本周果然是諸神之戰(zhàn)！

繼 GPT-4.1 發(fā)布、可靈2.0 發(fā)布、Claude 上線 Research、Gemini 全面上線 Veo 2 等等之后，OpenAI 帶來了 o3 滿血版和 o4-mini。

先來劃重點(diǎn)：

• 本次發(fā)布的模型，分別是 o3 和 o4-mini；
• 綜合看o4-mini性價(jià)比最高，o3能力最為綜合；
• 兩個(gè)模型均為多模態(tài)推理模型，在代碼、科學(xué)方面表現(xiàn)出色；

*網(wǎng)友實(shí)測(cè)，認(rèn)為Benchmark又要更新了

多模態(tài)推理也是本次官宣的重點(diǎn)。我們順手拿蘋果手表對(duì)o3做了測(cè)試：

*識(shí)別略有出入，真實(shí)型號(hào)是S9。不過這幾個(gè)型號(hào)確實(shí)外觀無太大差別，肉眼直接分辨也有難度。

Sam Altman本人也對(duì)這次發(fā)布劃了重點(diǎn)

ChatGPT 的 Pro、Plus、Teams 用戶將從今天開始能夠使用新模型，免費(fèi)用戶可以通過打開“深度思考”按鈕來試用 o4-mini。

*ChatGPT更新的頁面

"OpenAI 迄今為止最強(qiáng)大的模型們"

OpenAI 聯(lián)創(chuàng)之一 Greg Brockman 主持直播，開場(chǎng)白簡(jiǎn)單直接，直接宣布今天的重點(diǎn)：“發(fā)布兩款新模型，o3 和 o4-mini”。

首先被拋出的新模型描述就是，o3 和 o4-mini 是 OpenAI 目前為止最智能的模型。相比前代 o 系列模型，這兩款模型在深度思考方面的能力更突出，在回答問題之前會(huì)進(jìn)行更長(zhǎng)時(shí)間的思考。

另一個(gè)特點(diǎn)是，o3 滿血版和 o4-mini 可以使用 OpenAI 已經(jīng)發(fā)布的所有工具能力，包括聯(lián)網(wǎng)搜索、永久記憶等等。當(dāng)然，它們還是多模態(tài)的，可以直接對(duì)圖片進(jìn)行推理。

強(qiáng)大的推理能力，以及廣泛的工具調(diào)用能力，使得這兩款模型非常適合科學(xué)研究、代碼生成或數(shù)學(xué)問題解答。

分開來看，o3 定位為OpenAI當(dāng)前最強(qiáng)大、最前沿的推理引擎。尤其是在編程、商業(yè)/咨詢和創(chuàng)意構(gòu)思等領(lǐng)域表現(xiàn)出色。

o4-mini 則更強(qiáng)調(diào)性價(jià)比，是一款專為快速、成本效率優(yōu)化的推理模型，它的體量更小，性價(jià)比更高，在數(shù)學(xué)、編程和視覺任務(wù)方面有著不錯(cuò)的表現(xiàn)。

從科學(xué)方面的測(cè)評(píng)結(jié)果來看，o3 與 o4-mini 顯著領(lǐng)先于前代 o 系列模型。而在 o3 與 o4-mini 之間來進(jìn)行比較，得分差距并不是十分明顯，多數(shù)情況下，o4-mini 會(huì)略微領(lǐng)先于 o3。

現(xiàn)場(chǎng)直播中也給出了一道 AIME 題目的測(cè)試結(jié)果：

對(duì)于這個(gè)數(shù)學(xué)問題，模型在給出了正確的常規(guī)解法和答案后，甚至還額外給出了一個(gè)相對(duì)更“聰明”的解法。

再來看代碼能力

本次發(fā)布的兩款新模型在代碼能力上相較前代 o 系列模型提升明顯。在 SWE-Bench Verified 評(píng)測(cè)集上，o3 與 o4-mini 分別取得了 69.1% 與 68.1% 的分?jǐn)?shù)?？梢蕴峁﹨⒖嫉氖牵瑒倓偘l(fā)布的 GPT-4.1 在這項(xiàng)測(cè)試上的成績(jī)?yōu)?54.6%，而 Claude 3.7 Sonnet 一般情況下得分是 62.3%。

OpenAI 發(fā)布的模型在代碼生成能力測(cè)評(píng)上，終于超越了這個(gè)領(lǐng)域的王者Claude。

從現(xiàn)場(chǎng)給出的代碼類任務(wù)的 case 來看，模型在接到代碼問題后，到最終生成并執(zhí)行代碼之前，拆解出了一個(gè)個(gè)核心步驟。

本次發(fā)布的 o3 和 o4-mini 也都是多模態(tài)模型。

在官方給出的4項(xiàng)多模態(tài)測(cè)評(píng)數(shù)據(jù)結(jié)果中，o3 又一次全部超越了 o4-mini。

值得注意的是，在指令遵循方面，前幾天的 GPT-4.1 發(fā)布時(shí)，在 Scale MultiChallenge 榜單中得分僅排名第十。但本次發(fā)布的 o3 在這項(xiàng)測(cè)評(píng)中的成績(jī)，直接超越了原榜單第一名的 Gemini 2.5 Pro。

不僅在效果上超越了前代的 o 系列模型，在推理成本上也有顯著下降。

官方給出了新模型在 AIME 和 GPQA 兩個(gè)評(píng)測(cè)集上進(jìn)行的模型效果與預(yù)估推理成本之間的對(duì)比結(jié)果。

在達(dá)到相同的推理效果時(shí)，新模型所花費(fèi)的預(yù)計(jì)推理成本基本均小于前代模型。模型的推理成本優(yōu)化效果在 o3 與 o1 進(jìn)行對(duì)比時(shí)，提升十分的明顯。

OpenAI 稱對(duì)于大多數(shù)現(xiàn)實(shí)世界的使用，o3和o4 mini也將分別比o1和o3-mini更智能、更便宜。

*各模型 API 價(jià)格對(duì)比，圖源：機(jī)器之心

總之，o4-mini是性價(jià)比之選，o3是最新的任務(wù)效果天花板。o3-mini和o1，似乎都可以被替代了。

除了模型，還有 Agent

在介紹完新模型的信息后，Greg Brockman 還官宣了一個(gè)可以直接在命令行工具中運(yùn)行的、具備推理能力的代碼 Agent——Codex CLI。

Sam Altman對(duì)此的解讀是，它可以和擅長(zhǎng)Coding的o3和o4-mini搭配。

插播一句，今天OpenAI還被曝出，正在洽談以30億美元收購知名的AI輔助編程工具Windsurf。如果成真，將是OpenAI迄今為止規(guī)模最大的一筆收購。

在實(shí)際演示中，用戶只上傳了一張網(wǎng)友制作的小項(xiàng)目的帖子截圖。

模型先是對(duì)圖像中的內(nèi)容進(jìn)行了識(shí)別，然后就在沒有任何指令的情況下，開始嘗試猜測(cè)用戶關(guān)于這張圖片的具體需求。

僅通過自然語言描述需求后，Codex CLI 就直接生成了符合用戶要求的 HTML 文件。

在直播演示中，OpenAI Agent研究團(tuán)隊(duì)成員，僅通過一張“圖像到 ASCII 風(fēng)格轉(zhuǎn)換”的截圖，把這個(gè)圖拖進(jìn)終端，Codex 就將此前截圖網(wǎng)友的項(xiàng)目準(zhǔn)確完成，成功創(chuàng)建了一個(gè)簡(jiǎn)單的ASCII風(fēng)格圖像轉(zhuǎn)換工具。

在發(fā)布會(huì)的最后，Greg Brockman 還預(yù)告說，o3-pro 預(yù)計(jì)將在幾周內(nèi)完成發(fā)布。

在萬眾期待的 GPT-5 遲遲未到的情況下，這幾天的接連出新，可能也是OpenAI的“緩兵之計(jì)”，希望用戶對(duì) OpenAI 保留一些信心。