OpenAI o1
Le premier modèle de raisonnement d'OpenAI (septembre 2024) — il produit une phase interne de « réflexion » en chaîne de pensée avant de répondre, et a démontré que le calcul au moment du test peut battre la simple mise à l'échelle des paramètres.
Entraîné par apprentissage par renforcement, avec pour signal de récompense l'exactitude des réponses finales sur des problèmes de maths et de code. Le modèle apprend à produire de longues traces de raisonnement internes (en partie masquées à l'utilisateur). A établi un nouvel état de l'art sur AIME, USAMO et Codeforces, avec une large avance.
À l'origine de toute la vague des « modèles de raisonnement » : DeepSeek-R1, QwQ, Gemini Thinking, Claude Extended Thinking, GPT o3/o4. Contrepartie : cher et lent — les réponses prennent de quelques secondes à plusieurs minutes.