在科技界万众瞩目的线上新品发布活动尾声，OpenAI于近日揭晓了其最新力作——o3模型，以及一个更为精简的版本o3-mini。这一发布标志着OpenAI在人工智能领域的又一重大突破。
OpenAI的首席执行官Sam Altman在直播中透露，此次发布活动首尾呼应，均聚焦于推理模型。活动首日推出了正式版o1，而压轴登场的o3则展现了更为强大的能力。
关于新模型命名为o3而非o2的原因，Altman解释称，这是出于对英国电信服务商O2的尊重，以避免名称冲突。这一决定体现了OpenAI的细心与周到。
Altman在直播中高度评价o3为“极其聪慧的模型”。OpenAI的评估数据显示，o3在软件工程、代码编写、竞赛数学以及自然科学知识掌握方面，均显著超越其前辈o1。更令人振奋的是，o3在OpenAI实现通用人工智能（AGI）的征途上取得了关键性进展，测试成绩已达到类人水平。
回顾今年9月，OpenAI发布o1预览版时，曾宣称o1是首个具备真正通用推理能力的大模型。在测试化学、物理和生物学专业知识的基准GPQA-diamond上，o1的表现全面超越人类博士专家，准确率高达78.3%。而此次o3的推出，更是将这一标准推向了新的高度。
在软件工程能力测评中，o3凭借71.7%的准确率远超o1的48.9%和o1预览版的41.3%。在竞争性编程网站Codeforces的测评中，o3的Elo评分高达2727，较o1正式版高出44%，是o1预览版的两倍多。在数学竞赛AIME的题目测试中，o3的准确率高达96.7%，仅错一道题，表现堪比顶级数学家。
在测试化学、物理和生物学专业知识的基准GPQA-diamond上，o3的准确率也达到了87.7%，较o1和o1预览版均有显著提升。这些数据无疑证明了o3在多个领域的卓越表现。
o3在AGI评估中也取得了显著进步。以100%为最高分的ARC-AGI评估结果显示，o3的最低成绩为75.7%，最高成绩更是高达87.5%，超过了标志着达到人类水平的门槛85%。这一成绩无疑为OpenAI实现AGI的目标注入了强大动力。
与此同时，o3-mini作为o3的精简版，也在性能与成本之间找到了完美的平衡点。在编码评估方面，o3-mini展现出了出色的性能提升，甚至在中位思考时间下，其性能优于o1模型，且成本更低。这意味着开发人员可以在不增加过多成本的情况下，获得更高效的编程辅助。
o3-mini还支持函数调用、结构化输出、开发者消息等一系列功能，与o1模型相当。在实际应用中，o3-mini在大多数评估中实现了可比或更好的性能。在现场演示中，o3-mini的强大功能得到了直观展示，其处理复杂任务的能力令人印象深刻。
尽管o3和o3-mini的测评表现惊艳，但OpenAI并未急于将其推向大众市场。目前，OpenAI已允许安全研究人员注册访问o3和o3-mini的预览版，并计划于明年初正式发布这些新模型。这一决定无疑为科技界和广大用户留下了更多期待。
