Guía OpenAI o1: Cómo funciona, casos de uso, API y más

Cómo funciona OpenAI o1

Lo primero que notarás al interactuar con o1 es que tarda notablemente más en generar respuestas en comparación con GPT-4o. Esta pausa deliberada refleja el énfasis del modelo en el razonamiento. El O1 pasa más tiempo "pensando" antes de responder, lo que le permite abordar tareas complejas y resolver problemas más difíciles de lógica, matemáticas, codificación y ciencia.

OpenAI o1-preview aborda el problema de Monty Hall

Aprendizaje por refuerzo y cadena de pensamiento

El razonamiento superior de O1 se consigue mediante una combinación de aprendizaje por refuerzo y razonamiento en cadena.

A través de aprendizaje por refuerzoel modelo aprende a refinar su proceso de pensamiento, explorando diferentes estrategias, reconociendo los errores y adaptando su enfoque para llegar a la solución más precisa y lógica.

Por otro lado razonamiento en cadena es una técnica para descomponer problemas complejos en componentes más pequeños y manejables. Este enfoque permite a o1 "pensar antes de responder", como si planificara meticulosamente los pasos de una receta compleja antes de empezar a cocinar.

Al exponer explícitamente su proceso de razonamiento, o1 puede identificar posibles errores desde el principio y aumentar la probabilidad de llegar a la solución correcta, del mismo modo que los humanos somos menos propensos a cometer errores cuando exponemos cuidadosamente nuestro proceso de pensamiento.

El hecho de que OpenAI o1 utilice el razonamiento en cadena lo hace especialmente eficaz en campos como las matemáticas, la ciencia y la codificación, donde obtener una respuesta correcta suele requerir múltiples pasos.

Un nuevo paradigma en la asignación informática

Un diferenciador clave de OpenAI o1 radica en su reasignación estratégica de recursos computacionales. Mientras que los LLM tradicionales se han centrado principalmente en conjuntos de datos masivos de preentrenamiento, o1 desplaza el énfasis hacia las fases de entrenamiento e inferencia.

Este cambio demuestra que asignar más computación a estas etapas puede producir ganancias significativas en las capacidades de razonamiento complejo.

Fuente: OpenAI

El gráfico anterior muestra el impacto del aumento de los recursos informáticos en el rendimiento del modelo o1 de OpenAI al enfrentarse al difícil examen AIME (American Invitational Mathematics Examination). Presenta dos gráficos, cada uno de los cuales representa la precisión del modelo frente a la potencia de cálculo dedicada al entrenamiento o a la prueba (inferencia).

En ambos gráficos se aprecia una clara correlación positiva: a medida que aumentan los recursos informáticos, también lo hace la precisión del modelo a la hora de resolver problemas AIME en el primer intento. En particular, la relación es más pronunciada en el gráfico del tiempo de prueba, lo que sugiere que dar al modelo más tiempo para "pensar" durante la resolución del problema conduce a una mejora significativa del rendimiento.

Esta observación subraya la naturaleza computacionalmente intensiva de o1, destacando su dependencia de importantes recursos computacionales. Sin embargo, las tendencias ascendentes de ambos gráficos también implican que es posible aumentar aún más la precisión con más computación, lo que ofrece vías prometedoras para el desarrollo futuro de las capacidades de razonamiento de la IA.

Benchmarks OpenAI O1: Mejor en tareas de razonamiento pesado

Para demostrar las capacidades de razonamiento mejoradas de o1 en comparación con GPT-4o, OpenAI evaluó el modelo en una serie de pruebas matemáticas, de codificación y científicas desafiantes.

Exámenes humanos

El examen humano demuestra que o1 supera sistemáticamente a GPT-4o.

Las barras continuas muestran la precisión pass@1 y la región sombreada muestra el rendimiento del voto por mayoría (consenso) con 64 muestras. Fuente: OpenAI

Quizá la observación más sorprendente sea el enorme salto de rendimiento entre GPT-4o y o1 (e incluso o-1 preview) en los benchmarks de matemáticas y codificación.

Y aunque la mejora en el ámbito científico es menos pronunciada, cabe destacar que tanto o1-preview como el modelo o1 totalmente optimizado superan a los expertos humanos en preguntas científicas de nivel de doctorado. Esto demuestra el potencial del o1 para abordar intrincados problemas del mundo real e incluso superar el rendimiento de nivel humano en determinados dominios.

Más allá de los puntos de referencia académicos, OpenAI también buscó la opinión humana para comparar o1-preview y GPT-4o en una serie de preguntas desafiantes y abiertas de diversos ámbitos. A los entrenadores humanos se les presentaron respuestas anonimizadas de ambos modelos y se les pidió que eligieran el que prefirieran.

Fuente: OpenAI

Los resultados revelan una clara preferencia por la revisión o1 en áreas que dependen en gran medida del razonamiento, como el análisis de datos, la codificación y las matemáticas. Sin embargo, GPT-4o mantuvo su ventaja en ciertas tareas de lenguaje natural, lo que sugiere que o1-previsión, aunque potente en el razonamiento, puede no ser la elección óptima para todas las aplicaciones.

Puntos de referencia ML

Si nos fijamos en los resultados de las pruebas ML, los avances de o1 en razonamiento son bastante evidentes. Tanto en MathVista (una prueba comparativa de matemáticas) como en MMLU, o1 muestra mejoras sustanciales de precisión en comparación con GPT-4o.

Fuente: OpenAI

Una versión especializada de o1, conocida como o1-ioi, demostró unas capacidades de codificación superiores al obtener una clasificación en el percentil 49 en la Olimpiada Internacional de Informática de 2024, incluso en condiciones de competición estrictas.

En los concursos simulados (ver gráfico a continuación), el rendimiento de o1-ioi se disparó aún más, superando al 93% de los competidores.

Fuente: OpenAI

Casos de uso de OpenAI o1

Las capacidades de razonamiento de OpenAI o1 lo hacen especialmente adecuado para resolver problemas complejos de ciencia, codificación y matemáticas.

Investigación científica

Los investigadores sanitarios, por ejemplo, podrían aprovechar o1 para anotar intrincados datos de secuenciación celular, mientras que los físicos podrían emplearlo para generar las sofisticadas fórmulas matemáticas necesarias para la investigación de la óptica cuántica.

Codificación

Desde sugerir optimizaciones del código y generar casos de prueba hasta automatizar las revisiones del código y facilitar el intercambio de conocimientos, o1 tiene potencial para mejorar significativamente la productividad de los desarrolladores y simplificar los flujos de trabajo.

Además, la capacidad de o1 para comprender y generar código amplía su utilidad más allá de la mera codificación. Puede ayudar en la planificación de proyectos, el análisis de requisitos y el diseño de la arquitectura del software, ayudando a los desarrolladores a elaborar soluciones más eficaces.

Aunque todavía se están desarrollando todas las capacidades de o1, sus funciones actuales ya son prometedoras. A medida que OpenAI siga perfeccionando el modelo, es probable que o1 se convierta en una valiosa herramienta para los desarrolladores, fomentando la innovación e influyendo en el futuro del desarrollo de software.

Como se describe en la sección de puntos de referencia, el modelo o1 muestra un gran potencial en el campo de la codificación.

Matemáticas

El campo de las matemáticas también podría beneficiarse significativamente de las capacidades de razonamiento avanzado de o1. Su gran rendimiento en pruebas como AIME sugiere aplicaciones potenciales en la resolución de ecuaciones complejas, la demostración de teoremas y la exploración de nuevos conceptos matemáticos, lo que beneficia tanto a estudiantes como a investigadores.

Casos de uso intensivos en razonamiento

Más allá de los dominios específicos, el enfoque de o1 en el razonamiento podría convertirlo en un activo valioso para cualquier tarea que requiera pensamiento crítico y deducción lógica. Desde resolver rompecabezas y acertijos hasta analizar argumentos complejos y facilitar la toma de decisiones informadas, o1 podría abrir nuevas vías para la resolución de problemas.

Cómo acceder a OpenAI o1

Si tienes una suscripción ChatGPT Plus o ChatGPT Team, puedes acceder al modelo o1-preview directamente dentro de la interfaz ChatGPT. Selecciona o1-preview en el menú desplegable del selector de modelos situado en la parte superior de la página .

Ten en cuenta que hay límites de uso iniciales durante la fase de vista previa, con acceso restringido a 30 mensajes por semana.

Además, actualmente, o1-preview en ChatGPT no admite funciones como la navegación y la carga de archivos e imágenes.

API OpenAI o1

Aunque o1-preview es accesible dentro de ChatGPT para los suscriptores Plus y Team, los desarrolladores e investigadores que necesiten mayor flexibilidad y opciones de integración encontrarán la API OpenAI o1 más adecuada para sus necesidades.

Limitaciones beta

Actualmente, la API ofrece acceso a dos variantes del modelo o1:

• o1-preview: Este es el primer avance del modelo o1 completo, diseñado para abordar problemas complejos que requieren amplios conocimientos generales.
• o1-mini: Una versión más rápida y económica de o1, muy adecuada para tareas de codificación, matemáticas y ciencias en las que no sea necesario un amplio conocimiento general.

Tanto o1-preview como o1-mini son accesibles a través de punto final de finalización del chatlo que facilita su incorporación a los proyectos existentes. El proceso consiste en seleccionar el modelo deseado (por ejemplo, model="o1-preview") al realizar las llamadas a la API. 

Como o1 está actualmente en fase beta, algunos parámetros y funciones de la API todavía no son compatibles. Entre ellas están:

• Modalidades: Actualmente, sólo se admite la entrada y salida de texto; aún no está disponible el manejo de imágenes.
• Tipos de mensajes: No se admiten mensajes del sistema; sólo se permiten mensajes del usuario y del asistente.
• Streaming: La función de streaming aún no está disponible para los modelos o1.
• Herramientas y llamada a funciones: Actualmente no se admiten estas funciones avanzadas.
• Logprobs: Las probabilidades logarítmicas aún no están disponibles.
• Otros parámetros: Parámetros como temperature, top_p, y n se fijan en 1, mientras que presence_penalty y frequency_penalty se fijan en 0.
• API de Asistentes y Lote: Los modelos o1 aún no están integrados con la API de Asistentes ni con la API de Lotes.

OpenAI tiene previsto añadir gradualmente compatibilidad con algunos de estos parámetros y funciones a medida que o1 salga de la fase beta. Está previsto incluir funcionalidades más avanzadas, como la multimodalidad y el uso de herramientas, en futuras iteraciones de la serie o1.

Comprender las fichas de razonamiento

Un aspecto clave de los modelos o1 es la introducción de "fichas de razonamiento". Estas fichas representan el proceso de pensamiento interno del modelo a medida que desglosa la petición, considera varios enfoques y formula una respuesta. Aunque estos tokens de razonamiento no son visibles a través de la API, consumen espacio en la ventana de contexto del modelo y contribuyen al recuento total de tokens, lo que repercute en la facturación.

Fuente: OpenAI

Ventana contextual y costes

Tanto o1-preview como o1-mini ofrecen una ventana contextual de 128.000 fichas. Sin embargo, cada finalización tiene un límite máximo en el número total de tokens de salida generados, incluyendo tanto los tokens de razonamiento invisibles como los tokens de finalización visibles. Para evitar costes inesperados y asegurarte de que el modelo tiene suficiente espacio para "pensar", es crucial gestionar eficazmente la ventana de contexto y establecer los límites adecuados mediante el parámetro max_completion_tokens.

Promover las mejores prácticas

Para obtener resultados óptimos con los modelos o1, mantén tus indicaciones sencillas y directas. Evita técnicas como dar pocas indicaciones o pedir explícitamente al modelo que "piense paso a paso", ya que pueden entorpecer el rendimiento en lugar de mejorarlo. Utiliza delimitadores para estructurar claramente tu entrada y, en escenarios de generación aumentada por recuperación, proporciona sólo el contexto más relevante para evitar que el modelo complique demasiado su respuesta.

¿Qué es OpenAI o1-mini?

Junto al modelo completo o1-preview, OpenAI también ha lanzado o1-mini, una variante más pequeña y rápida diseñada para proporcionar un punto de entrada más accesible a los desarrolladores e investigadores que exploran las capacidades de la serie o1.

Aunque o1-mini no posea la misma profundidad de conocimientos generales que su homólogo de mayor tamaño, destaca en tareas que exigen habilidades de razonamiento centradas, especialmente en los ámbitos de la codificación, las matemáticas y la ciencia.

Su tamaño reducido se traduce en tiempos de respuesta más rápidos y menores requisitos de cálculo, lo que lo convierte en una opción práctica para aplicaciones en las que la velocidad y la eficacia son importantes.

Aunque o1-mini está actualmente en fase beta y tiene ciertas limitaciones, ofrece una visión del potencial de la serie o1 y de su enfoque en la mejora de las capacidades de razonamiento de la IA. A medida que OpenAI siga perfeccionando y desarrollando los modelos o1, podemos esperar que o1-mini evolucione junto a su hermano mayor, proporcionando una herramienta cada vez más potente y versátil para una amplia gama de aplicaciones.

Limitaciones de OpenAI o1

Aunque OpenAI o1-preview ofrece capacidades impresionantes, hay que tener en cuenta algunas limitaciones. Estas limitaciones pueden afectar a su utilidad en determinados contextos, por lo que conviene tener en cuenta lo siguiente.

Cadena oculta de pensamiento

Para garantizar el potencial de futuras mejoras de supervisión y seguridad, el proceso de razonamiento de la cadena de pensamiento en bruto utilizado por o1 no es directamente visible para los usuarios. Aunque esta decisión pretende permitir una supervisión más eficaz del modelo, limita la transparencia y podría afectar a la comprensión por parte del usuario del proceso de toma de decisiones del modelo.

Todavía no navega por Internet

OpenAI o1-preview no puede navegar por la web, lo que significa que la información que proporciona puede no estar siempre actualizada. Si buscas datos de eventos en tiempo real o actuales, el modelo no podrá recuperarlos directamente.

No admite archivos e imágenes

Actualmente, OpenAI o1-preview no admite la carga de archivos o imágenes. Esto limita su capacidad para trabajar con datos multimedia o analizar documentos específicos cargados directamente por los usuarios.

Tiempos de respuesta más largos

Una de las limitaciones más notables es que el modelo tarda relativamente mucho tiempo en procesar consultas complejas. Aunque este tiempo extra le permite producir respuestas más meditadas, puede causar retrasos a los usuarios que esperan respuestas más rápidas.

Inadecuado para aplicaciones de baja latencia

Debido a sus tiempos de respuesta más lentos, OpenAI o1-preview no es ideal para aplicaciones que requieran interacciones rápidascomo los chatbots en tiempo real o los servicios de traducción. En estos casos de uso, el retraso puede dar lugar a una mala experiencia de usuario, ya que esperar varios segundos una respuesta puede resultar frustrante.

Potencial de experiencia negativa para el usuario si se aplica mal

Si el modelo se aplica en situaciones en las que sus puntos fuertes no están alineados con la tarea, puede dar lugar a una experiencia negativa para el usuario. Esto es especialmente cierto en escenarios que requieren respuestas rápidas y sobre la marcha, en los que el tiempo de procesamiento más lento del modelo puede convertirse en un obstáculo más que en una ventaja.

OpenAI o1 Seguridad

Los nuevos modelos o1 incorporan un enfoque de formación en seguridad que utiliza sus capacidades de razonamiento para mejorar la seguridad en contexto.

Una medida de seguridad clave es probar la resistencia del modelo a los intentos de "intentos de "jailbreakingen los que los usuarios intentan saltarse las normas de seguridad. En una exigente prueba de jailbreaking, GPT-4o obtuvo una puntuación de 22 sobre 100, mientras que el modelo más reciente o1-preview consiguió 84, lo que indica una mejora sustancial.

Los esfuerzos de seguridad se han reforzado mediante pruebas rigurosas, gobernanza interna gobernanza internay la colaboración con el gobierno federal. Esto incluye utilizar el Marco de Preparacióny revisiones a nivel directivo por parte de su Comité de Seguridad y Protección.

Además, las asociaciones con EE.UU. y el Reino Unido Se han formalizado los Institutos de Seguridad de la IA, concediéndoles un acceso temprano a las versiones de investigación de los modelos.

Sin embargo, es crucial abordar estos primeros resultados con un optimismo cauto.

El futuro: OpenAI Serie O

La introducción de la OpenAI o1 marca no sólo un nuevo modelo, sino el inicio de una nueva serie: la serie OpenAI O. Esto señala un cambio deliberado en la dirección estratégica de OpenAI, que hace hincapié en las capacidades de razonamiento complejo como eje central del futuro desarrollo de la IA.

Los impresionantes resultados iniciales de o1-preview, en particular su gran rendimiento en pruebas que requieren la resolución de problemas complejos, sugieren que esta nueva serie es muy prometedora.

A medida que OpenAI siga perfeccionando y ampliando las capacidades de los modelos de la serie o, podemos anticipar un futuro en el que la IA desempeñe un papel aún más activo en el descubrimiento científico, el desarrollo de software y otros campos que requieran habilidades cognitivas avanzadas.

Sin embargo, el camino hacia la plena realización del potencial de la serie O no está exento de desafíos. La naturaleza computacionalmente intensiva de estos modelos y las singulares limitaciones de escala que presentan exigen una investigación y un desarrollo continuos.

Conclusión

Aunque esperábamos con impaciencia la llegada de GPT-5, OpenAI nos sorprendió con la introducción de o1, un modelo que da prioridad a las capacidades de razonamiento complejo.

Los primeros éxitos de o1-preview en diversos puntos de referencia demuestran su potencial para abordar problemas difíciles en campos como las matemáticas, la codificación y la investigación científica.

A pesar de sus prometedoras capacidades, el o1 está aún en sus primeras fases y se enfrenta a retos, como su naturaleza de uso intensivo de ordenadores y la necesidad de una investigación continua sobre seguridad y despliegue ético.