OpenAI 最新发布：O3 和 O4–mini 模型深度解析

引言：OpenAI 的惊喜发布

在万众期待中，OpenAI如期发布了O3和O4-mini模型，这一消息无疑给AI界带来了新的活力。尽管之前有传言称O3将与GPT-5一同发布，但OpenAI还是决定提前将其推出。目前，ChatGPT Plus、Pro和Team用户已经可以在模型选择器中体验到O3、O4-mini和O4-mini-high，它们将逐步取代之前的O1、O3-mini和O3-mini-high。虽然O3 Pro的到来还需要几周时间，但这次更新的亮点已经足够引人注目：满血版O3支持工具使用，并且O3和O4-mini首次具备了视觉推理能力，能够在思维链中思考图像。

,,

O3 和 O4-mini 的性能如何？

模型知识与推理能力

与数码圈类似，AI模型的迭代也伴随着性能分数的刷新。从O1到O3和O4-mini，核心差异在于模型规模、推理能力和插件工具的接入。

• O1：作为基础模型，在2024年AIME数学竞赛中准确率为74.3%，代码竞赛表现平平。
• O3-mini：参数量较小，但经过架构优化，AIME准确率提升至87.3%，Codeforces的ELO也从1891提升到2073。
• O3：完整版的O3规模更大，关键在于能够接入工具。在AIME2024中，裸模准确率为91.6%，接入Python后飙升至95.2%。
• O4-mini：相当于小一号的O4，通过更先进的架构优化，不开工具的情况下AIME准确率达到93.4%，接入Python后达到98.7%。

在跨学科的PhD级科学题（GPQA Diamond）和专家级综合测试（Humanity’s Last Exam）中：

• 无需额外工具时，O3在科学题上以83.3%小幅领先于O4-mini的81.4%。
• 面对专家综合考题，不带插件的O3准确率约为20.3%，借助Python、网络浏览等工具可提升至24.9%。而O4-mini从14.3%起步，借助插件也只能提升到17.7%，不及O3。

多模态能力

O3和O4-mini在多模态能力方面也取得了显著进展，主要体现在以下三个数据集上：

• MMMU：大学水平的视觉数学题库，考察模型结合图像和数学符号解题的能力。
• MathVista：专注于视觉数学推理，题目多来源于几何图形、函数曲线等图像，考察模型从画面中提取数学规律的能力。
• CharXiv-Reasoning：从科学论文中抽取图表、流程图等，要求模型根据科研图形回答问题，考验其专业图表理解能力。

O3在以上三个数据集上的表现均显著优于O1，将视觉推理任务推向了新的高度。

,,

代码能力

O3和O4-mini在代码能力方面同样表现出色，主要体现在以下几个方面：

• SWE-Lancer：IC SWE Diamond上真实的自由职业软件工程任务，模型以“高奖励”模式接单。O3表现出色，能够获得更高的收益。
• SWE-Bench Verified：一个经人工标注验证的软件工程题库，包括常见算法、系统设计、API调用等。O3和O4-mini同样遥遥领先。
• Aider Polyglot Code Editing：多语言代码编辑基准，分“whole”（整体重写）和“diff”（补丁式修改）两类。O3表现强势，O4-mini略逊于O3-mini。

工具使用

• Scale MultiChallenge：多轮指令跟随，测试模型的记忆力和执行力。O3表现突出。
• BrowseComp Agentic Browsing：测试模型在虚拟浏览器中搜索、点击、抓取信息的能力。O3在加入Python和联网后，表现接近DeepResearch。
• Tau-bench 函数调用：测试模型在有外部API可调用的场景中，将自然语言请求转换为结构化函数调用的能力。O3相比O1几乎没有提升。

,,

准确率与幻觉率

数据显示，O3的准确率更高，但幻觉率也飙升至O1的两倍。这意味着O3更敢于下定论，但也更容易出现错误。

定价

O3的定价相比O1降低了三分之一，O4-mini相比O3-mini没有涨价。

O3 和 O4-mini 的核心亮点：工具使用和视觉推理

工具使用

与之前的O1和O1 Pro不同，O3和O4-mini支持OpenAI的所有工具，包括联网和代码解释器。

视觉推理

视觉推理是O3和O4-mini最引人注目的新特性。它使模型能够像人一样去看图、思考，并将图像融入到推理过程中。

以下是一些例子：

• 看图猜地点：模型能够根据图像中的细节，推断出地点的位置。例如，模型能够根据一张照片，推断出拍摄地点是北京门头沟的109国道妙峰山路段。
• 寻找特定人物：模型能够根据图像中的特征，找到特定的人物。例如，模型能够在一张《流浪地球3》开机合照中找到吴京（通过帽子）。

视觉推理的普及，意味着许多原本需要人眼判断的岗位，将被彻底改写。例如：

• 安全监控：不再是看到异常才报警，而是看到将要发生异常就提前预判。
• 设计审稿：不再是人力盯图，而是AI先过一遍排版，再交给人来最后决策。
• 医生看片：不再只是看片，而是由AI先提出几个可能的诊断路径和可能遗漏点，再辅助手术或治疗。

,,

其他：OpenAI 开源 AI 编程工具

OpenAI还开源了一个AI编程工具，感兴趣的可以访问https://github.com/openai/codex了解更多信息。

总结与感悟

OpenAI的这次发布，让我们看到了AI在理解和推理能力方面的巨大进步。尤其是视觉推理的突破，使得AI能够像人一样思考图像，这无疑将对许多行业产生深远的影响。

我认为：

AI的发展就像夜空中划过的流星，每一次闪耀都预示着新的变革。O3和O4-mini的发布，不仅仅是模型参数的提升，更是AI向更深层次的理解和认知迈进的一步。这让我想起了人类第一次拍摄到地球全貌时的震撼，AI“看懂”世界的那一刻，或许也预示着一个新时代的到来。
,,