編者按：本文來(lái)自微信公眾號(hào) 硅星人Pro（ID：Si-Planet），作者：Jessica，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

今天是“12 Days of OpenAI”活動(dòng)的最后一天。無(wú)論從前幾天發(fā)布節(jié)奏還是時(shí)間點(diǎn)來(lái)看，都到了必須拿出真家伙的時(shí)候。

果然，正如Sam Altman“oh oh oh”啞謎暗示的那樣，OpenAI終于官宣了推理模型系列的最新旗艦成員：o3和o3 mini。

團(tuán)隊(duì)稱，這兩款模型在性能上實(shí)現(xiàn)了重大突破。能夠處理日益復(fù)雜的推理任務(wù)，標(biāo)志著”AI技術(shù)邁入了一個(gè)全新階段?！?/p>

有意思的是，作為 o1 的下一代模型，OpenAI 在命名時(shí)越過(guò)“o2”，直接跳到了o3。以此防止與英國(guó)電信運(yùn)營(yíng)商O2的商標(biāo)沖突，避開潛在的法律糾紛。

o3模型：推理性能飆升，多項(xiàng)超人類專家

作為OpenAI當(dāng)前性能最強(qiáng)的推理模型， o3在多項(xiàng)基準(zhǔn)測(cè)試中表現(xiàn)卓越，特別是編程和數(shù)學(xué)領(lǐng)域顯著提升。

? 編程能力：在真實(shí)世界軟件任務(wù)評(píng)估（HumanEval-Verified）中，o3以71.7%的準(zhǔn)確率刷新記錄，相比前代模型o1提升超過(guò)20%；在競(jìng)爭(zhēng)性代碼編程平臺(tái)（Competition Code）上的ELO評(píng)分高達(dá)2727，遠(yuǎn)超o1的1891。

直播中， Sam問(wèn)同時(shí)在教授競(jìng)技編程的研究主管Mark能拿多少分，Mark回答自己在類似平臺(tái)的最好成績(jī)大概是2500分。Sam隨即透露，o3的分?jǐn)?shù)甚至超過(guò)了首席科學(xué)家Yakov。

當(dāng)?shù)弥纠镉腥四苣玫?3000 多分后，Sam 調(diào)侃道：“他還能享受這優(yōu)勢(shì)幾個(gè)月吧，o3在編程方面的表現(xiàn)確實(shí)不可思議?！?/p>

? 數(shù)學(xué)推理：o3在美國(guó)數(shù)學(xué)奧林匹克考試（AIME）中獲得前所未有的96.7%準(zhǔn)確率，在博士級(jí)科學(xué)問(wèn)題測(cè)試（GPQA Diamond）上準(zhǔn)確率達(dá)到87.7%，顯著超過(guò)人類專家平均水平的 70%。

? 前沿測(cè)試五年來(lái)首次被攻克

Mark提到，在現(xiàn)有的傳統(tǒng)基準(zhǔn)測(cè)試中，o3已接近飽和，突顯了更難測(cè)試的必要性。

最近，Epic AI的前沿?cái)?shù)學(xué)基準(zhǔn)測(cè)試脫穎而出，被認(rèn)為是眼下最難的數(shù)學(xué)評(píng)估。該數(shù)據(jù)集包含全新、未發(fā)表且極端復(fù)雜的問(wèn)題，即使專業(yè)數(shù)學(xué)家解決一道題也可能需數(shù)小時(shí)甚至數(shù)天時(shí)間。

目前市面上的所有產(chǎn)品在該測(cè)試中的準(zhǔn)確率都低于2%，而o3在嚴(yán)格設(shè)置下準(zhǔn)確率卻達(dá)到了25%以上，展現(xiàn)出強(qiáng)大的數(shù)學(xué)推理能力。

而更大的驚喜來(lái)自o3在Arc AGI測(cè)試中的表現(xiàn)。

Arc AGI是由Fran?ois Chollet在2019年設(shè)計(jì)的一個(gè)獨(dú)特基準(zhǔn)測(cè)試，旨在評(píng)估AI系統(tǒng)的通用智能水平。其特別之處在于，它不考察已學(xué)習(xí)的知識(shí)，而是要求模型通過(guò)觀察幾個(gè)示例，推斷新任務(wù)規(guī)則并即時(shí)學(xué)習(xí)。例如：

推斷規(guī)則 “在空格處放置深藍(lán)色方塊”；

或 “數(shù)出黃色方塊中的彩色方塊數(shù)量，再以此為寬度圍住黃色方塊”。

這些規(guī)則對(duì)人類來(lái)說(shuō)直觀，但對(duì) AI 系統(tǒng)卻極具挑戰(zhàn)性。

在這項(xiàng)五年來(lái)未被攻克的測(cè)試中，o3實(shí)現(xiàn)了歷史性突破：在低算力配置下，其準(zhǔn)確率達(dá)到75.7%，創(chuàng)下公開記錄新高；在高算力下表現(xiàn)更是提升至87.5%，高于人類平均水平的85%。

這是AI系統(tǒng)首次在需要即時(shí)理解和學(xué)習(xí)新規(guī)則的任務(wù)中超越了人類表現(xiàn)，驗(yàn)證了AI在新穎性適應(yīng)方面的實(shí)質(zhì)性進(jìn)展。

不過(guò)，負(fù)責(zé)該測(cè)試的組織ARC Prize也表示，這并不代表已經(jīng)實(shí)現(xiàn)了AGI。o3在某些簡(jiǎn)單任務(wù)上仍有失誤，表明它與人類智能仍存在本質(zhì)差異。他們會(huì)繼續(xù)舉辦大獎(jiǎng)賽，直到出現(xiàn)一個(gè)取得85% 成績(jī)的高效開源的解決方案（圖中可見，高算力下的o3執(zhí)行每個(gè)任務(wù)需要耗費(fèi)1千美元）。

o3 mini：性能超o1，高效低成本的理想之選

針對(duì)需要在性能與成本之間取得平衡的應(yīng)用場(chǎng)景，OpenAI推出了o3 mini。它繼承了此前o1 mini在數(shù)學(xué)和編碼方面的優(yōu)勢(shì)，并在性價(jià)比上實(shí)現(xiàn)了更大突破。

最引人注目的是其創(chuàng)新的"自適應(yīng)思考時(shí)間"功能，提供低、中、高三種推理強(qiáng)度選項(xiàng)，讓用戶能根據(jù)任務(wù)復(fù)雜度靈活調(diào)整模型的思考時(shí)間，就像給大腦切換不同的工作模式。

在實(shí)際的編程測(cè)試中，o3 mini在中等推理時(shí)間下性能已超越o1，而成本和延遲僅為其一小部分。意味者它能以更經(jīng)濟(jì)的方式完成高難度的編程任務(wù)，為開發(fā)者提供了一個(gè)理想選擇。

研究科學(xué)家 Hongyu 通過(guò)幾個(gè)案例，演示了o3 mini在高、中、低三種強(qiáng)度模式下的真實(shí)世界優(yōu)異表現(xiàn)：

1. 代碼生成與執(zhí)行：

在高強(qiáng)度模式下，o3 mini被要求用Python編寫一個(gè)智能編程助手。該助手配備一個(gè)簡(jiǎn)單的輸入框界面，用戶只需輸入需求，它就能生成并執(zhí)行代碼。這一復(fù)雜任務(wù)充分展現(xiàn)了模型在編程場(chǎng)景中的高效性和精準(zhǔn)性。

2. 自我評(píng)估能力：

在中強(qiáng)度模式下，o3 mini被要求評(píng)估自身在復(fù)雜 GPQA 數(shù)據(jù)集上的表現(xiàn)。模型生成了評(píng)估腳本，快速完成了數(shù)據(jù)集解析、問(wèn)題分類、答案生成和結(jié)果評(píng)分，在1分鐘內(nèi)取得了61.62%的成績(jī)。這樣的表現(xiàn)對(duì)人類專家而言也具有較大挑戰(zhàn)。

3. 效率測(cè)試與數(shù)學(xué)推理：

在低強(qiáng)度模式下，o3 mini的響應(yīng)速度幾乎與 GPT-4 持平，用戶按下發(fā)送鍵后幾乎立即得到回復(fù)。即使在中等模式下，其速度也比o1快了一倍，而這一高性能是在大幅降低成本的情況下實(shí)現(xiàn)的。

在美國(guó)數(shù)學(xué)奧林匹克 2024 數(shù)據(jù)集測(cè)試中，o3 mini 在中等推理時(shí)間設(shè)置下表現(xiàn)已與o1相當(dāng)，而在高推理時(shí)間下，其表現(xiàn)更是超越了o1。

此外，o3 mini還支持函數(shù)調(diào)用、結(jié)構(gòu)化輸出等開發(fā)者所需的API特性。

開放測(cè)試與部署時(shí)間線

OpenAI計(jì)劃在2025年1月底發(fā)布o(jì)3 mini，隨后推出完整版o3。

即日起，研究人員和開發(fā)者可以到OpenAI官網(wǎng)（https://openai.com/index/early-access-for-safety-testing/#how-to-apply）申請(qǐng)安全測(cè)試，以獲得早期訪問(wèn)權(quán)限。申請(qǐng)將持續(xù)至2025年1月10日。

本次發(fā)布會(huì)還特別提到， o3和o3 mini引入了全新的深度對(duì)齊（Deliberative Alignment）技術(shù)。

該技術(shù)通過(guò)推理用戶的輸入意圖，大幅提升了模型對(duì)潛在不安全請(qǐng)求的識(shí)別能力，即使用戶嘗試使用隱晦語(yǔ)言繞過(guò)限制，模型也能準(zhǔn)確判斷危險(xiǎn)意圖。測(cè)試結(jié)果顯示，o3 在安全性評(píng)估中的表現(xiàn)卓越，拒絕不安全請(qǐng)求的準(zhǔn)確率和靈敏度均有顯著提升。

華人研究員嶄露頭角

在o3 mini的官宣過(guò)程中，除了出鏡介紹的研究科學(xué)家Hongyu Ren外，還出現(xiàn)了同樣負(fù)責(zé)模型訓(xùn)練的Kevin Lu、Shengjia Zhao等年輕華人研究員面孔。

Hongyu Ren本科畢業(yè)于北京大學(xué)，并于斯坦福大學(xué)取得計(jì)算機(jī)科學(xué)博士學(xué)位。加入OpenAI以前曾在Apple、Google、NVIDIA和Microsoft擔(dān)任實(shí)習(xí)研究員。

作為OpenAI o1-mini 的creator和o1的foundational contributor，Hongyu還擔(dān)任了GPT-4o mini 的負(fù)責(zé)人，深度參與了 GPT-4o 的開發(fā)工作，專注于讓模型思考得更快速、更深刻、更精準(zhǔn)。

Kevin Lu畢業(yè)于加州大學(xué)伯克利分校電子信息工程與計(jì)算機(jī)科學(xué)專業(yè)，曾在Berkeley AI Research做研究工作。

Shengjia Zhao本科畢業(yè)于清華大學(xué)，同樣擁有斯坦福大學(xué)計(jì)算機(jī)科學(xué)專業(yè)博士學(xué)位，是GPT-4的核心貢獻(xiàn)者。

OpenAI要放棄GPT，全力投入o系列了嗎？

從今天的壓軸發(fā)布來(lái)看，OpenAI正在經(jīng)歷一次重大的戰(zhàn)略轉(zhuǎn)向。

在近期的NeurIPS 2024大會(huì)上， OpenAI曾經(jīng)的聯(lián)合創(chuàng)始人Ilya Sutskever以《預(yù)訓(xùn)練時(shí)代終結(jié)》為題發(fā)表了演講。他指出，AI模型的預(yù)訓(xùn)練方法正面臨數(shù)據(jù)瓶頸，互聯(lián)網(wǎng)可用數(shù)據(jù)如同“化石燃料”，具有不可持續(xù)性。表明傳統(tǒng)的“更多數(shù)據(jù)和算力等于更好性能”的擴(kuò)展法則正在失效，AI技術(shù)需要尋找新的發(fā)展路徑。

Ilya預(yù)測(cè)，未來(lái)的AI系統(tǒng)將更加“agentic”。不僅僅是完成任務(wù)，更能通過(guò)推理能力像人類一樣逐步解決問(wèn)題。這種新范式可能是突破當(dāng)前技術(shù)瓶頸的關(guān)鍵，也會(huì)帶來(lái)更高的不確定性。

OpenAI從傳統(tǒng)GPT大語(yǔ)言模型轉(zhuǎn)向“o”系列推理模型，或許正是意識(shí)到僅依賴預(yù)訓(xùn)練的GPT模型已難以滿足未來(lái)AI發(fā)展的需求。希望通過(guò)整合推理能力，為實(shí)現(xiàn)更高水平的智能尋找突破口。

除了OpenAI，類似的趨勢(shì)也體現(xiàn)在競(jìng)爭(zhēng)對(duì)手Google的布局中。其剛發(fā)布的Gemini 2.0 Flash Thinking被視為AI推理模型的開端，未來(lái)可能與主要語(yǔ)言模型深度整合。

各家技術(shù)公司的舉措都表明，推理能力正成為行業(yè)發(fā)展的新焦點(diǎn)，而如何將其與通用大語(yǔ)言模型有機(jī)結(jié)合，可能是下一階段AI競(jìng)爭(zhēng)的核心方向。OpenAI開始在這個(gè)技術(shù)方向上使用GPT階段同樣的策略——快速的迭代，哪怕是期貨也先展示出來(lái)再說(shuō)，然后把AGI和Scaling law這些對(duì)整個(gè)行業(yè)的思考和發(fā)展以及宣傳上都最重要的概念牢牢握在自己手中，由它定義。

在o3發(fā)布后，OpenAI的明星研究員Jason Wei就表示，更重要的是o1到o3只用了三個(gè)月，證明了新的范式下進(jìn)步可以有多快。

比預(yù)訓(xùn)練的一兩年更新一次的范式快多了。

附帶OpenAI 12天技術(shù)發(fā)布總結(jié)

第1天：o1正式版和ChatGPT Pro

發(fā)布o(jì)1正式版，性能提升34%，思考速度提高50%，新增多模態(tài)輸入支持；推出ChatGPT Pro，訂閱者可無(wú)限制使用o1 Pro模式及高級(jí)語(yǔ)音功能，每月費(fèi)用200美元。

第2天：強(qiáng)化微調(diào)研究計(jì)劃

強(qiáng)化微調(diào)計(jì)劃擴(kuò)展至研究機(jī)構(gòu)和企業(yè)，幫助用戶用少量數(shù)據(jù)創(chuàng)建領(lǐng)域?qū)＜夷Ｐ汀?/p>

第3天：Sora正式版

推出文生視頻工具Sora，可創(chuàng)建最長(zhǎng)20秒、分辨率1080p的視頻，支持圖生視頻及多種編輯，對(duì)Plus和 Pro用戶開放。

第4天：Canvas

發(fā)布 Canvas 協(xié)作界面，支持Python代碼運(yùn)行和并行編輯，提升寫作和編程體驗(yàn)。

第5天：ChatGPT與蘋果智能集成

與蘋果智能系統(tǒng)集成，增強(qiáng)Siri的任務(wù)處理能力，支持文檔總結(jié)、翻譯等高級(jí)功能，適配最新iOS、iPadOS和macOS系統(tǒng)。

第6天：高級(jí)語(yǔ)音添加視頻功能、圣誕老人模式

高級(jí)語(yǔ)音模式新增視頻聊天和圣誕老人語(yǔ)音，增強(qiáng)交互趣味性和用戶體驗(yàn)。

第7天：Projects功能

上線Projects功能，允許用戶組織文件夾、上傳內(nèi)容、設(shè)定指令，并追溯過(guò)往對(duì)話，為個(gè)人與團(tuán)隊(duì)協(xié)作帶來(lái)更精準(zhǔn)回答。

第8天：搜索功能全線免費(fèi)，新增地圖功能

ChatGPT 搜索向所有用戶免費(fèi)開放，支持實(shí)時(shí)信息查詢和地圖交互。

第9天：開發(fā)者工具與o1 API

發(fā)布OpenAI o1 API，優(yōu)化實(shí)時(shí)API和微調(diào)工具，為開發(fā)者提供更靈活、更高效的模型構(gòu)建能力。

第10天：1-800-CHATGPT

推出語(yǔ)音通話服務(wù)，用戶可通過(guò)電話撥打“1-800-CHATGPT”與AI進(jìn)行實(shí)時(shí)語(yǔ)音對(duì)話。

第11天：應(yīng)用程序集成功能

增強(qiáng) ChatGPT與部分應(yīng)用程序的集成功能，實(shí)現(xiàn)直接交互與控制，提升跨平臺(tái)工作效率和生產(chǎn)力。

第12天：下一代推理模型o3和o3 mini

發(fā)布迄今最強(qiáng)推理模型o3及其高效版本o3 mini。其中o3在Arc AGI測(cè)試中首次超越人類平均水平，o3 mini則通過(guò)創(chuàng)新的"自適應(yīng)思考時(shí)間"功能，以低成本實(shí)現(xiàn)接近頂級(jí)模型的性能。

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場(chǎng)，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。如有任何疑問(wèn)，請(qǐng)聯(lián)系editor@cyzone.cn。