每經(jīng)編輯 杜宇

當(dāng)?shù)貢r(shí)間1月31日，OpenAI正式推出了全新推理模型o3-mini，并首次向免費(fèi)用戶開放推理模型。這是OpenAI推理系列中最新、成本效益最高的模型，現(xiàn)在已經(jīng)在ChatGPT和API中上線。

圖片來源：OpenAI

輕量級(jí)推理大模型o3-mini最早于2024年12月的直播活動(dòng)中亮相，一同亮相的還有“滿血版”的o3模型。OpenAI宣稱，o3具備更先進(jìn)、近似人類的推理能力，在解決編程、數(shù)學(xué)、科學(xué)等理工科問題方面均超越現(xiàn)役的o1模型。OpenAI曾表示，o3-mini會(huì)在2025年1月底先上架，o3則“會(huì)在不久之后推出”。

OpenAI介紹稱，o3-mini支持開發(fā)者調(diào)整“AI推理努力程度”的選項(xiàng)——分為低、中、高三個(gè)級(jí)別。這種靈活性使得o3-mini可以在面對(duì)難題時(shí)“更努力思考”，而需要效率時(shí)優(yōu)先考慮回應(yīng)速度。

在當(dāng)?shù)貢r(shí)間1月31日的新聞稿中，OpenAI披露，在2024年美國數(shù)學(xué)邀請賽（AIME 2024）的測試中，低推理努力的o3-mini準(zhǔn)確率（60%）與o1-mini差不多，但速率更快；而在中等努力下，o3-mini準(zhǔn)確率能夠提升到79.6%，與o1模型相當(dāng)。在最高努力水平時(shí)，o3-mini的準(zhǔn)確率則能進(jìn)一步提升至87.3%。

在博士級(jí)科學(xué)問題（GPQA Diamond）方面，三種努力程度模型的準(zhǔn)確率分別為70.6%、76.8%和79.7%。

FrontierMath前沿?cái)?shù)學(xué)與Codeforces等編程競賽方面，o3-mini也顯示出明顯優(yōu)勢，甚至在某些評(píng)測中遠(yuǎn)超前代模型。

通用知識(shí)方面，在各種知識(shí)評(píng)測中，o3-mini的表現(xiàn)也超過了o1-mini，能夠?yàn)橛脩籼峁└鼫?zhǔn)確的答案。

在智能水平與o1相當(dāng)?shù)那疤嵯?，o3-mini提供了更快的性能和更高的效率。除了上述提及的STEM評(píng)估之外，采用中等推理努力的情況下，o3-mini在數(shù)學(xué)和事實(shí)性評(píng)估中也展現(xiàn)出更出色的表現(xiàn)。在A/B測試中，o3-mini的響應(yīng)速度比o1-mini快24%，其平均響應(yīng)時(shí)間為7.7 秒，而o1-mini為10.16 秒。延遲方面，o3-mini的首個(gè)token平均比o1-mini快2500毫秒。

橫向?qū)Ρ?，DeepSeek-R1模型在AIME 2024測試中的準(zhǔn)確率為79.8%，而在GPQA Diamond測試中的準(zhǔn)確率為71.5%。

有專家在社交媒體表示：受DeepSeek影響，OpenAl現(xiàn)在也顯示推理模型的思維過程了。

此外，對(duì)于付費(fèi)用戶，o3-mini將在模型選擇器中替代o1-mini。作為升級(jí)的一部分，每月花費(fèi)20美元左右的ChatGPT Plus和Team用戶，速率限制也從o1-mini的每天50條，提升到o3-mini的150條。每月支付200美元的ChatGPT Pro用戶，能無限制地訪問o3-mini。

每日經(jīng)濟(jì)新聞綜合OpenAI官網(wǎng)、公開資料