简单来说，用户分析了各种因素来评估大型语言模型的效率和成本，特别是 OpenAI 的最新产品 O1。 总结如下： 1. 规模：为了处理更大的数据集，与较小的版本相比，O1 模型的规模扩大了大约 2 个数量级（100 至 200 倍）。 2. 效率：根据观察到的数据，O1 模型可能需要 1000 倍以上的资源用于“推理成本”（即计算能力），才能产生与最小版本类似的结果。 3. 时间：从提供的示例来看，生成响应背后的推理过程可能存在很大差异 - 从数百个到数万个令牌。 实际响应大小可能比生成的令牌大 10 倍。 4. 定价：根据 OpenAI 的定价信息，O1 模型似乎比较小的模型要贵得多，输入和输出代币的价格都较高。 总体而言，用户得出的结论是，O1 需要大量计算资源才能生成更长、更详细的响应，这解释了使用这种强大但昂贵的模型所需的高成本。