就在 GPT 4.1 系列发布几天后，OpenAI 再次发布了 o3 和 o4-mini 推理模型，向 AGI（人工通用智能）迈出了一大步。o3 和 o4-mini 不仅仅是人工智能模型，它们还是具有高级智能、自主性、工具调用功能和实际软件工程技能的人工智能系统。这些新模型不会等着你去做工作；它们会自己去使用工具，自动完成任务！因此，让我们深入探讨新的 o 系列模型 o3 和 o4-mini 的功能、基准性能和应用。
什么是o3和o4-mini？
o3 和 o4-mini 是 OpenAI 最新的推理模型，它们继承并取代了 o 系列中以前的模型，如 o1 和 o3-mini。与主要关注模式识别和文本生成的标准 LLM 不同，这些推理模型采用了更长的内部“思维链”流程。
这使它们能够分解复杂的问题，评估不同的步骤，并得出更准确、更周到的解决方案。因此，它们在 STEM、编码和逻辑推导等领域尤其出色。此外，这些模型是 o 系列中第一个能够代理使用和结合 ChatGPT 中的全套工具的模型。
o3 是 OpenAI 迄今为止最先进的推理模型，在需要跨领域深度分析思考的任务中表现出色。该模型的计算能力是 o1 的 10 倍，具有 “图像思维 ”能力。这使它能够在认知过程中直接处理视觉输入并进行推理，这是非常了不起的。
o4-mini 是 o3 的紧凑、高效和高性价比的对应产品。虽然体积较小，但它的性能却令人印象深刻，尤其是在数学、编码和视觉任务等领域。它的优化设计确保了更快的响应速度和更高的吞吐量，使其适用于对速度和效率要求极高的应用。
其他模型：OpenAI 还发布了 o4-mini-high 变体，它耗时更长，但答案可能更可靠。
未来版本：计划在不久的将来向专业版订阅者发布功能更强大的 o3-pro 版本，该版本将利用更多的计算资源。
推荐阅读：Llama 4模型：Meta AI正在开源最好的模型
o3和o4-mini的主要特点
以下是这些先进而强大的推理模型的一些主要特点：
- 代理行为：它们具有主动解决问题的能力，能自主确定复杂任务的最佳方法，并高效执行多步骤解决方案。
- 先进的工具集成：这些模型可无缝利用网页浏览、代码执行和图像生成等工具来增强其响应能力，并有效处理复杂的查询。
- 多模态推理：他们可以处理视觉信息并将其直接整合到推理链中，从而能够在解释和分析文本数据的同时解释和分析图像。
- 高级视觉推理（“图像思维”）：这些模型可以解读复杂的视觉输入，如图表、白板草图，甚至是模糊/低质量的照片。作为推理过程的一部分，他们甚至可以处理这些图像（缩放、裁剪、旋转、增强），以提取相关信息。
o3和o4-mini是否Reflect AGI？
这两个“o 系列”模型都是专门设计来进行更深入的思考，并在做出反应之前进行复杂、多步骤的推理。
当需要解决一个问题时，o3 会首先使用蛮力找出一个解决方案。然后，模型会找到一种更聪明的计算方法，并以更简洁的格式呈现出来。它还会进一步重新检查答案，并将其简化，为用户提供非常简单易懂的回复。
现在，虽然这一思考过程的一部分是基于计算和训练，但这些模型并没有被明确教导如何简化答案或重新检查答案。这使得它们成为自我进化和自我学习的模型，让我们更接近 AGI。
此外，o3 还能自主决定何时以及如何使用 ChatGPT 中的各种工具（网络搜索、Python 数据分析、DALL-E 图像生成和视觉）来解决复杂的多方面查询。它可以连锁调用多个工具，反复搜索网络，分析结果，并综合各种模式的信息。
o3和o4-mini的可用性
两种模型均可通过 OpenAI 的 ChatGPT 平台和 API 服务访问。
ChatGPT Access：订阅 ChatGPT Plus、Pro 和 Team 计划的用户可直接在聊天界面上使用 o3、o4-mini 和 o4-mini-high 模型。企业和教育用户将在一周内获得访问权限。免费用户可在提交查询前选择 “Think ”选项，体验 o4-mini。
API 访问：开发人员可以通过 OpenAI 的聊天完成 API 和 Responses API 将 o3 和 o4-mini 集成到他们的应用程序中，从而在各种平台上实现定制的人工智能解决方案。
o3和o4-mini：基准性能
在一系列标准基准测试中，o3 和 o4-mini 模型都表现出了卓越的性能。
- SWE-Lancer：这两种模型的高变体在这一编码基准测试中表现优异，令其祖先汗颜。
- SWE-Bench Verified（软件工程）：o3 获得 69.1%，o4-mini 紧随其后，获得 68.1%。这两个模型的表现都明显优于以前的模型，如 o3-mini（49.3%）和竞争对手 Claude 3.7 Sonnet（63.7%）。
- Aider Polyglot（代码编辑）：在代码编辑基准方面，这两个模型都被证明是 OpenAI 的佼佼者，创造了新的记录。
- AIME 2025（数学）：o4-mini 在配备 Python 解释器的情况下得分 99.5%，树立了新的标杆，而 o3 紧随其后，得分 98.4%。
- Codeforces（竞技编程）：o4-mini 的 Elo 评分为 2719，反映了其在竞技编程场景中解决问题的高级技能。与此同时，o3 获得了 2706 分，表现仍比其他模型高出数倍。
- GPQA Diamond（博士级科学）：o3 在不使用任何工具的情况下，在这一基准测试中取得了 87.7% 的准确率，展示了先进的科学推理能力，o4-mini 紧随其后，取得了 81.4% 的准确率。
- MMMU（大规模多模态多任务理解）：o3 在这项基准测试中表现出色，展示了其处理涉及文本和视觉数据的各种复杂任务的能力。
- Humanity’s Last Exam：在这个评估不同领域的专家级推理的基准测试中，o3 的准确率达到 26.6%，超过了所有其他 OpenAI 模型。同时，o4-mini 的表现明显优于其前身 o3-mini。
想更好地了解这些基准的含义？请阅读我们的 LLM 基准综合指南。
o3和o4-mini的应用
o3 和 o4-mini 的推理能力、工具使用和可视化功能得到了增强，从而开启了广泛的潜在应用领域，包括
- 复杂数据分析和报告：通过编写和执行 Python 代码、从网上获取补充信息以及生成摘要或可视化效果来分析数据集。
- 高级科学研究：通过解释复杂图表、分析实验数据、搜索文献以及提出新的研究方向，为研究人员提供协助。
- 复杂编码与软件工程：调试复杂的代码，根据可视化模型或图表生成代码，理解资源库结构，执行多步骤软件开发任务。
- 教育与辅导：利用循序渐进的推理解释复杂的 STEM 概念，解释教科书上的图表或手写笔记，并提供互动式问题解决帮助。
- 多模态内容创建与理解：生成详细描述或图像分析，创建需要整合文本和视觉元素的内容，以及根据视觉证据回答问题。
- 商业智能与战略：利用实时网络数据分析市场趋势，进行预测，并根据综合信息来源制定战略计划。
- 创造性地解决问题：应对开放式挑战，需要结合不同类型的信息和推理步骤。
小结
OpenAI 的 o3 和 o4-mini 模型代表了人工智能能力的重大进步，尤其是在推理和多模态理解方面。通过将深度推理与多功能代理工具使用以及“用图像思考”的新能力相结合，这些模型为人工智能的智能性和实用性设定了新标准。这些模型在各种基准测试中的出色表现，彰显了它们在软件工程和科学研究等领域处理复杂现实任务的潜力。
o3 可为要求最苛刻的任务提供峰值性能，而 o4-mini 则是能力、速度和成本效益的完美结合。不过，这两种模型都具有相同的代理和自主能力，展示了人工智能的先进性。随着人工智能的不断发展，这种创新模型将为更复杂、更多用途的应用铺平道路，使我们更接近实现 AGI。
暂无评论内容