譯者 | 崔皓
審校 | 重樓
開篇
就在OpenAI推出 GPT 4.1 系列幾天后，又發(fā)布了o3 和 o4-mini 的推理模型，這表明大模型正式邁向 AGI（ 人工通用智能 ）。 o3 和 o4-mini 不僅僅是 AI 模型；它們還具備智能性、自治性、可調(diào)用工具以及與真實(shí)軟件對(duì)接的技能，是一個(gè)真正意義上的AI 系統(tǒng)。 新模型不會(huì)被動(dòng)工作；而是主動(dòng)使用工具自動(dòng)完成任務(wù)！ 接下來，就讓我們深入了解“O 系”模型：o3 和 o4-mini 的功能、性能和應(yīng)用。
o3 和 o4-mini 是什么？
o3 和 o4-mini 是 OpenAI 最新的推理模型，取代了 o 系列之前的模型，比如 o1 和 o3-mini。o 系模型不同于主要關(guān)注模式識(shí)別和文本生成的LLMs（大語言模型），o 系模型作為推理模型采用了更長(zhǎng)的內(nèi)部“思維鏈”模式。
這種方式使模型能夠分解復(fù)雜問題，評(píng)估不同步驟，并得出更準(zhǔn)確和慎重的解決方案。因此，在諸如 STEM、編碼和邏輯推理等領(lǐng)域，它們尤其擅長(zhǎng)。此外， o 系模型首創(chuàng)了整合工具套件的能力，能夠主動(dòng)使用和組合 ChatGPT 中提供的完整工具套件。
o3 是 OpenAI 最先進(jìn)的推理模型，擅長(zhǎng)處理在各個(gè)領(lǐng)域需要深入分析思考的任務(wù)。該模型的計(jì)算量是 o1 的 10 倍，引入了“圖像推理”的能力。這使其能夠直接在認(rèn)知過程中處理和推理關(guān)于視覺輸入的信息。
o4-mini 是 o3 模型的替代品， 相對(duì)于o3而言o4-mini更加緊湊、高效、以及成本更低。盡管o4-mini模型的參數(shù)少于o3模型，但它在數(shù)學(xué)、編碼和視覺任務(wù)等領(lǐng)域表現(xiàn)出色。通過對(duì)模型的優(yōu)化設(shè)計(jì)可以確保模型具備更快的響應(yīng)速度和更高的吞吐量，使其適用于高效的應(yīng)用場(chǎng)景。
同時(shí)，OpenAI 還發(fā)布了 o4-mini-high 變體，它會(huì)花費(fèi)更多時(shí)間處理用戶請(qǐng)求，并給出更可靠的答案。
未來，OpenAI計(jì)劃向訂閱用戶發(fā)布更強(qiáng)大的o3-pro版本，它將使用更多計(jì)算資源，同時(shí)也提供更好的服務(wù)。
o3 和 o4-mini 的主要功能
o3與o4-mini的強(qiáng)大離不開如下關(guān)鍵特性：
- 主動(dòng)行為：主動(dòng)解決問題的能力，自主確定復(fù)雜任務(wù)的最佳方法，并高效地執(zhí)行多步解決方案。
- 高級(jí)工具集成：無縫地利用諸如網(wǎng)絡(luò)瀏覽、代碼執(zhí)行和圖像生成等工具，以增強(qiáng)其回答并有效應(yīng)對(duì)復(fù)雜查詢 。
- 多模態(tài)推理：直接處理和整合視覺信息到他們的推理過程中，從而解釋和分析圖像與文本數(shù)據(jù)并行。
- 高級(jí)視覺推理（“用圖像思考”）：解釋復(fù)雜的視覺輸入，例如圖表、白板草圖，甚至模糊/低質(zhì)量照片。它們甚至可以將這些圖像（放大、裁剪、旋轉(zhuǎn)、增強(qiáng)）作為推理過程的一部分，從而提取相關(guān)信息。
o3 和 o4-mini 是否反映了 AGI？
這兩個(gè)“o 系”模型會(huì)在生成響應(yīng)前執(zhí)行復(fù)雜的多步推理。
當(dāng)用戶給出問題時(shí)， o3先會(huì)使用“蠻力”得出解決方案。接著，會(huì)嘗試找到更智能的計(jì)算方法并以更簡(jiǎn)潔的格式呈現(xiàn)。然后，繼續(xù)核對(duì)答案并簡(jiǎn)化，從而提供給用戶簡(jiǎn)單和易于理解的回應(yīng)。
盡管整個(gè)思考過程部分基于計(jì)算和訓(xùn)練，但在模型的訓(xùn)練過程中，并沒有被明確教導(dǎo)去簡(jiǎn)化答案或重新檢查過程。不過模型的響應(yīng)過程，這使之具備自我進(jìn)化和自我學(xué)習(xí)的能力，從而逐漸逼近通用人工智能。
此外，o3 能夠自主決定何時(shí)以及如何使用 ChatGPT 中的各種工具（網(wǎng)絡(luò)搜索、Python 數(shù)據(jù)分析、DALL·E 圖像生成和視覺），以解決復(fù)雜、多方面的查詢。它可以鏈接多個(gè)工具調(diào)用，迭代搜索網(wǎng)絡(luò)，分析結(jié)果，并在各種模式之間綜合信息。
對(duì) o3、o4-mini 和 o4-mini-high 進(jìn)行實(shí)際測(cè)試
現(xiàn)在讓我們?cè)谝恍?shí)際應(yīng)用中嘗試這些備受期待的新 o 系列模型。我們將測(cè)試所有三個(gè)模型在它們擅長(zhǎng)的任務(wù)上的表現(xiàn)。這包括：
- 使用 o3 進(jìn)行編碼
- 使用 o4-mini 進(jìn)行數(shù)學(xué)推理
- 使用 o4-mini-high 進(jìn)行視覺推理
讓我們開始吧！
任務(wù) 1：使用 o3 進(jìn)行編碼
提示詞: “創(chuàng)建一個(gè) Python 模擬，其中有 2 個(gè)球 - 一個(gè)是黃色的，另一個(gè)是藍(lán)色的 - 它們?cè)谝粋€(gè)順時(shí)針旋轉(zhuǎn)的五邊形內(nèi)的厚六邊形框架中彈跳。每次它們相撞時(shí)，球必須變成綠色，并在下一次相撞時(shí)恢復(fù)原來的顏色。它們必須以遞增的速度移動(dòng)?！?/p>
o3 在不到一分鐘內(nèi)生成了完全功能的、無錯(cuò)的代碼，并附加了它的解釋，輸出結(jié)果非常棒！我嘗試過在其他各種模型上使用類似的提示，這絕對(duì)是第一次生成的最佳模擬之一。無論是形狀、運(yùn)動(dòng)方向和速度，還是顏色的變化 - 都是十分準(zhǔn)確的！唯一出錯(cuò)的是球一直在框架外移動(dòng)。
任務(wù) 2：使用 o4-mini 進(jìn)行數(shù)學(xué)推理的任務(wù)
提示詞: “從給定的算式中選出兩個(gè)數(shù)字，互換位置還能夠讓等式成立？”14 + 39 – (√256 ÷ 3) + (5 × 4) – 6 = 58″
o4-mini 只花了大約 10 秒鐘來回答這個(gè)問題。它展示了在生成最終答案之前的思考過程和分析，這使其更可信。結(jié)果準(zhǔn)確無誤，速度也很快。
任務(wù) 3：使用 o4-mini-high 進(jìn)行視覺推理的任務(wù)
提示詞： “軟木板上寫的點(diǎn)綴色是什么？”
輸入圖像:
o4-mini-high 在約一分鐘內(nèi)分析了圖像并讀取了手寫文本。它首先評(píng)估了圖像的大小，放大到便利貼貼在的部分。然后裁剪圖像，將模糊部分清晰化，然后嘗試閱讀文本。這是非常出色的，目前沒有其他模型能夠做到這一點(diǎn)。
盡管 o4-mini-high 可以讀到便簽上寫的“ACCENT COLOURS”，但只看到了其中提到的 4 種顏色中的 3 種，甚至讀錯(cuò)了。然而，有趣的是，在它的思維過程中，該模型提到無法清楚閱讀文本是因?yàn)樽煮w太小。
出于好奇，問 o4-mini-high“顯示器和頭盔是什么品牌？”，它立刻正確識(shí)別了它們。
o3 和 o4-mini 的可用性
這兩個(gè)模型都可以通過 OpenAI 的 ChatGPT 平臺(tái)和 API 服務(wù)進(jìn)行訪問：
ChatGPT 訪問 ：ChatGPT Plus、Pro 和 Team 計(jì)劃的用戶可以直接在聊天界面上使用 o3、o4-mini 和 o4-mini-high 模型。
企業(yè)和教育用戶將在一周內(nèi)獲得訪問權(quán)限。
免費(fèi)用戶可以在提交查詢之前選擇“Think”選項(xiàng)來體驗(yàn) o4-mini。
API Access：開發(fā)者可以通過 OpenAI 的API將 o3 和 o4-mini 集成到其應(yīng)用程序中，從而在各種平臺(tái)上實(shí)現(xiàn)定制 AI 解決方案。
o3 和 o4-mini：基準(zhǔn)性能
o3 和 o4-mini 模型在一系列標(biāo)準(zhǔn)基準(zhǔn)測(cè)試中展現(xiàn)出了出色的能力。
- SWE-Lancer：這兩個(gè)模型的高變異體在這個(gè)編碼基準(zhǔn)測(cè)試中表現(xiàn)出色，令它們的前輩相形見絀。
- 經(jīng)過 SWE-Bench 驗(yàn)證（軟件工程）：o3 取得了 69.1%的成績(jī)，而 o4-mini 緊隨其后，達(dá)到了 68.1%。這兩個(gè)模型在表現(xiàn)上明顯優(yōu)于以往的模型，如 o3-mini（49.3%）和像 Claude 3.7 Sonnet（63.7%）。
- Aider Polyglot（代碼編輯）：這兩個(gè)模型在代碼編輯基準(zhǔn)測(cè)試中被證明是 OpenAI 中最佳的，創(chuàng)下了新紀(jì)錄。
- AIME 2025 (數(shù)學(xué))：o4-mini 通過配備 Python 解釋器創(chuàng)下了新的基準(zhǔn)，得分為 99.5%，而 o3 緊隨其后，得分為 98.4%。
- Codeforces （競(jìng)技編程）: o4-mini 實(shí)現(xiàn)了 2719 的 Elo 評(píng)分，反映了其在競(jìng)技編程場(chǎng)景中的先進(jìn)問題解決能力。與此同時(shí)，o3 得分為 2706，仍遠(yuǎn)遠(yuǎn)優(yōu)于其他模型的表現(xiàn)。
- GPQA Diamond (PhD 級(jí))：o3 在不使用任何工具的情況下，通過在該基準(zhǔn)測(cè)試上達(dá)到 87.7%的準(zhǔn)確性，展示了先進(jìn)的科學(xué)推理能力。o4-mini 緊隨其后，準(zhǔn)確率為 81.4%。
- MMMU（大規(guī)模多模態(tài)多任務(wù)理解）：o3 在這項(xiàng)基準(zhǔn)測(cè)試中表現(xiàn)出色，展示出其處理涉及文本和視覺數(shù)據(jù)的多樣且復(fù)雜任務(wù)的能力。
- Humanity’s Last Exam ：在跨領(lǐng)域?qū)＜壹?jí)推理能力的基準(zhǔn)測(cè)試中，o3 的準(zhǔn)確度達(dá)到了 26.6%，勝過所有其他 OpenAI 模型。與此同時(shí)，o4-mini 明顯優(yōu)于其前身 o3-mini。
o3 和 o4-mini 的應(yīng)用
o3 和 o4-mini 的增強(qiáng)推理、工具使用和視覺能力解鎖了各種潛在應(yīng)用，包括：
- 復(fù)雜數(shù)據(jù)分析和報(bào)告： 通過編寫和執(zhí)行 Python 代碼分析數(shù)據(jù)集，從網(wǎng)絡(luò)獲取補(bǔ)充信息，并生成摘要或可視化。
- 高級(jí)科學(xué)研究：通過解釋復(fù)雜圖表、分析實(shí)驗(yàn)數(shù)據(jù)、搜索文獻(xiàn)，并可能提出新的研究方向，來協(xié)助研究人員。
- 高級(jí)編碼和軟件工程：調(diào)試復(fù)雜的代碼，基于視覺模擬或圖表生成代碼，理解存儲(chǔ)庫結(jié)構(gòu)，并執(zhí)行多步驟的軟件開發(fā)任務(wù)。
- 教育和輔導(dǎo)：使用逐步推理解釋復(fù)雜的 STEM 概念，解釋教科書圖表或手寫筆記，并提供互動(dòng)問題解決協(xié)助。
- 多模態(tài)內(nèi)容創(chuàng)作與理解：生成圖像的詳細(xì)描述或分析，創(chuàng)建需要整合文本和視覺元素的內(nèi)容，并根據(jù)視覺證據(jù)回答問題。
- 商業(yè)智能與策略：使用實(shí)時(shí)網(wǎng)絡(luò)數(shù)據(jù)分析市場(chǎng)趨勢(shì)，制定預(yù)測(cè)，并基于綜合信息來源創(chuàng)建戰(zhàn)略計(jì)劃。
- 創(chuàng)新問題解決：解決需要結(jié)合不同類型信息和推理步驟的開放性挑戰(zhàn)。
結(jié)論
OpenAI 的 o3 和 o4-mini 模型代表了人工智能能力的重大進(jìn)步，特別是在推理和多模態(tài)理解方面。通過將深層推理與多才多藝的工具使用以及“以圖像思考”的新能力相結(jié)合，為人工智能的智能和效用設(shè)定了新標(biāo)準(zhǔn)。在各種基準(zhǔn)測(cè)試中的出色表現(xiàn)，凸顯了在處理軟件工程以及科學(xué)研究等領(lǐng)域的復(fù)雜任務(wù)的潛力。
o3 即使面對(duì)最苛刻任務(wù)也展現(xiàn)出高性能的一面，而o4-mini 則展現(xiàn)了能力、速度和成本的一種平衡。無論如何，兩個(gè)模型都擁有自主能力，體現(xiàn)了人工智能的先進(jìn)程度。隨著人工智能的不斷發(fā)展，這種創(chuàng)新模型將為更復(fù)雜和多樣化的應(yīng)用鋪平道路，使我們更接近實(shí)現(xiàn) AGI（通用人工智能）。
譯者介紹
崔皓，51CTO社區(qū)編輯，資深架構(gòu)師，擁有18年的軟件開發(fā)和架構(gòu)經(jīng)驗(yàn)，10年分布式架構(gòu)經(jīng)驗(yàn)。
原文標(biāo)題：o3 and o4-mini: OpenAI’s Most Advanced Reasoning Models，作者：K.C. Sabreena Basheer
