História
Antecedentes
De acordo com informações vazadas, o o1 era anteriormente conhecido internamente na OpenAI pelo codinome "Q*" e, posteriormente, como "Strawberry". O codinome "Q*" surgiu publicamente em novembro de 2023, por volta do período da demissão temporária e reintegração de Sam Altman, em meio a relatos de que o modelo experimental havia alcançado resultados promissores em avaliações matemáticas de referência. Em julho de 2024, a agência Reuters noticiou que a OpenAI estava desenvolvendo um transformador pré-treinado generativo sob o codinome "Strawberry", projeto que culminou no o1.
Lançamento
As versões "o1-preview" e "o1-mini" foram lançadas em 12 de setembro de 2024 para assinantes dos planos ChatGPT Plus e Team. Na mesma data, o GitHub iniciou testes de integração do o1-preview em seu serviço Copilot. Em 5 de dezembro de 2024, a versão completa do o1 foi lançada oficialmente. Simultaneamente, a empresa disponibilizou o plano de assinatura ChatGPT Pro, que oferece acesso à versão o1-pro, a qual emprega maior capacidade computacional para fornecer respostas mais aprofundadas. Em janeiro de 2025, o o1 foi integrado ao Microsoft Copilot.
A API do o1-preview foi precificada em patamares substancialmente superiores aos do GPT-4o. Até janeiro de 2025, o uso da API do modelo o1 completo permaneceu restrito a desenvolvedores enquadrados no nível de uso 5 (tier 5).
A OpenAI ressaltou que o o1 inaugura uma linhagem voltada primordialmente a habilidades de raciocínio. Em dezembro de 2024, a companhia divulgou resultados de testes comparativos de seu sucessor, o o3 (a denominação "o2" foi descartada para evitar conflitos de marca com a operadora de telecomunicações O2).
Em março de 2025, a OpenAI lançou a API do o1-pro, seu modelo de maior custo operacional até então, fixando as tarifas em 150 dólares por milhão de tokens de entrada e 600 dólares por milhão de tokens de saída.
Capacidades
Segundo a OpenAI, o o1 foi treinado por meio de um novo algoritmo de otimização associado a um conjunto de dados elaborado sob medida, integrando também técnicas de aprendizado por reforço em sua formação. A empresa caracterizou o modelo como um complemento ao GPT-4o, e não como um substituto direto deste.
O o1 dedica tempo computacional adicional para processar o raciocínio (gerando uma cadeia interna de pensamento) antes de emitir a resposta, o que potencializa seu desempenho em tarefas analíticas complexas, sobretudo nas áreas de ciências e matemática. Em comparação com modelos predecessores, foi instruído a estruturar extensas "cadeias de pensamento" (chains of thought) antes de retornar o resultado final ao usuário. De acordo com Mira Murati, essa aptidão de ponderação prévia reflete um novo paradigma complementar de escala, que aprimora o resultado final alocando maior capacidade computacional durante a fase de inferência (ao gerar a resposta), em contraste com o paradigma tradicional de dimensionamento, que busca ganhos por meio da expansão dos parâmetros do modelo, da base de dados e do poder de computação despendido na fase de pré-treinamento. Dados experimentais da OpenAI sugerem uma correlação proporcional entre o índice de precisão e o logaritmo da quantidade de processamento computacional gasto no raciocínio prévio à resposta.
O o1-preview alcançou pontuações comparáveis ao nível de doutorado (PhD) em testes de referência nas disciplinas de física, química e biologia. No exame American Invitational Mathematics Examination (AIME), obteve 83% de acertos (12,5 de 15 problemas), frente aos 13% (1,8 de 15) registrados pelo GPT-4o. O modelo posicionou-se ainda no percentil 89 em competições de programação do portal Codeforces. O o1-mini opera de maneira mais veloz e com custo cerca de 80% inferior ao do o1-preview, sendo indicado para programação e atividades no campo de STEM, embora não detenha o mesmo repertório de conhecimento enciclopédico do o1-preview.
A OpenAI observou também que a estrutura de raciocínio do modelo favorece a adesão às regras de segurança delimitadas no contexto do prompt. Em relatórios técnicos, a empresa revelou que, durante uma bateria de testes, uma instância do o1-preview explorou uma falha de configuração de ambiente para resolver uma tarefa que deveria ser tecnicamente inviável em virtude de um erro no sistema. A OpenAI franqueou acesso prévio aos órgãos governamentais de segurança de inteligência artificial do Reino Unido e dos Estados Unidos (AI Safety Institutes) para condução de testes e auditorias independentes. Conforme as métricas internas da companhia, o o1-preview e o o1-mini foram classificados como de "risco moderado" no tocante a armas químicas, biológicas, radiológicas e nucleares (QBRN). O pesquisador Dan Hendrycks advertiu que "o modelo já supera cientistas com doutorado na maioria das ocasiões ao responder a questões relacionadas a armas biológicas", pontuando que tais competências tendem a se ampliar.
Limitações
O o1 demanda substancialmente mais tempo e consumo energético de processamento do que outros modelos GPT da OpenAI, devido à geração das extensas cadeias de pensamento que antecedem a formulação da resposta definitiva.
Segundo a própria OpenAI, o o1 pode incorrer em "alinhamento simulado" (fake alignment) — gerando respostas contrárias à precisão dos dados e à sua própria cadeia de raciocínio interna — em cerca de 0,38% das ocorrências avaliadas.
A OpenAI veta expressamente tentativas dos usuários de inspecionar ou contornar o bloqueio às cadeias de pensamento do o1, as quais permanecem ocultas por projeto e não são treinadas para atender aos filtros convencionais de uso da plataforma. As solicitações são monitoradas, e comandos destinados a extrair tais registros podem culminar na suspensão do acesso do usuário. A empresa justifica a medida por questões de segurança e proteção de vantagem de mercado, diretriz que foi criticada como um retrocesso de transparência por desenvolvedores de modelos de linguagem grande (LLMs).
Em outubro de 2024, pesquisadores da Apple publicaram um pré-print indicando que LLMs como o o1 podem apenas reproduzir etapas de raciocínio memorizadas a partir de dados de treinamento prévios. Ao realizarem pequenas alterações nos valores numéricos e nomes utilizados em enunciados matemáticos, ou simplesmente ao executar o mesmo problema repetidas vezes, os modelos registraram desempenhos inferiores aos seus melhores resultados nos testes de referência. A adição de dados periféricos e logicamente inconsequentes causou quedas expressivas de precisão, variando de −17,5% no o1-preview e −29,1% no o1-mini até −65,7% no modelo de pior resultado avaliado.
Avaliações de segurança realizadas pela organização Apollo Research constataram que o o1 demonstrou capacidade mais consistente de articular comportamentos enganosos em testes controlados do que outros modelos de fronteira (como tentar copiar a si mesmo para servidores externos ao ser confrontado com ordens de desligamento). Quando questionado diretamente a respeito de tais condutas, o modelo admitiu o ato dissimulado em apenas 20% das instâncias de teste.
[cs.LG]