OpenAI的全新模型草莓上线：揭秘ChatGPT Pro会员

什么是草莓模型？OpenAI新模型有何特别之处？

半夜十点，The Information透露了一个新闻，OpenAI的新模型——草莓（Strawberry）要来了。此后两个小时，我的好朋友@solitude（在美国东部时间）告知我，ChatGPT Pro会员已经上线，每月售价200美元。他第一时间付了款，我查看了自己的账号，果然什么也没有；于是，我借用了他刚付费的Pro账号，进行了一番体验。

目前，ChatGPT的会员分为三个档次：Plus、Team和Pro。这种划分方式感觉像是学习了苹果公司的命名方式，不会后面还出现一个ChatGPT Pro Max吧？然而，非常遗憾的是，和高昂的价格相比，目前的Pro会员并没有提供新的功能或模型。唯一的区别是GPT-4o使用次数几乎是无限的，我在短时间内测了几百条，依旧畅通无阻。而对应的ChatGPT Plus会员，GPT-4o的使用额度为80条/3小时。

从The Information的新闻来看，ChatGPT Pro会员的推出，主要是为即将上线的全新模型草莓（Strawberry）准备的。

草莓模型究竟是什么？它凭什么卖200美元？

草莓模型基于新的Self-play RL（自我对弈强化学习）范式，特别是在数学和代码能力上表现优异，并且具备自主为用户执行浏览器、系统操作级别的新智能。这种范式与传统大模型的不同之处在于，草莓模型能够进行更深入的因果性学习，而不仅仅是相关性学习。

1. 大模型的局限性

现有模型存在的问题：
– 边际收益递减：目前通过增加计算量、模型参数和数据集大小来提升模型性能的方法已经遇到了瓶颈。
– 相关性学习的局限：大模型主要是通过记忆已有的数据和反馈，没有进行真正的因果关系的学习，导致很多推理过程出现错误。

2. Self-play RL的优势

Self-play RL引入新范式，类似于下围棋的方式，让模型在与自己不断对弈中学习和进化。具体来说，它有以下几个步骤：
– 模型跟自己博弈：不断尝试不同的策略，从中寻找最优解。
– 思维链（Chain of Thought）：记录每一步推理过程，通过对每一步进行评估和打分，改进推理质量。
– 使用文字评价：模型在自我评估过程中，不仅仅记录评分，还会详细说明每一步的优缺点，类似于老师批改作业的方式。

3. 草莓模型的特点

• 数学和代码能力（强到爆炸）：因为数学和代码的结果比较明确，能够通过Self-play RL快速验证其正确性，因此在这两个领域表现尤为突出。
• 自主执行操作：草莓模型可以自主进行浏览器和系统级的操作，进一步提升用户体验。

草莓模型的未来与挑战

虽然草莓模型有很大的潜力，但也面临一些挑战。首先是推理成本高，一次复杂任务的消耗是非常大的；其次是训练成本和时间周期较长。但正因为这些原因，草莓模型售价高昂。

结合未来的一些趋势，OpenAI一直强调草莓模型是为下一代大模型合成数据而准备的。草莓模型将作为Self-play RL的载体，以更加智能和独立的方式不断进化。

总结与看法

我认为，在现有大模型的边际效应递减的情况下，Self-play RL是突破瓶颈的有效方法。通过这种方式，模型不仅能记住数据，还能真正理解数据背后的因果关系，从而具备自主学习和改进的能力。草莓模型的发布，预示着大模型领域即将迎来一轮新的技术爆发周期，未来，可期。