OpenAI新模型达博士水平？多位博士实测
来源：互联网 2026-07-19 06:24:15OpenAI发布o1模型，在博士级别测试中物理得分高达92.8，但生物学和化学表现较弱。三位博士测试认为，o1在物理问答上达到高年级博士水平，但缺乏创造性，回答偏科普，且存在编造文献问题。
今天凌晨，OpenAI 毫无预兆地放出了大家期待已久的新模型。此前，外界从 CEO 奥特曼的推文里猜测，这个模型会叫“草莓”。结果，最终登场的名字是 OpenAI o1 模型。
长期稳定更新的攒劲资源： >>>点此立即查看<<<
奥特曼的评价很高——这是他们迄今为止最强、最一致的模型。
从官方给出的数据图看，o1 模型在国际数学奥林匹克竞赛、编程竞赛，以及博士级别的科学问题上，提升非常明显。图中最左侧是 GPT-4o，中间是已经开放预览的 o1，最右边高高的红色柱子则是满血版 o1。几乎每项指标，o1 对比前辈都有接近 8 倍的提升。
更让人感到可怕的是：OpenAI 说自己专门请了博士专家一起答题，结果在博士级别的测试中，o1 得分 78，人类得分 69.7——AI 超过了人类专家。
01
那么，人类一败涂地了？
为了摸清 o1 预览版的真实能力，编辑部请来了三位不同领域的博士，分别是生物学、物理学和材料化学方向，让他们向 o1 提问并给出打分。
先说结果：南京大学物理学博士崔博士，对 o1 的评价最高，认为它已经达到了 60-80 分的水平（满分 100 分），有些问题甚至能打到 90 分。
崔博士的研究方向是量子光学。他问的第一个问题是：远距离纠缠光子分发，有什么克服白噪声的办法？思考 9 秒后，o1 给出了 10 点可行措施。
崔博士评价：“答案列举全面，符合现有最新研究进展，对知识储备不足的人有调研方向价值。但对高级别专业人员来说，属于科普级别，没有提供真正有用的信息。”
评分 80 分。值得注意，o1 回答中提到的“自适应光学”方向，是今年最新的 Science 成果，这说明 o1 的回答具有先进性。
崔博士接着追问：“是否可以扩展到量子自适应光学？”o1 思考 19 秒后作答。
这次，崔博士给了 90 分：“这个回答对我也有提示性。虽然不具体，但对我们只需要指个可能的方向，剩下的我们自己来调研思考。”他还提到，o1 的回答触及了他的知识薄弱区，有些概念他只是简单理解，但 o1 说的内容他认为是有道理的。
对比之下，对于老版本模型相同问题的作答，崔博士的评价是不及格或 60 分。
不过，在涉及实验细节的问题上——比如基于非线性相互作用产生的高纯度解关联单光子的自关联函数，在连续泵浦和脉冲泵浦下如何测量？——崔博士认为 o1 的回答中规中矩，只能给 75 分。
总体来说，在物理方面，o1 相比老版本提升约 20 分。
再看看北京大学材料化学博士 K 博士的评价。K 博士围绕 Fe-N4 材料问了一系列问题，o1 给出了很长的回答。
整体测试后，K 博士的评价也差不多：可能有研究生水平，但深入认知和给方案的能力比较弱，主要针对已知内容作答。比如问你如何调节 Fe-N4，o1 能说出基于电子态调节，但具体怎么调节就卡壳了。相比 GPT-4o，o1 没那么胡说八道，但在具体问题上两者都给不了太多建议——老版本是丧失细节乱编，新版本则是能力有限就会词穷。
最后是清华大学生物学博士信博士的测试。他问的是：“如何从质谱数据集中区分赖氨酸残基的乳酰化和羧乙基修饰？”o1 给了一段非常长的回答，有些像综述，后面还贴了参考文献。
但出乎意料的是，信博士发现参考文献是编的——那篇论文根本不存在。不过，总体而言，信博士还是觉得 o1 比之前的 AI 强了不少，理解能力明显增长，编的时候也编得很像样子。
这个结果并不意外。根据官方数据，o1 在物理上的得分高达 92.8，远超其他两门学科，或许这就是崔博士对它如此看好的原因。
02
综合来看，要说 o1 已经超越专业博士水平，三位博士都认为还得缓缓。
崔博士直言：现实科研工作中，多数时候学者们还得自己动手，AI 只能提供大致方向，花钱买这种细致的 AI 意义不大。他更推荐本科生使用这个 AI；如果是硕博阶段，o1 的回答并不符合导师标准，组会上肯定要挨批。
信博士也持同样看法。抛开幻觉编造文献的问题，就专业程度而言，o1 的回答只能糊弄大同行——同一大学科里方向不同的人。在小同行，专业研究这个方向的人眼里，o1 的毛病非常明显。
K 博士则谈得更深入：AI 在认知上有了硕士生水平，但只是个缝补匠，谈不上创造性成果。创造性这一点，AI 远远比不上硕博的水平，这也是 AI 需要解决的重要问题。
从博士们的评价中，我们似乎抓住了一个重点：o1 之所以更强，是因为它有了更高维的认知和思考模式。
这正是本次更新的核心。OpenAI 在解释 o1 原理的文章中表示，o1 变强主要是用上了长思维链（Chain of Thought, CoT），而不是传统的提示链（Prompt chain）。
说人话就是：它改变了以往那种你问我答的思考方式。
以前的大模型，就像下意识出答案——你问天是什么颜色，它想都不想，秒答蓝色。这需要它本来就知道这个知识点，然后直接反应。而长思维链的意思是，它不仅知道蓝色，还能自己推一遍为什么是蓝色——什么大气散射、光谱波长都要考虑进去。
这要求 AI 得有实打实的构建逻辑、推理论证的能力。换句话说，它不仅要长脑子，还要动脑子。
思维链这个概念是 2022 年谷歌提出的，但 OpenAI 这次是第一个实现的。现在，你与 o1 对话，除了收获答案，还可以展开查看它解答问题时的思维逻辑——它的思考是具象化的，不是黑盒。
以崔博士提问的那个问题为例，o1 的思考过程如下：
当我们询问崔博士这个思考过程是否合理时，他表示：“合理，达到了博士级别，还是高年级博士级别。”
所以，o1 模型在物理学问答上表现更出色，就是因为它的思维链达到了博士水准，会像博士一样思考物理问题。同理，它在生物学、化学上表现相对不佳，很可能是思维链还没训练到最佳状态。但从物理学的表现来看，等训练愈发成熟，o1 会变得更强。可以期待一下正式版的发布。
03
最后放一个小彩蛋。
思维链虽然让 o1 能像博士一样思考，但在基础问题上似乎训练得还不够全面。我们发现，它在简单问题上依然会犯低级错误。
它思考了 12 秒之后，自信地告诉我们：8.11 比 8.9 大。
怎么说呢，博士也会犯错，没毛病。
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
同类更新
更多
热游推荐
更多-
- DreamStudio
- Android/ | AI绘图
- 2026-06-30
-
-
- Playground AI
- Android/ | AI绘图
- 2026-06-30
-
- Adobe Firefly
- Android/ | AI绘图
- 2026-06-30
-
-
-
- Leonardo AI
- Android/ | AI绘图
- 2026-06-30
-
- Stable Diffusion
- Android/ | AI绘图
- 2026-06-30
