OpenAIs neueste Modellreihe, jetzt offiziell OpenAI o1 genannt, ist endlich da – nach langer Zeit unter geheimnisvollen Codenamen wie Q* und Strawberry.
Entgegen vieler Erwartungen heißt dieser neueste Streich der ChatGPT-Macher nicht GPT-5 und beendet damit monatelange Spekulationen der Fans.
Das Highlight dieses Strawberry-LLMs ist seine verbesserte Denkleistung, ein klarer Fortschritt gegenüber früheren Modellen.
Laut OpenAI wurde o1 darauf trainiert, sich mehr Zeit zum Nachdenken zu nehmen, was es näher an menschliche Intelligenz heranbringt.
Was ist o1?
Die o1-Modelle legen im Gegensatz zu ihren Vorgängern mehr Wert auf tiefgehendes Denken statt auf schnelle Antworten und nehmen sich mehr Zeit, um Informationen zu verarbeiten, bevor sie reagieren.
Als Teil der Transformer-basierten LLM-Familie von OpenAI können die o1-Modelle Texte zusammenfassen, neuen Inhalt erstellen, Fragen beantworten und sogar Anwendungscode schreiben.
Im September 2024 brachte OpenAI die ersten Modelle heraus: das o1-preview, das sich auf komplexe Problemlösungen spezialisiert, und das o1-mini, eine kleinere, kostengünstigere Variante.
Anstatt sich nur auf die übliche Transformer-Methode zu stützen, bei der Wörter durch Gewichte verknüpft werden, „denkt“ o1 über Probleme nach, um den besten Ansatz zu finden, und zielt dabei auf präzisere Antworten bei kniffligen Fragen ab.
Diese Modelle wurden zunächst als Vorschauversionen eingeführt, um sowohl den Nutzern als auch OpenAI eine neue LLM-Erfahrung zu bieten, die sich vom GPT-4o abhebt.
Der Kern der Denkfähigkeit von o1 basiert auf „Chain-of-Thought“-Prompting, einem schrittweisen, wiederholenden Prozess, der schwierige Aufgaben meistert.
Im Vergleich zu früheren OpenAI-Modellen sind die o1-Modelle darauf ausgelegt, bei mehrstufigem Denken und komplexen Problemlösungsstrategien zu glänzen.
Bis Dezember 2024 entwickelte sich das o1-preview zum regulären o1, während OpenAI den o1-Pro-Modus im Rahmen des 200-Dollar-ChatGPT-Pro-Abonnements einführte.
Fortschrittliche Trainingsmethoden wie Reinforcement Learning waren entscheidend, um die verbesserten Denkfähigkeiten der o1-Familie zu entwickeln.
Was ist die Innovation in OpenAI o1?
Statt wie frühere Modelle sofort zu antworten, nimmt sich OpenAI o1 Zeit zum „Nachdenken“, zerlegt knifflige Fragen in kleine Teile, versteht den Zusammenhang und liefert durchdachte, gut begründete Antworten.
Bisher lag der Fokus beim Entwickeln von LLMs vor allem auf dem Pre-Training, mit der Annahme, dass hochwertige Daten die Denkfähigkeit eines Modells verbessern würden.
OpenAI o1 setzt dagegen auf eine Optimierung von Training und Inferenzphasen, um bessere Ergebnisse zu erzielen.
Dank dieses Ansatzes meistert es anspruchsvolle Mathe-Wettbewerbe – etwa auf AIME-Niveau – mit Bravour.
Beim Training nutzt OpenAI o1 (auch „strawberry“ genannt) fortschrittliche, proprietäre Reinforcement-Learning-Algorithmen (RL), um Präzision und Denkvermögen zu steigern.
Diese verbesserte Denkleistung ermöglicht es o1, mit menschlichen Experten mitzuhalten, sie in verschiedenen Tests sogar zu übertreffen und bei Wettbewerben wie CodeForces zu glänzen.
Mal sehen, wie es im Vergleich zu anderen Modellen seiner Klasse abschneidet.
Das Ergebnis? Es schafft nicht nur den Wettbewerb, sondern siegt oft in anspruchsvollen Aufgaben und sprengt damit die Grenzen dessen, was LLMs leisten können.
Wie nutzt man ChatGPT o1?
Entwickler auf Stufe 5 der OpenAI-API können sofort mit beiden o1-Modellen herumprobieren, sind aber vorerst auf 20 Anfragen pro Minute beschränkt.
Im November 2024 ist die volle o1-Version versehentlich in ChatGPT gelandet, was ein paar Nutzern kurz die Chance gab, mit den Funktionen zu experimentieren, bevor OpenAI den Zugang wieder sperrte.
Aktuell können Abonnenten von ChatGPT Plus, Team und Enterprise sowie Edu-Nutzer die Modelle o1 und o1-mini nutzen, allerdings mit gewissen Einschränkungen.
Auch über Drittanbieter wie Microsoft Azure AI Studio und GitHub gibt’s begrenzte Möglichkeiten, einige Features der Modelle auszuprobieren.
Später hat OpenAI den Zugang zu o1 dann offiziell im Rahmen des „12 Tage von OpenAI“-Events im Dezember freigegeben.
Kostenlose Nutzer schauen derzeit in die Röhre, aber OpenAI plant, o1-mini in den nächsten Monaten auch für alle ohne Abo freizugeben.
Um den ChatGPT o1 Pro-Modus zu nutzen, musst du das neue Pro-Abo für 200 Euro pro Monat und Nutzer abschließen – das bringt auch unbegrenzten Zugriff auf GPT-4o und o1, solange du dich an OpenAIs Regeln für verantwortungsvolle Nutzung hältst.
Einschränkungen von OpenAI o1
OpenAI o1 glänzt in vielerlei Hinsicht, aber es gibt ein paar Schwächen, die beeinflussen könnten, wie gut es in bestimmten Situationen passt, daher lohnt es sich, diese Punkte im Kopf zu behalten.
Da es nicht im Internet surfen kann, bleibt o1bei aktuellen Infos womöglich auf dem Stand von gestern, was für Leute, die Echtzeitdaten oder Neuigkeiten brauchen, ein Problem ist.
Besonders auffällig ist das gemächliche Tempo des Modells: Es nimmt sich bei komplexen Fragen mehr Zeit, liefert dafür tiefere Antworten, strapaziert aber die Geduld von Nutzern, die schnelle Reaktionen wollen.
Transparenz leidet darunter, dass der Gedankengang hinter den Kulissen bleibt – eine Entscheidung, die zukünftige Sicherheit und Überwachung erleichtern soll, aber Nutzer im Dunkeln über die Entscheidungsfindung lässt.
Wenn man es für Aufgaben einsetzt, die nicht zu seinen Stärken passen, kann o1 enttäuschen, vor allem dort, wo sofortige Rückmeldung gefragt ist und die Verzögerung zum Nachteil wird.
Das macht es ungeeignet für flotte Anwendungen wie Echtzeit-Chatbots oder Übersetzungsprogramme, wo schon ein paar Sekunden Wartezeit die Nutzer genervt zurücklassen können.
Fazit
Zu entscheiden, welches Modell für eine bestimmte Aufgabe passt, ist jetzt eine neue Herausforderung, anders als bei den klaren Verbesserungen von GPT-3.5 zu GPT-4 bis GPT-4o, wo jede Version die vorherige in allen Bereichen übertraf.
Das o1-Modell bricht mit diesem Muster, denn was bei GPT-4o gut lief, klappt bei o1 nicht unbedingt genauso.
Ich vermute, OpenAI wird das irgendwann vereinfachen, indem Aufgaben automatisch an das passende Modell weitergeleitet werden, aber vorerst müssen wir selbst gut überlegen.
Bedeutet dieser Wandel das Ende der „Allzweck“-Modelle? Wohl kaum, doch er stellt die alte Entwicklung auf den Kopf.