天工版o1、4o同時上線！超強邏輯推理秒殺數學競賽，實時語音陪聊太上頭

【新智元導讀】今天，「天工大模型4.0」o1版/4o版在網頁端和APP端正式上線了，人人可玩的那種。

最近，2024中國網際網路價值榜釋出。

2024年AIGC應用使用者規模TOP榜中，崑崙萬維旗下天工AI強勢入圍！

如今，天工AI已經取得了中國典型工具類AIGC應用TOP 4的好成績，在多梯隊的猛烈廝殺格局中穩穩佔據優勢。

同時，還不斷有好訊息傳來。

就在今天，天工大模型4.0 o1版/4o版正式上線天工網頁端和APP。底座大模型，正式進化到「天工4.0」。

「天工大模型4.0」 o1版（Skywork o1）的上線，意味著國內首款中文邏輯推理能力的o1模型來了！

數學高考題、考研題、奧數題，Skywork o1都能靠自己的逐步思考破解。

注意！Skywork o1並不是簡單地復現OpenAI o1模型的工作。它不僅在模型輸出上內生了思考、計劃、反思等能力，還在模型真正擁有了思考和反思之後，帶來了推理能力的提升。

在最近熱轉的復旦等機構解密OpenAI o1路線圖這一研究中，skywork-o1就被列為國內o1級模型的代表之一

並且，崑崙萬維天工大模型4.0上線後，應用端不僅在邏輯推理和程式碼功能上有了幾大提升，語音互動上的表現也著實令人驚歎。

一個月正式釋出的新產品「實時語音對話助手Skyo」，如今有了史詩級提升。

眾網友實測後紛紛表示，原來國內版的「Her」，已經進化到了不輸OpenAI版本的地步！

具備多語言對話能力的Skyo，不僅能快速響應、主動發起對話、實時打斷，給出的回應還十分情感化，已經具備了類人特徵。

還等什麼，實測馬上呈上。

超強推理+自我反思，免費體驗

現在，分別開啟天工APP或網頁端，任何人皆可免費享用最新天工4.0 4o版或o1版模型加持的AI了。

既然主打的是推理，那麼我們就先來看看Skywork o1在數學題上的表現如何。

體驗地址：https://www.tiangong.cn/o1Chat/055

先來個硬核的，AIME數學競賽題。

題目是這樣的——

Jen透過從S={1,2,3, ... ,9,10} 中挑選4個不同的數字來參加抽獎。從S中隨機選擇4個號碼。如果她的至少兩個號碼是隨機選擇的號碼中的2個，她就能贏得獎金；如果她的四個號碼都是隨機選擇的號碼，她就能贏得大獎。假設她贏得了獎品，她贏得大獎的機率是m/n，其中m和n是相對質的正整數。求m+n。

Skywork o1用時1分55秒，經過一番思考後，最終給出了正確答案——116。

上下滑動檢視

對於下面這道同樣有些難度的數學題，模型在經過一番思考之後，很快就想到了用圖論中的「圖蘭定理」去解。

值得一提的是，在思考過程中它對答案不確定時，甚至會反思自己的回答，直至最終確定25是正確答案。

一個象棋比賽，共有十名選手參加，每一個選手都需要和其他選手每人下一盤棋，賽程進行到某階段時，發現任意三個選手中，起碼有兩個相互之間還沒有下過一盤棋，此時至多進行了多少場比賽？

上下滑動檢視

2024年高考新課標一卷的數學真題，Skywork o1也能做出正確答案，就是方法稍微「笨」了點。

複雜一些的邏輯推理題，Skywork o1也能做對。

這道從池塘中取水的推理題，它透過一步步的思考過程，推理出了正確答案。

上下滑動檢視

還有這道「一個人花8塊錢買了一隻雞，9塊錢賣掉了，然後他覺得不划算，花10塊錢又買回來了，11塊賣給另外一個人。問他賺了多少」，Skywork o1反覆斟酌之後給出了正確的答案。

上下滑動檢視

為什麼剛出生的小孩只有一隻左眼？這個腦筋急轉彎，沒能瞞過Skywork o1的眼睛。

上下滑動檢視

弱智吧難題，不在話下。

比如父母以後的錢都是留給我的，可不可以認為父母現在正在花我的錢？Skywork o1從財產所有權、繼承權、遺囑和繼承法、道德和家庭關係方面給出了全面的回答。

上下滑動檢視

呂布馬上無敵，典韋步戰無敵，呂布騎著典韋會不會天下無敵？Skywork o1表示，有趣的腦洞只是一個戲謔的表達，而非嚴肅的歷史或軍事討論。

上下滑動檢視

最後，上一道LeetCode貪心演算法的分發餅乾程式碼難題。題目如下——

假設你是一位很棒的家長，想要給你的孩子們一些小餅乾。但是，每個孩子最多隻能給一塊餅乾。

對每個孩子i，都有一個胃口值 g[i]，這是能讓孩子們滿足胃口的餅乾的最小尺寸；並且每塊餅乾j，都有一個尺寸s[j] 。如果s[j] >= g[i]，我們可以將這個餅乾j分配給孩子i，這個孩子會得到滿足。你的目標是儘可能滿足越多數量的孩子，並輸出這個最大數值。

Skywork o1也順利給出了答案。

自研技術方案，持續創新迭代

那麼，Skywork o1為何能在邏輯推理任務上，有如此大幅的提升？

這就要得益於天工三階段自研的訓練方案。

推理反思能力訓練

首先，在推理訓練方面，團隊透過自主研發的多智慧體體系，構建出了高質量的分步推理、反思與驗證資料。

然後，用這些高質量且多樣化的長思考資料，對基座模型進行繼續預訓練和監督微調，並在版本迭代中採用大規模的自蒸餾和拒絕取樣，從而顯著提升了模型的訓練效率和邏輯推理能力。

推理能力強化學習

其次，在強化學習階段，團隊創新性地提出了一種適配分步推理強化的獎勵模型——Skywork o1 Process Reward Model（PRM）。

在最新的版本中，團隊將Skywork-PRM的應用範圍，從原本側重的數學和程式碼領域，拓展到了常識推理、邏輯推演和倫理決策等更廣泛的場景中。同時，還針對寫作、閒聊等通用領域以及多輪對話構建了專門的訓練資料，實現了全場景覆蓋。

此外，團隊重點提升了Skywork-PRM的模組化評估能力，特別是在處理o1風格思維鏈方面，最佳化了試錯和反思驗證機制。透過更細緻的評估體系，為強化學習和搜尋過程提供了更精準的獎勵訊號指導。

推理planning

最後，在推理的規劃方面，團隊透過自研的Q*線上推理演算法，以及模型的線上思考能力，實現了最優推理路徑的尋找。

概括來說，Q*演算法透過借鑑人類大腦中「System 2」的思考方式，將LLM的多步推理過程抽象為一個啟發式搜尋問題。

然後，再透過Q*線上推理框架與模型線上思考的結合，實現了推理過程中的精細規劃，進而指導LLM的解碼過程。

Q*演算法的成功落地，不僅顯著提升了模型的線上推理能力，同時也標誌著Q*演算法的全球首次實現和公開。

論文地址：https://arxiv.org/abs/2406.14283

更進一步的，團隊基於Q*演算法對推理系統進行了全面最佳化。

第一點是模組化的樹形結構推理：

團隊透過高質量、多樣化的長思考資料對Skywork o1進行預訓練和監督微調，使模型具備了對整個推理流程進行系統規劃，自動將回答按層次展開，同時在推理過程中融入自我反思和驗證環節的結構化輸出能力。

此外，還創新性地利用以「模組」為單位的規劃方式，取代了傳統的以「句子」為單位的方法。既提升了規劃效率，也使PRM能夠基於更完整的模組化回答進行準確判斷和推理指導。

第二點是自適應的搜尋資源分配：

針對現有o1風格模型存在的過度思考問題，團隊開發出了一種全新的自適應搜尋資源分配機制。也就是，透過對使用者query進行難度預估，自適應地控制搜尋樹的寬度和深度，進而實現簡單問題快速響應、複雜問題多輪驗證的動態平衡，有效提升了系統的計算效率和回答準確率。

最終，Skywork o1在GSM8k，MATH，OlympiadBench，AIME-24和AMC-23標準數學基準測試，以及HumanEval、MBPP、LiveCodeBench和BigCodeBench程式碼基準測試中，效能顯著優於常規通用大模型，表現僅次於o1-mini。

實時語音助手，開啟AI互動新紀元

在APP端，「天工大模型4.0」4o版加持的實時語音對話助手Skyo，同樣帶來了前所未有的自然互動體驗。

它不僅能在1秒內快速響應，還具備了多語言對話、主動發起對話、實時被打斷的能力。

與此同時，4o未來版本可以支援個性化聲音定製功能，能夠以任何人希望的風格暢聊。

這是這種個性化的體驗，讓4o不再是冰冷的AI，而是一個更智慧的AI夥伴。

當你喚醒Skyo後，他會主動熱情打招呼，並嘗試開啟一個新的話題。當你生活中遇到難題時，可以向它尋求建議和幫助。

比如，家裡2歲的寶寶總是說不要不要，我該怎麼辦？