今天凌晨2点，OpenAI开启了第9天技术分享直播，正式发布了o1模型的API，同时对实时API进行了重大升级，新增WebRTC支持。此次更新涵盖多项重要功能，信息量极为丰富。

首先来看o1模型API的变动。与之前的预览版相比，推理成本大幅降低60%，并集成了高级视觉功能。GPT-4o的音频成本同样下降60%，而mini版本的降幅更为惊人，价格直接降低了10倍。此外，OpenAI还推出了一种全新的偏好微调方法——直接偏好优化，使模型能够更精准地把握用户的偏好风格。

o1模型API

正式版o1 API集成了多项新能力：函数调用、结构化输出、开发者消息，以及推理工作量控制。函数调用允许模型依据输入数据自动调用后端服务或外部API，以处理复杂任务；结构化输出支持JSON格式返回，确保结果规范易解析；开发者消息作为一种新型系统消息，赋予开发者更大的控制权来指导模型行为；而推理工作量参数则用于调节模型的思考时间，在性能与准确性之间取得平衡。

在演示环节，OpenAI展示了一个视觉功能的应用案例——检测错误表单。上传一张填写有误的表格图片后，o1模型能够准确识别计算错误，并给出详细的修正建议。不仅如此，对于需要精确执行的任务，模型还能借助内置函数库与后台服务器通信，例如获取最新税率信息，从而保证结果的准确性与时效性。

实时API增强，支持WebRTC，开发流程大简化

WebRTC本身就是为实时通信而设计的技术，广泛应用于会议、低延迟视频流等场景。OpenAI在实时API中加入对WebRTC的支持后，AI应用能够自动处理网络波动，例如调整比特率、进行回声消除，从而为实时语音应用带来更优的性能与稳定性。

与以往的Websockets集成相比，WebRTC大幅减少了代码量。使用Websockets时，开发者需要编写200到250行代码来处理反压等问题；而改用WebRTC后，仅需12行代码即可实现相同功能。以实时语音聊天应用为例，WebRTC使开发者能够更快地构建功能强大的应用，效率提升十分显著。

在演示环节，通过简单的HTML代码创建对等连接，即可实现音频流的发送与接收，直观展示了WebRTC带来的便利性。开发者只需关注业务逻辑，无需再纠结复杂的网络通信细节，开发门槛大大降低。此外，OpenAI还推出了Python SDK支持，价格也相应下调。

偏好微调

偏好微调与传统的监督式微调思路完全不同——它采用成对样本比较学习的方式，让模型理解并适应特定应用场景中的细微差异。具体来说，开发者先准备一组数据集，每个样本包含两个不同版本的回答，其中一个是更优的选项。然后将这些数据输入模型进行训练，让模型学会区分优劣答案的不同之处，并根据反馈不断调整自身的行为准则。

这种方法特别适合那些对回答格式、语气或抽象特质（如友好度、创造力）有较高要求的场景。例如，在构建金融咨询聊天机器人时，开发团队不仅希望模型提供专业且准确的财务建议，还期望它保持友好、易于理解的沟通方式。此时便可用偏好微调，向模型展示多种不同的对话示例，直至找到最理想的表达方式。实践证明，这种方法能显著改善模型表现，尤其在客户服务或个性化推荐这类主观评价任务上。

值得一提的是，偏好微调不仅限于文本生成，同样适用于图像生成、代码补全等其他类型的输出。通过大量样例的学习，模型能逐步形成一套稳定的行为模式，更好地满足用户需求。更重要的是，这种微调方式支持持续迭代改进——随着更多高质量数据的积累，模型的表现也会不断提升。

目前，这些API已经普遍可用，更详细的内容可前往OpenAI开发论坛查看。