
高质AI推理模型走向普及。
作者 | 智东西 ZeR0
智东西2月1日报道,今日凌晨,OpenAI发布全新推理模型o3-mini。
OpenAI称这是其最具成本效益的推理模型,复杂推理和对话能力显著提升,在科学、数学、编程等领域的性能表现超过前代o1模型,同时保持了o1-mini的低成本和低延迟,并可与联网搜索功能搭配使用。

o3-mini已在ChatGPT和API中可用,企业版访问权限将在一周内推出。
显然DeepSeek登顶美国App Store免费榜给OpenAI制造了压力。今天,ChatGPT首次向所有用户免费提供推理模型:用户可在ChatGPT中选择“Reason”按钮来试用o3-mini。

ChatGPT Pro用户可无限制访问,Plus和Team用户的速率限制从原来o1-mini的每天50条消息增加3倍到o3-mini的每天150条消息。

付费用户还可以选择更高智能的版本“o3-mini-high”。该版本需要更长的时间才能生成响应。

和o1模型一样,o3-mini模型的知识截止日期为2023年10月,上下文窗口为20万个token,最多可输出10万个token。
有低(low)、中(medium)、高(high)三个版本的o3-mini,供开发者针对其特定用例进行优化。

o3-mini目前不支持视觉功能,因此开发者仍需使用o1进行视觉推理任务。
即日起,o3-mini在Chat Completions API、Assistants API、Batch API中推出。
OpenAI称相较推出GPT-4时,每个token的价格已经降低了95%,同时保持了顶级的推理能力。不过o3-mini的API定价还是高于DeepSeek模型。

▲OpenAI模型与DeepSeek模型API定价对比(智东西制图)
安全方面,OpenAI发现o3-mini在具有挑战性的安全性和越狱方面明显超过GPT-4o。
01.
详解o3-mini:
科学数学编程能力进化,延迟明显降低
OpenAI发布了o3-mini的37页详细报告,涵盖模型的介绍、数据和训练、测试范围、安全挑战和评估、外部红队测试、准备框架评估、多语言性能以及结论等多个方面。

o3-mini针对科学、数学、编程推理进行了优化,同时响应速度更快。
该模型在GPQA Diamond(理化生)、AIME 2022-2024(数学)、Codeforces ELO(编程)基准测试中,o3-mini的分数分别为0.77、0.80、2036,比肩或超过o1推理模型。

在14种语言的MMLU测试集上,o3-mini的表现显著优于o1-mini,展示了其在多语言理解方面的进步。

外部专家测试人员的评估表明,与o1-mini相比,o3-mini的答案更准确、更清晰,推理能力更强。
在人类偏好评估中,测试人员在56%的时间里更喜欢o3-mini的回答,并观察到在困难的现实问题上重大错误减少了39%。在中推理能力下,o3-mini在一些最具挑战性的推理和智力评估(包括AIME和GPQA)上的表现与o1相当。

o3-mini的智能可媲美o1,提供了更快的性能、更高的效率。中推理能力下,该模型还在额外的数学和事实性评估中表现出色。在A/B测试中,o3-mini的响应速度比o1-mini快24%,平均响应时间为7.7秒,而o1-mini为10.16秒。


数学方面,在低推理能力下,o3-mini的表现与o1-mini相当,而在中推理能力下,o3-mini的表现与o1相当。同时,在高推理能力下,o3-mini的表现优于o1-mini和o1。


具有高推理能力的o3-mini在FrontierMath上的表现优于其前代。
在FrontierMath测试上,当被提示使用Python工具时,具有高推理能力的o3-mini在第一次尝试时解决了超过32%的问题,其中包括超过28%的具有挑战性的(T3)问题。

o3-mini随着推理能力的增加逐渐获得更高的Elo分数,均优于o1-mini。在中推理能力下,它的表现与o1相当。


o3-mini是OpenAI在SWE-bench验证中表现最好的模型。

关于SWE-bench验证结果的更多数据如下图所示。o3-mini (tools) 性能最好,为61%。使用Agentless而非内部工具的o3-mini上市候选产品得分为39%。o1是表现第二好的模型,得分为48%。

在LiveBench编程测试中,高推理能力的o3-mini得分全面超过o1-high。

02.
多项安全评估超过GPT-4o
OpenAI还详细介绍了o3-mini在多个安全评估中的表现,称o3-mini在具有挑战性的安全性和越狱评估方面明显超越了GPT-4o。
在不允许的内容评估中,与GPT-4o相比,o3-mini在标准拒绝评估和挑战性拒绝评估中表现相似,但在XSTest中略逊一筹。

在越狱评估中,o3-mini与o1-mini相比,在生产越狱、越狱增强示例、StrongReject和人类来源的越狱评估中表现相当。

在幻觉评估中,使用PersonQA数据集,o3-mini的准确率为21.7%,幻觉率为14.8%,与GPT-4o、o1-mini相比表现相当或更好。

在公平性和偏见评估中,o3-mini在BBQ评估中的表现与o1-mini相似,但在处理模糊问题时的准确性略有下降。

外部红队测试显示,o3-mini在与o1的比较中表现相当,两者都显著优于GPT-4o。

在Gray Swan Arena的越狱测试中,o3-mini的平均用户攻击成功率为3.6%,与o1-mini和GPT-4o相比略高。
准备框架评估涵盖了网络安全、CBRN(化学、生物、放射性、核)、说服力、模型自主性四个风险类别。o3-mini在网络安全方面被评为“低风险”,在CBRN、说服力、模型自主性方面被评为“中等风险”,在生物威胁创建方面的表现达到了“中等风险”阈值,但在核和放射性武器发展方面的能力有限。

按其评级,只有缓解后得分为“中等”或以下的模型才可以部署,得分“高等”或以下的模型才可以进一步开发。
03.
o3基准测试成本或超3000万美元,
OpenAI正谈判2900亿元新融资
自去年9月发布o1以来,OpenAI一直在迭代其推理模型,去年年底发布的o3模型是其最新一代AI推理模型。
高端版o3模型针对高计算应用,而o3-mini迎合了需要兼顾经济高效的用户需求。这反映了OpenAI试图平衡可访问性和高级付费产品的策略。
这两天也不知道是被DeepSeek逼急了,还是为了给o3-mini预热,OpenAI联合创始人萨姆·阿尔特(12.400, 0.14, 1.14%)曼在社交平台上非常活跃,又是夸DeepSeek R1令人印象深刻,又说OpenAI将提供更好的模型,又强调更多计算很重要。

昨天他还大张旗鼓地宣布第一个完整8机架GB200 NVL72服务器正在微软Azure为OpenAI运行。

印度政府本周五发布的《2024-2025经济调查》报告显示,OpenAI可能已经花费超过3000万美元来对其最新AI推理模型o3进行基准测试。
该报告写道,OpenAI o3模型处理能力的突破付出了非常高的代价。ARC-AGI基准测试被认为是最具挑战性的AI任务之一,OpenAI的低效配置模型导致了20万美元的成本。高效模型的成本更是高达低效模型的172倍,也就是大约3440万美元。

阿尔特曼前几天还晒出和微软董事长兼CEO萨提亚·纳德拉的合照,说微软和OpenAI合作的下一阶段将会比任何人想象的都要好得多。

不过微软作为OpenAI最大投资者的名号,可能要被日本软银集团夺走。
近期软银集团创始人兼CEO孙正义与阿尔特曼往来愈发密切,上周宣布联手成立AI巨型项目“星际之门(Stargate)”,未来四年投资5000亿美元(约合人民币3.6万亿元)建设AI基础设施,昨天又被外媒曝出将成为OpenAI新一轮巨额融资的领投方。
据外媒报道,OpenAI正在进行初步谈判,计划在一轮融资中筹集至多400亿美元(约合人民币2901亿元),估值将达到3000亿美元(约合人民币2.18万亿元)。日本软银集团将领投此轮融资,正在商谈投资150亿至250亿美元,剩余资金将来自其他投资者。
加上之前软银承诺向“星际之门”投资的逾150亿美元,最终软银可能会在与OpenAI的合作上投入超过400亿美元。这将成为软银迄今最大的投资之一。
04.
结语:狂卷性价比,
高质AI推理模型走向普及
此前马斯克等科技大佬已经公开质疑过如何承担建造“星际之门”的巨额成本。在DeepSeek高性能低成本开源模型的影响下,美国AI产业界和华尔街投资者对OpenAI等其他美国AI开发商的大手笔支出策略更是疑窦丛生。
OpenAI最新推出的o3-mini,也被视作抵御DeepSeek模型冲击的最新举措,令业界尤其关注。
在新闻稿中,OpenAI称o3-mini的发布标志着该公司向突破高性价比智能界限的使命又迈进了一步,让高质量的AI更加触手可及,OpenAI致力于走在前沿,构建能够平衡智能、效率和安全性的大规模模型。
责任编辑:韦子蓉








APP专享直播
热门推荐
“英雄团长”祁发宝,再获表彰 收起“英雄团长”祁发宝,再获表彰
- 2025年03月03日
- 01:08
- APP专享
- 扒圈小记
23,858
“菜刀哥”李坤朋因病去世,享年39岁
- 2025年03月03日
- 02:40
- APP专享
- 扒圈小记
21,707
年仅39岁!救人英雄“菜刀哥”李坤朋去世 家属讣告:因病抢救无效辞世,殡期定于3月5日
- 2025年03月03日
- 03:26
- APP专享
- 北京时间
4,004

24小时滚动播报最新的财经资讯和视频,更多粉丝福利扫描二维码关注(sinafinance)
投资研报 扫码订阅
股市直播
-
趋势领涨今天 13:31:39
=加入潜伏擒牛VIP,享四大顶级服务=【1】购买VIP自动加入私密小直播间!【2】每周3-5只超短金股调入调出服务,适合实时看盘的投资者!【3】每周一份高端内部绝密文章:包含近期布局、热点版块、指数预判!【4】每月2~3只高端中线金股服务!(VIP超短、中线个股均有涉足,让上班族也能跟上VIP节奏!)现月课7.5折,1288元!季课6.9折,3558元,续费季度更划算!新朋友可先月课体验!点网址,直接买,订购地址:【更多独家重磅股市观点请点击】【更多独家重磅股市观点请点击】 -
趋势领涨今天 10:39:42
【3连板上海洗霸(sh603200):公司固态电池相关业务尚未获得批量订单】上海洗霸(sh603200)(***)发布股票交易风险提示公告称,公司关注到近期固态电池概念受市场关注度较高,公司相关业务尚未获得批量订单,暂未形成长期稳定收入,对公司整体业绩暂不构成影响。同时,基于产品迭代及市场发展的不确定性,公司目前相关投入相对较小,相关送样样品的检测、匹配结果和应用前景也具有较大不确定性。 -
趋势领涨今天 10:38:09
【3连板上海洗霸(sh603200):公司固态电池相关业务尚未获得批量订单】上海洗霸(sh603200)(603200.SH)发布股票交易风险提示公告称,公司关注到近期固态电池概念受市场关注度较高,公司相关业务尚未获得批量订单,暂未形成长期稳定收入,对公司整体业绩暂不构成影响。同时,基于产品迭代及市场发展的不确定性,公司目前相关投入相对较小,相关送样样品的检测、匹配结果和应用前景也具有较大不确定性。 -
数字江恩今天 10:11:52
目前大盘依托3300整数位,在3356之下的抵抗,其实就是市场高低切换。低位的新能源板块表现,而科技里面则是高低切换。总的来说,高位的目前就稍微惰性些。 -
数字江恩今天 10:11:48
明日关注3300即可,只要不跌破3300,大盘还将再次反弹,尝试3356压力。但是只要没有特别显著的放量,那么是站不上3356压力位置的。本周在3356压力下震荡后,还会再有一次回踩。 -
数字江恩今天 10:11:43
看大盘的5分钟图,图上3314之后的震荡非常对称。3314-3384的三段式向上,3384-3388高位震荡后的三段式回踩。从目前来看,大盘并未持续下跌,而只是区间震荡,这个结论依旧成立。【更多独家重磅股市观点请点击】 -
数字江恩今天 10:11:32
板块来说,今天新能源板块表现明显,特别是固态电池。除此之外,数据中心、国产算力等板块个股也非常活跃。科技只是分化严重,高低切换明显,并不是熄火。 -
数字江恩今天 10:11:26
A股两市今日成交6440 + 9807 = 16247 亿人民币,缩量较为明显。大盘日内略微冲高受阻于上周五大阴线实体50%位置,然后回落再次新低。个股方面,超过60%的个股收红上涨。 -
数字江恩今天 10:11:21
继续震荡 -
趋势领涨今天 10:03:30
今天大盘出现冲高回落,两市超过3000只个股上涨,但涨幅都不大,上周五跑了一头牛,今天只回来一只鸡,这个市场挺无语的,下跌时只跌我的,修复只修复你的;吃.肉不带我,买单却来喊上我。特别是那个内资,今天大幅流出近350亿元,你们说他们要去投胎吗?