OpenAI o3 横空出世：AGI 之路再进一步？

为什么 OpenAI 直接发布 o3 而没有 o2？

你可能会好奇，为什么 OpenAI 在发布最新模型时直接跳过了 o2，直接来到了 o3？原因其实很简单，据推测，这很可能是为了避免与英国电信服务提供商 O2 产生版权或商标冲突。这种“跳级”操作，虽然略显随意，但也体现了 OpenAI 在命名上的严谨，避免不必要的法律纠纷。

o3 的强大能力体现在哪里？

OpenAI 的 o3 模型发布后，在 X（原 Twitter）上引起了巨大反响。它强大的能力，几乎对现有的所有模型都构成了降维打击。那么，o3 的能力究竟有多强？我们可以通过以下几个基准测试来了解一下：

1. 软件工程考试 (SWE-Bench Verified)

• 什么是 SWE-Bench Verified？ 这就像一个软件工程的“高考”，主要考察模型编写代码的能力，包括代码的运行速度、准确性以及避免 bug 的能力。简单来说，就是看模型是否能像一个顶级的软件工程师一样写出高质量的代码。
• o3 的表现如何？ o3 在这项测试中取得了 71.7% 的成绩，相较于之前的 o1 有了显著的提升，这意味着 o3 在代码编写方面已经非常出色。 #SWE-Bench

2. Codeforces 编码竞赛平台

• Codeforces 是什么？ 这是一个全球著名的编码竞赛平台，汇集了来自世界各地的顶尖程序员。
• o3 在 Codeforces 上的表现？ o3 在该平台上的得分为 2727，相当于整个榜单的第 175 名，超越了 99.99% 的人类。这意味着 o3 的编码能力已经达到了人类顶尖水平。 #AI超越人类

3. 数学竞赛 AIEM 2024

• AIEM 2024 的特点是什么？ 这是一项数学竞赛，旨在测试 AI 的数学能力。
• o3 在 AIEM 2024 中的表现？ o3 在这项竞赛中接近满分，据了解，这应该是首次有 AI 达到如此高的水平。这意味着 o3 在数学方面的能力也得到了极大的提升。 #高分

4. 博士级科学考试 GPQA Diamond

• GPQA Diamond 是什么？ 这是一项博士级别的科学考试，主要考察 AI 在科学领域的知识和推理能力。
• o3 在 GPQA Diamond 中的表现？ o3 在此项测试中也有进步，但不如数学和编程方面的提升那么显著。 #博士级

5. FrontierMath 数学基准测试

• FrontierMath 的特殊之处？ 这是一个由 60 多位顶尖数学家合作开发的数学基准测试，主要用于评估 AI 在高级数学推理方面的能力。为了避免数据污染，所有题目都是原创且从未发布过的。
• o3 的突破性表现？ 此前，GPT-4 和 Gemini 1.5 Pro 等模型在该测试中的成功率不足 2%，而 o3 则达到了 25.2% 的成功率。这意味着 o3 在高级数学推理方面取得了巨大的突破，已经领先于其他模型进入了一个新的层次。 #突破性进展

6. ARC-AGI：抽象推理能力的试金石

• 什么是 ARC-AGI？ ARC-AGI 于 2019 年首次提出，旨在通过一系列抽象和推理任务来测试 AI 系统的能力。它不依赖于先前知识和经验，而是考察 AI 在面对新问题时的适应能力和通用性。
• ARC-AGI 的测试方式？ 任务以网格形式呈现，每个方块有 10 种颜色，网格大小从 1×1 到 30×30 不等。参与者需要根据给定的输入生成正确的输出，考察其识别模式和解决新问题的能力。可以简单理解为“找规律”。
• o3 在 ARC-AGI 的表现？ 之前的模型在此项测试中得分很低，例如 GPT-4 的得分仅为 2%，而 o3 的得分却达到了 87.5%！要知道，人类的阈值分数是 85%。这表明 o3 在抽象推理能力上已经超越了人类。

抽象推理 #ARC-AGI #AGI里程碑

o3 目前的获取方式？

虽然 o3 功能强大，但目前 OpenAI 只对红队开放，如果你是“巨佬”可以尝试申请试用。其网址为：https://openai.com/index/early-access-for-safety-testing/ 。此外，OpenAI 还基于 o3 训练了三个小尺寸的 o3 模型，其中 o3-mini 预计在 1 月底对外开放，但很可能仍是 Pro 会员专属。

对 2025 年 AI 行业的展望

作者对 2025 年的 AI 行业充满期待，认为推理模型、Agent、AI 硬件、世界模型等领域都将迎来更加激动人心的发展，将是 AI 行业真正的“星辰大海”。

回顾 OpenAI 这 12 天的直播

这 12 天的直播，每天都像在马拉松，有惊喜也有平淡。以下是每天的重点：

• Day 1: 满血 o1 上线，ChatGPT Pro 会员上线，o1 pro 推出。
• Day 2: 基于 o1 的强化微调。
• Day 3: Sora 正式发布。
• Day 4: ChatGPT Canvas 全员开放，以及一些小功能更新。
• Day 5: 为苹果站台，宣传苹果全系接入 GPT。
• Day 6: 4o 的实时视频理解上线。
• Day 7: ChatGPT 发布新建文件夹“项目”功能。
• Day 8: ChatGPT Search 全量开放，搜索体验大幅优化。
• Day 9: 发布 o1 的 API，更新实时语音的 API，发布偏好微调能力（PFT）。
• Day 10: 物理意义上可以给 ChatGPT 打电话了。
• Day 11: ChatGPT 桌面版可以读取其他应用。
• Day 12: OpenAI o3 正式发布。

虽然大部分时间都比较平淡，但最后 o3 的发布，无疑是这次马拉松的最高光时刻。

总结

o3 的发布，标志着 OpenAI 在 AGI 的道路上又迈出了重要一步。它在代码能力、数学能力、科学推理能力以及抽象推理能力上都取得了巨大突破，特别是 ARC-AGI 基准测试中 87.5% 的得分，更是令人震惊。尽管目前 o3 尚未对公众开放，但其强大的能力已经预示着 AI 行业未来的无限可能。

我认为：这 o3 的出现，仿佛在昏暗的房间里，突然点亮了一盏刺眼却又充满希望的灯。这灯光，既照亮了我们前进的方向，也映衬出过去的混沌与无力。那些所谓的“垃圾时间”，恰似人生中的无谓挣扎，但正是这些挣扎，才衬托出最终高光时刻的来之不易。不禁让人感叹，这世间万事，莫不如此啊！

AGI #人工智能未来