OpenAI重磅发布o3，再次突破AI极限

OpenAI迎来了年底AI春晚的收官之作。

这次发布的o3系列模型是o1的迭代版本，考虑到可能与英国电信运营商O2存在版权或商标冲突，OpenAI决定跳过“o2”命名，直接采用“o3”。

为此，OpenAI CEO Sam Altman更是自嘲公司在模型命名方面的混乱（原来你也知道呀）。

本次发布会由Sam Altman、研究高级副总裁Mark Chen以及研究科学家Hongyu Ren（任泓宇）主持。

视频截图

值得注意的是，任泓宇本科毕业于北大，对o1有过基础性贡献，也是GPT-4o的核心开发者，曾在苹果、微软和英伟达有过丰富的研究实习经历。

o3系列包含两款重磅模型：

• OpenAI o3：旗舰版本，具备强大的性能表现

• OpenAI o3 mini：轻量级模型，但能更快，更便宜，主打性价比

先别急着高兴，因为o3系列目前并不会向普通用户开放，OpenAI计划先开放外部安全测试申请，正式发布时间预计要到明年1月。

（现在，感兴趣的朋友可以提交申请：https://openai.com/index/early-access-for-safety-testing/）

一、o3性能大跃迁，死记硬背？不存在的

o3模型的“纸面参数”迎来了全方位提升。

首先在SweepBench Verified基准测试中，o3达到了约71.7%的准确率，直接将o1模型甩在身后整整20%之多。

转入编码领域，o1在编程竞赛平台Codeforces上的得分为1891。而o3在开足马力，延长思考时间的情况下，得分可达2727。

作为参照，演示人员Mark Chen的得分也只有2500，充分展现了o3模型已经具备接近甚至超越人类专业程序员的实力。

在数学领域，o3同样表现出色。

在美国数学竞赛AIME 2024测试中，o3以90.67%的准确率完全碾压了o1的83.3%。

遇上衡量博士级科学问题解答能力的GPQA Diamond测试，o3取得了87.7%的成绩，而o1仅为78%。

什么概念呢？要知道，就算是领域内的博士专家，也往往只能在自己的专业范围内达到约70%的准确率。

面对当前基准测试接近满分的情况，OpenAI引入了一个全新的数学测试EpochAI Frontier Math。

这被认为是当前最具挑战性的数学评估之一，包含了极其复杂的问题。就连专业数学家解决单个问题也需要耗费数小时甚至数天。

目前，所有现有模型在该测试上的准确率都不足2%，而在高算力的长时间测试下，o3却能取得超过2457的分数。

说到AI领域的圣杯AGI，也就不得不提到ARC-AGI这个专门衡量AGI的基准测试。

ARC-AGI是由Keras之父François Chollet开发，主要是通过图形逻辑推理来测试模型的推理能力。

当演示人员向另一位演示人员Mark Chen提出即兴问题时，后者准确指出了任务的要求：需要计算每个黄色方块中彩色小方块的数量，并据此生成相应的边框。

这些对人类来说再简单不过的任务，对AI来说却是一道难题。

并且，ARC-AGI的每个任务都需要不同的技能，且刻意避免重复，完全杜绝了模型靠“死记硬背”取巧的可能，真正测试模型实时学习和应用新技能的能力。

现在，o3在低算力的配置下得分75.7分。当要求o3思考更长时间，并且提高算力，o3在相同的隐藏保留集上得分87.5%，远超大多数真人。

OpenAI的言外之意就是，o3将让我们离AGI更近一步。

二、o3 mini重磅发布，速度更快，成本更低

今年九月，OpenAI发布了o1 mini，具有很强的数学和编程能力，而且成本极低。

延续这一发展方向，今天推出的o3 mini也保留了上述特征。即日起，该模型仅向安全研究人员开放测试申请，截止日期为1月10日。

o3 mini支持低、中、高三种推理时间模式。

用户可根据任务复杂度灵活调整模型的思考时间。例如，复杂问题可选择更长的思考时间，而简单问题则可快速处理。

从首批评估结果来看，在衡量编程能力的Codeforces Elo评分中，随着推理时间的增加，其Elo分数持续攀升，在中等推理时间下就已超越o1 mini。

演示人员要求模型使用Python创建了一个代码生成器和执行器，该脚本可启动服务器并创建本地用户界面。用户可在文本框中输入代码请求，系统会将请求发送至三种高级模式的API，生成并执行相应代码。

例如，当要求其生成一个包含OpenAI和随机数的代码时，o3 mini的中等推理模式迅速完成了处理。

另外，它还能自己测试自己，比如说在GPQA数据集测试中，模型以低推理模式完成了复杂数据集的评估。

它下载原始文件，识别CSS、答案和选项，整理问题并进行解答，最后进行评分，仅用一分钟就完成了自我评估，准确率达到61.62%。

在数学领域，o3 mini同样表现优秀。

在AIME数学基准测试中，其低推理模式就达到了与o1 mini相当的性能，中等推理模式更是超越了o1 mini，且延时更低。

另外，应广大开发者呼声，o3 mini模型也将全面支持函数调用、结构化输出和开发者指令等API功能。

现在，o3 mini和o3的申请通道现已开放。o3 mini预计将于1月向所有用户推出，完整版o3则将在后续发布。

三、写在最后

在这个为期12天的年末发布会上，OpenAI终于祭出了压箱底的杀手锏。

可以说，o3模型的发布为这场一度陷入“高开低走”困境的发布会，画上了一个意料之外却又情理之中的圆满句号。

短短不到3个月的时间，OpenAI就完成了o1模型的迭代升级。

这种从GPT系列到o系列的转型，显然是OpenAI深思熟虑后的战略选择，而事后结果也证明这个决定是明智的。

不过，值得注意的是，微软CEO Satya Nadella近期在一档播客节目中表示，OpenAI在AI领域领先竞争对手约两年之久。

也正是这种相对宽松的竞争环境，使得OpenAI能够专注于开发ChatGPT。

然而，当前形势攻守易形也。

Menlo Ventures的报告显示，ChatGPT的市场份额被其他竞争对手逐渐蚕食，从2023年的50%下降到了2024年的34%。

由“标配”沦为“可选项”，ChatGPT的光环正在褪去。

这背后的原因显而易见，OpenAI的“护城河”正被短命狂奔的竞争对手们一寸寸填平。

来自Artificial Analysis的调研数据清晰显示，Anthropic和Google等厂商陆续开发出性能接近GPT-4、OpenAI o1等新模型。

并且，随着Scaling Law触及天花板，核心高管人才相继离场，OpenAI过往靠单个基础模型赢得的红利正在加速消退。

在动辄以天计的行业里，即便是今日发布的o3模型也很难再次创造长达2年的空窗期。

尤其是当Grok-3和Claude等新模型蓄势待发，留给OpenAI的时间或许已经不多了。

醒醒，今年最好的AI厂商依旧是OpenAI，但明年或许会因为不同的AI方向有无数种答案。

所幸，作为用户的我们，都将是这场变局中最大的赢家。