作为 12 Days of OpenAI 的第一天，OpenAI 发布了其最智能的 AI 模型 o1 专业模式（o1 pro mode）。根据外部专家和测试人员的评估，o1 专业模式（o1 pro mode）在数据科学、编程和案例法分析等领域，能够生成更可靠、更准确、覆盖更全面的响应，但会花费更长的推理时间。
与 o1 和 o1-preview 相比，o1 专业模式在数学、科学和编程等挑战性机器学习基准测试中表现更优。
为了突出 o1 专业模式的主要优势（可靠性提升），OpenAI 采用了更严格的评估设置：只有当模型在四次尝试中四次都正确回答问题（“4/4 可靠性”）时，才认为解决了该问题，而不仅仅是一次正确。
ChatGPT 专业用户可以通过在模型选择器中选择 o1 专业模式来访问此功能。由于生成答案的时间更长，ChatGPT 会显示一个进度条，并在用户切换到其他对话时发送应用内通知。
Ploy 公司将 AI agent 从 Claude Opus 4.8 迁移至 GPT-5.6 Sol 后，构建耗时缩短过半且成本降低，但过程中遭遇三大工程挑战。一是评测框架适配旧模型导致误判；二是新模型填充冗余参数引发工具调用异常，需通过 schema 变换解决；三是缓存机制差异致命中率归零，需重构 key 策略。这表明生产环境模型迁移并非简单替换，需针对调用习惯与基础设施进行深度工程适配。
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
谷歌推出开源模型 Gemma 4，旨在解决网络受限地区无法使用前沿 AI 的问题。该模型追求内存占用下的智能最大化，首次具备多模态与智能体能力，支持在无网移动端高效运行复杂任务。目前已在乌干达离线医疗系统及秘鲁原住民语言保护等场景中落地应用。通过将大模型蒸馏至终端设备，Gemma 4 摆脱了对云端算力的依赖，推动去中心化开源生态发展，赋能各社区按需构建专属系统。
围绕《第一天：OpenAI 发布 o1 专业模式》展开交流，未登录用户可浏览评论，登录后可参与讨论。
