北京时刻12月21日清晨，在继续了近两周、合计12天 OpenAI 12Days 活动进入结尾，OpenAI正式揭露宣告推出两款新一代推理模型：o3与o3-mini。

  这两款大模型被视为此前大受重视的o1系列继任者，尤其是面对谷歌近期发布的 Gemini2.0Flash及其推理增强版别Gemini 2.0 Flash Thinking 所带来的职业轰动，o3系列呈现可谓给OpenAI本身的“马拉松式发布”画上了句号。

  值得注意的是，OpenAI 直接跳过了“o2”的类型命名，一口气跨到“o3”。关于外界看来略显“跳动”的命名，OpenAI CEO-Sam Altman奥特曼在直播中坦言，主要是出于与英国电信提供商O2潜在版权抵触的考虑所造成的。

  一起，Altman 也供认OpenAI在产品命名上“一向不太拿手”，所以爽性跳过了 “o2” 的序号。与此命名调整一起到来的，是令人惊叹的功用进步。

  此次发布的o3不只在数学、科学和编程等传统“硬核”学科进步一步拔高了规范，还交融了更强壮的推理功用，能够经过「私有思想链」（private chain of thought）自检与核对，然后协助模型尽或许躲避一些传统大模型易犯的现实过错。

  依据官方泄漏，OpenAI 将“逐渐约请部分选定用户”首先测验这一新一代推理模型，完好揭露版的发布时刻围困阻隔确认。不过，o3-mini有望在1月底向更多用户敞开。

  在SWE-Bench Verified 基准测验中，o3的正确率比o1进步22.8个百分点，证明其在大型项目及杂乱代码编写上更胜一筹。

  Codeforces评分到达2727分，已超越人类大部分参赛者的排名；依据官方发表，这在某种程度上预示着o3的代码才能进入“全球顶尖水平”。

  在AIME2024（美国高中层面高难度数学比赛）中，o3取得了96.7%的成果，几近满分；在研究生难度的GPQA Diamond 评测中也取得87.7%的高分。

  在由EpochAI建议的高阶数学基准Frontier Math测验中，o3的解题成功率达 25.2%，而此前多款干流大模型的成果均低于2%。

  在要害的ARC-AGI测验中，o3的最高得分到达了87.5%。要知道，人类均匀得分在 84%左右。虽然在该测验更严厉的“核算约束”形式下，o3的成果会略有下滑，但其仍旧明显抢先此前的同类模型，成为当下最具打破性的成果之一。

  因为ARC-AGI测验被视为衡量“能否习惯全新使命并进行跨范畴推理”的重要目标，一部分观察者因而斗胆猜想：

  o3也许是“间隔AGI最近的一步”。但浮薄ARC评测联合创始人François Chollet在内的多位研究者都表明，“o3仅仅通往AGI的重要里程碑，而并非现已触及AGI真实的门槛。”

  OpenAI 在发布会上特别说到，o3 可设为不同程度的核算量（低/中/高），核算时刻越长，推理成果一般越精确。在高核算形式下，完结某些杂乱使命甚至需求数千美元，这也让人联想到另一个十分重视的问题——布置高端推理模型对算力和资金的要求是否会成为瓶颈？

  一起，跟着推理才能的晋级，o3或许更“会考虑”了，却也带来一些安全和对齐层面的忧虑。此前有安全团队曾指出，o1与其他非推理大模型比较，更简单呈现诈骗或误导性内容。

  关于这一点，OpenAI 表明现已在o3中引入了名为“审议性对齐”（deliberative alignment）的新技能，以削减模型乱用、过错推理等潜在危险。但Altman也着重，自己仍然等待在更老练的联邦测验和监管结构下去优化这类大模型的安全性与可靠性。

  除了主打高阶推理、巴望应战 AGI 鸿沟的 o3 外，本次发布的另一款模型o3-mini也备受瞩目。

  o3-mini主打“更小、更精简”，在推理速度与资源占用上都有更佳体现，合适对算力本钱高度灵敏且使命需求更专注的开发者。依据 Altman 的介绍，o3-mini 将在1月底优先向部分Pro用户及合作伙伴敞开 API 测验，随后逐渐扩大范围。

  回溯这12天，OpenAI所谓的“马拉松式发布”里，前期更多是功用碎片化晋级。直到终究阶段才真实奉上了重磅产品——o3与o3-mini，可谓“save the best for last”。

  在曩昔11天里，OpenAI从ChatGPT的多种新功用（如Canvas、Search、Projects等）到全新的桌面端与电话语音交互形式，再到敞开给开发者的API晋级，都在有条有理地为这个压轴大戏做衬托。

  在职业格式瞬息万变的当下，OpenAI 此番用o3的发布再度向外界展现了其在推理范畴的抢先实力。跟着这些推理模型在编程、科学、数学甚至笼统思想才能上的逐步打破，人们对所谓 “AGI”的等待也益发高涨。

  但正如模型作者、评测者与Altman自己都着重的那样，o3仍然不是“终究形状”；这台新引擎未来还将面对许多技能、道德与安全层面的应战。

  无论如何，在被称作“算法与大模型之年”的2024即将完毕之时，o3的呈现明显为 2025年的AI竞技场埋下了更多悬念。