OpenAI 发布全新推理模型 o3：迈向通用人工智能的里程碑

OpenAI 近日宣布推出其最新的 AI 推理模型 o3 和 o3-mini，旨在以更高的精度和效率解决复杂问题。这些模型代表着 AI 能力的重大飞跃，建立在 2024 年 9 月推出的 o1 系列基础之上。

o3-mini 模型作为 o3 的精简版，专为编码任务而优化，预计将于 2025 年 1 月底发布。完整的 o3 模型将在不久后推出。这两个模型目前正在进行严格的安全评估，OpenAI 邀请安全和安全研究人员参与早期测试，申请截止日期为 2025 年 1 月 10 日。

OpenAI 在 X 上发布了一篇帖子，详细介绍了这些新模型，并强调了其对安全性和可靠性的承诺。该公告强调 o3-mini 是第一个预计公开发布的版本，为开发人员和编码人员提供了对 o3 系列实际应用的了解。

通过开放早期访问申请，OpenAI 为研究人员提供了一个独特的机会，让他们在 2025 年发布之前为这些变革性的 AI 模型的完善做出贡献。

“今天，我们分享了我们 o 模型推理系列中下一个模型的早期版本的评估：OpenAI o3。”OpenAI 在 X 上表示。

今天，我们分享了我们 o 模型推理系列中下一个模型的早期版本的评估：OpenAI o3 pic.twitter.com/e4dQWdLbAD

— OpenAI (@OpenAI) 2024 年 12 月 20 日

o3 的突破性意义

o3 系列引入了突破性的“私有思维链”方法。这使得模型能够通过在生成响应之前进行内部思考和规划来模拟人类的推理过程。通过将复杂的任务分解成更小、更易于管理的步骤，o3 模型旨在提高解决问题的准确性和效率。

这种方法代表了 AI 处理推理方式的转变，优先考虑深思熟虑而不是速度。虽然这意味着响应可能需要更长时间，但权衡是更高的复杂性和准确性，即使在具有挑战性的情况下也是如此。

o3 的卓越表现

独立评估表明 o3 是 AI 推理领域的一项突破。该模型在多个基准测试中取得了前所未有的成果，包括：

ARC-AGI 基准测试：在高计算场景中得分 87.5%，与人类的表现水平相一致。
2024 年美国数学邀请赛 (AIME)：得分 96.7%，仅错了一道题。
研究生级物理、化学和生物学问题 (GPQA Diamond)：得分 87.7%。

作为参考，ARC-AGI 基准测试是一种用于衡量 AI 在其训练数据之外获取新技能的能力的工具。得分 85% 通常被认为与人类的表现水平相匹配。OpenAI 的 o1 模型在该基准测试中的得分在 25-32% 之间，而 o3 的得分提高了三倍，巩固了其作为下一代推理 AI 的地位。

最新消息：OpenAI 刚刚宣布推出“o3”，这是一种突破性的 AI 模型，在基准测试中显著超越了所有以前的模型。

— 在 ARC-AGI 上：o3 在低计算量上的得分是 o1 的三倍多，并且超过了 87% 的得分
— 在 EpochAI 的 Frontier Math 上：o3 创造了新的记录，解决了 25.2% 的… pic.twitter.com/mELIIFHLe5

— Rowan Cheung (@rowancheung) 2024 年 12 月 20 日