这个事是我英明神武；分析失败的原因的时候，会说运气不好。但我这个人相对来说比较谦逊，一般成功的原因，我说这个事运气比较好，失败的原因一定会想一想，我到底哪没做对。我记得罗翔原来有一次去评价“天道酬勤”这个话题，他讲的是什么？就是成功了就会自大，失败了就会虚无。

“天道酬勤”其实也是一个万事有迹可循的一种说法，意思是什么？他为什么成功？他努力，他天道酬勤。很多一旦成功了以后就想说：“我成功了是因为我自己努力，跟别人没关系，你们都是这个狗屎，站在旁边去。”一旦失败了以后，他就会变得很虚无，说：“我都这么努力了，我想去改变我的人生，为什么没有成功？”这个一下就破灭了，他会出现这样的情况。

为什么最后会讲这个有迹可循的这件事情其实是非常幼稚的，就跟“天道酬勤”是一样的。决定一个事物成功与否，或者变成一个什么样的结果的因素是非常多的。每一个人觉得说：“我发现背后秘密的时候”，其实都是狂妄自大。你没发现，大量的决定事物成败的因素。

或者，事物走向的因素都是你不知道的。那么，我们到底愿不愿意承认这件事情？就像这次姜萍的这个事情一样，可能背后还有很多因素，我们不知道到底是怎么回事，搞不清楚。还是说我知道他一定是个骗子？还是说这个事就是个阴谋？阿里很操蛋，怎么就埋没天才了？又为了自己的面子，对于我来说，我觉得阿里操蛋这事是没问题的。他愿意去维护自己的声誉，没毛病。但是，你去说姜萍作弊了，跟姜萍没作弊，这件事情对他最终的结果，其实不会有任何的变化。他一定要出来摘一遍：“姜萍，你是因为作弊了才走到这个位置上。”那你就告诉我，一个125名的人，怎么指挥了一个12名的人作弊成功的，对吧？或者是他到底怎么作的弊，你把他说清楚也行。

当然，你说，是不是有可能姜萍后边还有什么隐形富豪，搞了这么个事情，跟大家开了个玩笑？这种事情阴谋论，大家只要愿意相信，有很多的故事可以去讲。最终，跟大家讲一个稍微偏离一点的事情，姜萍这样的故事，未来可能会变得越来越多。为什么？因为AI来了。在AI的帮助下，这种事情会越来越多地发生。像原来在姜萍去做考试的时候，那个时候的AI还没有这么聪明，因为是在2024年的4月份做的预赛，那时候还没有这么强。但是现在有GPT-01，有很多的Claude 3.5这样的大模型出来以后，你真的是有可能让一些经过数学培训、有一定基础的人，这个普通你没有经过培训的人，还是不行的。有一定基础的人，真的是可以在这些大模型的帮助下完成考试了。

在未来，并不是每一个人都要学到博士，或者是在博士后流动站里头再蹲个三五年才能做科研，才能有成果。以后人类是可以在大模型的基础上，做出很多快速的结果出来的。大模型是可以帮助我们在阅读、总结、归纳、记忆和推理方面，有一个很大的质的飞跃。人为什么要一层一层往上读？因为我们确实要读大量原来的这些信息，才可以去干活。现在我不需要读了，我可以让大模型先把大量的信息进行总结归纳。

我只需要读很少的一部分。而且，原来为什么很少的人可以读到博士？因为你不但要读这么多东西，还得把它记住。最后，考试的时候，你需要所有记忆的东西才能考试。那现在，记忆这件事情，计算机肯定比人强，没什么好说的。再去进行一定的推理，进行运算，这个事情计算机其实也是比人强。那么，人只需要能够想清楚，我到底要什么，我想在哪个方面进行尝试。那剩下的事情可以交给大模型去干。

今年的诺贝尔奖，物理奖和化学奖都是发给跟大模型相关的事情。这可能就是一个划时代的分界线。从现在往后，你不用大模型，再想得这些奖就比较难了。而且用了大模型以后，可能出现这种地下黑暗科学家的这个几率就会变得越来越多。

最后总结一下，姜萍这个事情我们可以吃瓜，可以看看热闹。但是我们真正需要改变的是什么？是一，不是每件事情都有迹可循，不要信誓旦旦地说我明白了这个事。一旦你拍着胸脯说，“这事我明白了”的时候，就已经陷入了路径依赖。另一个是什么？现在真正需要调整的，是教育和考试的方式。继续使用这种方式去考试不好使了，以后要去教育和评估这些跟AI一起工作的人，这才是未来的方向。

好，这个节目就讲到这里。感谢大家收听，请帮忙点赞，点小铃铛，参加Discord讨论群。也欢迎有兴趣有能力的朋友加入我们的付费频道。再见。

大家好，欢迎收听老范讲故事的 YouTube 频道。今天咱们来讲 GPT O1 发布，科技大爆发应该会到来。草莓模型终于发布了。今天我太太还问我说，这个模型发布了，对于你们这些科技圈的人来说，算是意料之外，还是算意料之中？这个事情直接把我问在那了。

其实，每一个人都希望赶快把草莓模型发出来。但是 OpenAI 从今年年初开始公布 Sora 到现在，他吹的牛有点太多了。到现在为止，这是我们真正见到的能够用的产品。虽然 GPT4O 也是能用，但完整的 GPT4O 其实到目前为止，一直没有彻底开放出来。而这个 O1 上来直接就开放了，今天早上凌晨 3 点突然上线，哐往那一挂，大家愿意用的都可以去用了。我自己也去用去了。他呢，也换了一个名字，叫 GPT-O1。所以呢，这就不是 GPT5。

未来可能会走两条路，一个是继续走这种直接进行语言生成的，而 O1 这条路，走的是深度思考，要去反思一个问题，要深思熟虑以后才去回答。所以他有可能两个路要分开走，而且两个模型可能会相互配合着使用。

现在的 OpenAI 呢，就跟 O 干上去了，OpenAI 以 O 开头嘛，它后边的仪态产品基本上都是 O。GBT4O 这个 O 叫 Omni，意思是全能。下一代大模型，也就是大家等待的 GPT5，它的模型的名字叫 Orin，猎户座。而现在的 GPT O1 意思是从零开始计数，从头开始。

这是一个什么样的大模型？他深思熟虑，具体里边是怎么做的，这个都是大家在猜，或者有一些很简短的文章，因为现在他也不开源，OpenAI 变成 Close AI 了。这个东西到底内部如何实现呢？大家只能猜。

现在就可以用 Plus 用户，像我就是 Plus 用户，一个月 20 美金，可以用到两个版本，一个叫 O1 Preview，预览版，应该是在正式的 O1 版本上裁剪出来的一个版本；另外一个叫 O1 Mini，O1 Mini 是要比 O1 Preview 还要再小一些的版本。但是这个额度非常少，少到什么程度？O1 Preview 一周 30 次，我今天大概已经用了有十来次了，后边几天我要省着点用了。Mini 是一周 50 次，真的是没见过这么抠搜的模型。以前的都是三个小时多少次，或者一天多少次，甚至有一个小时多少次，而现在这个 O1 都是一周几十次。所以用的时候一定要小心。

有人在去传说，准备上 200 美元一个月的 Preview 版本，这个属于传言。今天还去问了 GPT4O，被辟谣了，说我们不准备干这个事。
就是20美元一个月的这种Plus版本，我就让你用，只是数量少一些。未来，我们会想办法把这个数量提升上去的。这个O1的测试数据非常亮眼，数学能力极强。在2024年美国数学邀请赛上，能够达到全美前500名优秀学生的这个水平，这是非常吓人的。然而，他这个数学邀请赛应该是中学生，文中并没有说明到底是初中生还是高中生，但能够达到前500名的北美学生参赛水平的，已经非常高了。

物理、生物、化学方面，可以直接达到博士生的水平，这个也是很恐怖的一个能力。编程能力得到了极大的提升，在信息学奥林匹克竞赛里头，超过半数的参赛选手，如果是打开常考，让他慢慢的想，让他多试几次，是完完全全可以得到金牌水平的。在Code Forces平台做竞争性编程比赛上，已经超越了93%的程序员，已经算是一个比较资深的程序员了。

我自己也在里边做了一些编程的测试，确实非常的猛。我去向他提出一个很详细的要求，我说我现在要做什么事情，希望使用哪些技术，希望效率怎么提升，在界面上怎么去设计。当然，这个提示写的比较长，写完了以后，啪一回车，首先是漫长的等待。不是说啪一回车就出来了，这东西挺慢的。等一会以后告诉你说，应该在哪个地方，怎么去装环境，第一步做什么，第二步做什么，哪个里头有哪个文件，这个文件里写什么东西，啰里八嗦写了巨长的一段。我发现O1这个玩意是非常话痨的一个大模型。

而如果你不是像我这样用Plus版本去直接调用，而是说我要用API去调，那你就上了当了。他会啰里八嗦说半天的，而且他那个TOKEN的费用奇贵无比。那么，为什么讲这就是科技大爆发即将到来？O1其实并不是给普通人用的，普通人去玩GPT-4O就已经足够了。O1这种东西其实是给科学家、工程师、程序员用的工具。

现在限制科技发展到底是什么？其实数学是限制科技发展的一个很重要的因素。因为数学越往后发展，其实越反人性，必须筛选出极少数的数学天才，才能够继续往前面去前进。而且人类为了达到当前科技的高度，必须进行非常长时间的学习。你想，一个小孩从出生一直上到博士，可能研究才能研究点东西出来，这个时间得二十几年，甚至是三十年你才有可能能够学完。学习的成本是非常高的，而且筛选也很严格，因为学习成本很高，必须要选出最能够去学习的人去学。

但是筛选的过程又未必科学合理，不一定说一个筛下去的人，他就比进去读博士这个人差，也许你换一个人上来科技就发展了。
但是这件事我们不知道，没有任何可以试错的机会。在学习的过程中，也会扼杀创新力，因为我们不断地学习，实际上就在学习前任的方法，这会造成路径依赖。所以，其实是导致现在科技很难再往前走的一个很重要的原因。而且，我们必须要阅读大量的信息文献，才能够去做研发。为什么呢？如果不读，你只能重复造轮子。有没有人做过这个？没有查重，那你折腾半天做完了以后发现，哎，20年前有人做过了。这也是很正常的。而且，人的大脑不是说我读了大量的信息和文献，就可以去做新的创新的，而是什么呢？我们的大脑像掰棒子的狗熊似的，你把新的东西进来以后，就把旧的知识可能忘掉。你要想始终得到一个最新的知识，在这个基础上去做研究，这还是非常难的。

但是现在有了O1的帮助，这些问题其中一部分就可以解决了。我们不再需要进行严格的筛选，不再需要进行漫长的学习，让更多的人可以进来进行科学创造。整个科技大爆发，可以带来不同的变化。很多科技前沿的关卡，其实已经开始松动了。学习筛选的过程也必然会发生改变，以适应O1之后的科技研究。

我个人用的体验到底怎么样？首先说，个人使用O1的体验并不好。为什么？第一个是很慢，这刚才我讲了，一个回车下去，你要在那等。而且很贵，如果使用TOKEN API直接调用O1的成本，要比我们使用GPT的各种模型都要贵很大的一个比例。而且给的配额还非常少，你想，一个礼拜才给了你50次，这个事实在是让你不太敢打回车。

编程问题我去试了一个，刚才我们讲的说你给我写一段程序，他思考了多长时间？两分钟。你打完回车以后，两分钟他没理你，做完了以后再告诉你说我们整个用了两分钟，才给你输出了一个结果。每周三50次，这确实是有点费劲。

那贵到什么样的程度？O1 Preview的价格是GPT4O的3-4倍，输入100万TOKEN是15美金，输出100万TOKEN要60美金，这个是非常重的一个价格了。因为我们去写编程那个题的时候，刚才我说他写的特别话痨吧，直接输出了8,000多个TOKEN。按照100万TOKEN 60美金算的话，我等于那一次回车下去，我就已经花了大概0.5美金出去了，所以这玩意是非常贵的。

O1mini要稍微便宜一点点，100万的输入是3美金，输出是12美金，但是MINI可能有一些效果会稍微差一点。那比较一下4O，100万的输入是5美金，输出是15美金。
这个已经是现在大家可以用到的比较好的模型了，而4O mini就是4O蒸馏出来的小版本。100万的输入才0.15美金，100万输出是0.6美金。所以我现在大量的这种模型工作，都是使用的4OMini。而且现在API的调用还非常不完善。

怎么个不完善法？第一个，不允许加系统信息。你正常跟人聊天的时候，你说的话叫用户信息，他回复叫助理信息。正常我们去跟OpenAI聊天的时候，还有一个信息叫系统信息，我们先设定你是谁，张三李四，你擅长什么事，这叫系统信息。现在这个O1呢，是不支持系统信息的，也不支持函数调用，还不支持流式输出。

流式输出是什么？我们在GPT上跟人聊天的时候，GPT都是一行一行一个字这么出来的，因为它出的慢。如果你不是随想出来点什么，随出就会等很长时间。而这个O1压根就不支持这功能，你只能是打完回车生等，等到他彻底算完了以后，啪一把吐出来。Plus用户呢，直接就可以用，但不是很顺畅。为什么呢？他不能访问网页，现在只能是用他已经训练好的数据去给你回答，而且也没有搜索的接口。

思考的过程建议大家不要打开，因为你在这个Plus版本里头说，“现在O1不一给我去回答一个问题”，你打完回车以后，他告诉你说，“我现在在想，我在思考，我有一些什么样的问题。”他在不停的在变化。这个东西呢，如果你点他，给展开一个思考过程。我点开过，我问了一个问题以后，发现他思考的有中文的、有英文的，还有阿拉伯语的，讲的东西基本上是驴唇不对马嘴，完全在胡说八道。但是最后输出的效果并不差，只是中间思考的过程，我估计是什么呢，随便给你写一点信息，让你不要太着急。

所以这个中间思考过程大家就别点开看了。O1这一次的发布其实是非常匆忙的。为什么呢？第一个是钱真的不多了，要尽快完成融资，否则以OpenAI的尿性，肯定还是说我们再放个气球出来，放一个视频出来，让大家慢慢等，而不是说直接咔就把东西扔出来了。现在马上要融钱，据说他们准备融资60多亿美金，再贷款50亿美金。那么这些钱加一块，大概也就够他烧个半年或者八九个月这种水平，再往后可能还得再去找钱。

所以在这种情况下，有一个新的模型发布，对于他找钱来说是比较有好处的。而且O1的很多体验并不好，很多GPT上实现的功能其实都没有实现，包括刚才我们讲的不能接网页、不能接搜索、不能去做流式输出。
而且呢，还没有任何的多模态。比如，你要给他一张图，他认不出来。想让他去做题吧，你必须要先用GPT-4O把这个图识别好了，再把这个识别出来的题扔给他，再让他去做。他自己没有这个能力。而且O1其实并不太适合广大民众，广大民众真正需要的可能是他Orin猎户座大模型啊，而现在那个还没出来，到底什么时候出来不确定。OpenAI最近也不断有员工在离职创业，这对于吹了太多牛、拿不出产品的OpenAI来说，会造成非常多的困扰。

即使有这么多问题，GPT O1不是那么完善，但GPT O1依然是一个划时代的产品。O1应该怎么用？大家知道最早的程序员是怎么干活的吗？最早的程序员应该这样，首先在纸上写代码。那个时候这个机器是非常紧张的，不是说随时就有啊，个人电脑是很靠后才有的。所以呢，早期程序员都是在纸上写好代码，写完代码以后，拿打孔卡或者是打孔纸袋去编程。在这个袋子上打完眼以后，约时间，说我什么时间是要去上机。你要去约，约好了以后，到机房把这个纸袋也好或者是打孔卡也好，装到这个机器上，咔咔咔给你输进去，漫长的等待，在回收结果。回收完了以后，如果发现有错误或者不满意的地方，回去接着改程序去啊，然后再约下一次去上机。最早的程序员是这么干活的。为什么这么干？就是因为资源太少。

O1的使用其实可以参考刚才我们讲的过程。第一个，GPT Plus的账号上每礼拜只能使用几十次，所以一定要珍惜。第二个，就是很昂贵。如果你说我不希望被它限制，我要到这个API上直接调用，那么这个确实是可以突破限制，你愿意使用多少就使用多少，但特别贵。另一个就是反馈很慢，你不可能得到实时结果。

那么现在我是怎么用的呢？第一个，先用GPT-4O或者是4O MINI这样的模型整理提示词。我先要说我要干什么，请把提示词给我写好，要给你省一个非常复杂的提示词。在这个基础上你再改，改完了以后再让GPT-4O去给你修改，得到了一个完整的提示词，要把该问的事情都问好。做完了以后，满意了检查过了，一把塞给O1说行，这就是我要干的事，你去干去吧，进行漫长的等待，可能等个几分钟，接收完整的结果。因为他不能像4O似的，我随时聊，错了以后我再纠正你，我再告诉你哪错了，再给我改一改。他没有这个机会，因为交互次数实在太少，而且很贵。这是GPT O1的一个使用方法。如果你说我现在想用O1去解决一个问题了，建议你们像我这么干。
先用GPT-4O去整理提示词，整理完了以后，一把扔进去。这可以把这些珍稀的使用机会应用到最大价值。再往后，可能很多AI创业的厂商又该有噩梦了。现在，AI agent的创业公司，噩梦又轮到脑袋顶上了，因为每一次OpenAI发布产品，都会有创业公司突然死亡。

AI agent干的是什么呢？就是人工规划设计流程，将复杂的任务分摊到多个大模型，最终获得一个可用的结果。而GPT-4O基本上是把上面的活儿都替你干完了。你给它一个复杂任务，它替你分拆，分拆完了以后一步一步去思考，思考完了再反思，去检验结果，在结果里挑一个最好的，再把这个结论扔出来给你。

我们自己去设计的这些工作流，可能还没有O1内部设计的工作流合理。他这个可能又高效又合理，所以大部分当时做的AI agent，现在都没有什么用了。那么O1算不算一个端到端的系统呢？这个怎么说，响应速度和想一想的过程，说端到端稍微有一点点亏心。

那么现在GPT O1还不适合融入AI agent，因为它实在是太慢了。以前的AI agent要重新做，重新规划。怎么规划？原来的AI agent是很多小模型，通过一个流程处理一个明确的需求，然后再拼凑出结果来。那么现在就应该换了，还是用一堆AI小模型，在人工参与下，输出完整高质量的提示词。这应该是AI还可以干的事。

再把这个提示词扔给GPT O1，得到了结果之后再干嘛？再用那些小模型或者执行代码，再去把GPT O1的结果去分解。说到底要去做哪些操作，哪些的代码要去修改，哪个地方要去建文件，要把这个事情自己再去处理掉。因为这个O1后边的部分都没有，它只是负责把要求出进去，它把结果扔出来，它就干这件事。

GPT O1带来进步，肯定也会带来一些毁灭或者一些伤害，这个事永远都是这样。我们发明枪会有伤害，发明炸弹可能有伤害的，包括计算机也是对社会有伤害的。O1这样的东西，它会对社会带来什么样的伤害呢？第一个，原来我们一直思考的叫有钱人不作恶理论，这个事被打破了。很多人说不对啊，都讲万恶的资本，怎么有钱人就不作恶了呢？

大家想这样一个例子：一个有钱人跟一个穷人过独木桥，每次只能过一个人，这时候该怎么办？通常有钱人会向后退，让这个穷人先过去。为什么呢？因为有钱人身娇肉贵的，如果真的掉下去了，或者出点什么事，这所有的东西就都没法享受了。而穷人呢，一条烂命，其他啥也没有，他输得起。
但有钱人输不起。所以呢，以此为基础，很多西方人认为，只要财富积累到一定程度以后，就不会去做一些特别过分的事情。你会维护社会的规则，继续运转下去。这个也是很多西方人认为大模型不作恶的一个原因啊，因为大模型训练实在太贵了。有钱人是不会花了这么多钱去训练一个大模型，跑去干一些坏事。对于他们来说，没意思。

我记得以前，我们也遇到过类似这样的问题。那时是买瑞士军刀，一个东西一个刀好几百上千。我就问那个卖瑞士军刀的人：“我说这玩意这么老长，算管制刀具吗？”后来人家那个店长也跟我乐，说：“您见过买上千的刀出去挡人的吗？买上千的刀的人都是搁家里摆着的。有钱人是不干坏事的。”

但是GPT-01出来以后，这个就被打破了。为什么呢？失控了。现在不需要那么有钱，也不需要那么天才，每个人都有机会推动科技进步。那么，藏在深山或者地下室里的科技怪人，可能就会越来越多。甚至很多民科，我们管它叫民间科学家。以前这些人只能骗东西，他们是做不出真正的玩意来的。但是现在有了GPT-01后，这些科学怪人和民科，就有可能做出奇奇怪怪的东西来。

那么，社会就会从一个稳定的金字塔状态，变成了散乱的一团沙丘。原来你必须要汇集起整个社会的动力，来供养金字塔尖上的一点点人，成为大的科学家，汇集资源，才可以去做科研。现在不用了，我们拿这样的工具，每个人说：“哎，我想设计一个什么东西啊。”跟咱们看美剧有一个美剧叫《Young Sheldon》，人家小孩坐在家里捅吧捅吧，想去做核反应堆的，可能未来这个事情就会变得越来越容易了。

而且GPT-01其实依然会产生幻觉，他也经常会说错、忽视，认为经过反思、经过很认真的思考以后，他说的就不错了。而且GPT-01的幻觉，它的危害要比传统的这种幻觉要大得多。

咱们先讲一个著名的哈雷彗星笑话吧，大家理解一下这个幻觉是怎么产生的。这个故事是在1910年，当然也有一些其他年份的说法，反正就是哈雷彗星来的那年。故事的重点是信息传递的一个偏差。

说某部队一次命令传递过程如下：少校对值班军官说明天晚上8点左右，哈雷彗星将可能在这个地区看到。这种彗星每隔76年才看见一次，命令所有士兵着野战服在操场上集合。我将向他们解释这一罕见的现象。如果下雨的话，就去礼堂集合。我为他们放一部有关哈雷彗星的影片。讲的就是这样。

然后值班军官就对上尉说：“根据少校的命令，明晚8点，76年出现一次的哈雷彗星，将在操场上空出现。”
如果下雨的话，就让士兵穿着野战服列队前往礼堂。这一罕见的现象将在那里出现。上尉对中尉就说，根据少校的命令，明晚8点，非凡的哈雷彗星将身着野战服，在礼堂中出现。如果操场上下雨，少将将下达另一个命令。这种命令每隔76年才出现一次。

中尉对上士说明晚8点，上校将带领哈雷彗星在礼堂中出现。这是每隔76年才有的事情。如果下雨的话，少校命令哈雷彗星身着野战服，在操场上去。上士就对士兵说，在明晚8点下雨的时候，著名的76岁的哈雷少将，在少校的陪同下，身着野战服，开着他的彗星轿车，出现在操场前往礼堂的路上。

这个实际上就是一个幻觉产生的过程。当搜集更多的信息，而且在这个里边进行反复的推理、反复的传递的时候，那么，产生幻觉的过程就会几何级数上升。虽然GPT O1在推理的过程中，采用了一些手段来规避幻觉，输出一些内容以后，他自己会检查，会反思，但是你毕竟是经历了这么多的步骤，人家也是想了好几分钟才想出来的。综合算下来，他产生幻觉的几率还是在上升的。而且GPT O1也没有那么靠谱。

我用最传统的老虎过河的问题去问了GPT O1，依然是错误。老虎过河，就三只母老虎带着三只小老虎，从这个河的一岸要到另外一条岸去。三个母老虎会划船，三个小老虎里头有一只会划船。任何一个小老虎在没有母亲的陪同下，遇到其他的母老虎就直接被吃掉了。有什么方法可以让所有的老虎都过去？每条船上应该是可以走两个老虎，船上每一次至少要有一个会划船的老虎，而且呢，船必须是老虎划，不能自己从南岸到北岸，或者从北岸到南岸。

这个题呢，每一次GPT出什么新版本的模型了，我都会问，包括GPT Gemini cloud都去问了一遍这个GPO1。本来我是对他抱有巨大的这种期望的，你一个反思、推理这样的一个模型，做这种题还不是手到擒来的吗？结果依然是错的。在这一件事情上，他并没有比GPT4O强到哪儿去，还是到了第三步就直接出生错误。我就纠正他，这个特别有意思啊。第一次告诉我说我这样这样做，我说你哪哪有错。当你做成这样的安排以后，哪个小老虎就被吃掉了啊？他说对不起，我又搞错了啊。他又想了几分钟，告诉我说我换了一个思路你再看看。我告诉他，你这到同样的一步上，你犯了同样的错误，是另外一只小老虎被吃掉了。

这个时候特别逗，PPTO1就告诉我说，我发现了你这题有问题啊，这题是无解的。你应该调整一下这个题，让每条船上可以多坐几个老虎。
这给这个条件放的稍微宽松一些，否则这个题做不出来。那最后，我是把正确答案告诉GPTO1了。PO1把这个答案验证了一下，后来说：“你说的是对的啊，这个第一步应该怎么办，第二步怎么办。”整个都帮你验算了一下，都是没毛病的。

GPTO1并不能解决所有问题，而且像CPTO1这样的东西，为什么说它可能危害更大？所有要求把手放在方向盘上的自动驾驶，其实是最不安全的。你说我如果就要自己开车，这个事其实还是挺安全的，或者说我们符合一个驾驶安全的一个平均数。那你说我这已经彻底安全了，不需要方向盘，车上压根没方向盘，那这个事也没问题。

但是你说我现在有一部分副驾驶，你还要把手扶在这个方向盘上，你还不能睡觉，这个其实是安全隐患最大的。而现在的GPTO1呢，其实就是这样的一个状态。它能够解决一部分问题，但是具体哪一部分它解决不了，它自己也不知道。然后我们如果信任它，那就经常，它会把一些错误埋在整个的研究里边去，而且是很难被找到的啊，就会帮助大家去堆积“史山”。这是GPTO1绝对会干的。而且在这个过程中，如果它前面输出的效果非常好，那么它就可以累计人类对它的信任。后边它在输出错误结果的时候，被人类忽视，直接漏掉，直接放到研究报告里边，这个几率就会上升。所以现在还是一个比较危险的状态。

总结一下，GPTO1在今天早上凌晨发布了啊。这三点虽然并不完美，但是呢，依然是划时代的产品。之所以说划时代，是指明方向了啊，OpenAI老大的位置保住了。因为原来做到GPT-4、做到Gemini 1.5、做到Claude 3.5的时候，大家觉得没有前进方向了，我们把能干的活都干完了。现在O1出来，哎，大家向这个方向卷。当这个方向一指清楚了以后，谷歌、Anthropic，包括国内的各个厂商，就要开始去追赶了。

而且这一次OpenAI不一样，不是说上了一个，放个视频就完事了，而是真的让大家用上了。那么国内肯定会冲的啊。最后，英伟达应该会冲，因为一旦有这种新模型出来以后，所有的大模型厂商就会集中起来，更多的显卡进行训练。另外，GPTO1这样的模型进行推理，应该也是需要更多的显卡，而且可能只能上英伟达的，专门为Transformer优化过的那种LPU什么的，估计会有些捉襟见肘了。

在未来一段时间里，大家可以继续相信AIGC就是现在唯一的出路，大家可以继续在这条路上狂奔了。这就是我们今天讲的第一故事。