「o3 達(dá)到或接近天才的水平。」

　　就在剛剛，OpenAI o3/o4 mini 模型終于正式推出。 直播用時(shí)接近 30 分鐘，節(jié)奏快到飛起，信息量卻滿滿當(dāng)當(dāng)。

　　o3 的發(fā)布?xì)v程本身也極具反轉(zhuǎn)，今年 2 月，OpenAI 曾宣布擱置 o3 的獨(dú)立發(fā)布計(jì)劃，技術(shù)會(huì)打包塞進(jìn) GPT-5 里。到了 4 月初，深諳「饑餓營(yíng)銷」 的 Altman 卻宣稱計(jì)劃有變：

　　o3 要先上，GPT-5 反而得等等，最快也得幾個(gè)月后。

　　劃重點(diǎn)，OpenAI o3/o4 mini 亮點(diǎn)如下：

　　o 系列迄今最智能的模型，推理能力大幅提升，思考時(shí)間越長(zhǎng)，效果越好。

　　首次將圖像直接融入思維鏈，用圖片「思考」，能直接調(diào)用工具處理圖片。

　　首次全面支持網(wǎng)頁(yè)搜索、文件分析、Python 代碼執(zhí)行、視覺輸入深度推理和圖像生成等功能。

　　成本效率上優(yōu)于前代，o3 在相同延遲和成本下性能更強(qiáng)。

　　在模型選擇器上取代 o1 等模型，ChatGPT Plus、Pro 和 Team 用戶即日起可使用 o3、o4-mini 和 o4-mini-high，企業(yè)與教育用戶一周后獲訪問(wèn)權(quán)限。 o3-pro 預(yù)計(jì)數(shù)周內(nèi)發(fā)布。

　　免費(fèi)用戶可通過(guò)「Think」模式使用 o4-mini，速率限制不變。

　　開發(fā)者則通過(guò) Chat Completions API 和 Responses API 訪問(wèn)，支持推理摘要和函數(shù)調(diào)用優(yōu)化，即將支持網(wǎng)頁(yè)搜索等內(nèi)置工具。

　　OpenAI 最強(qiáng)推理模型 o3 發(fā)布，GPT-5 還會(huì)遠(yuǎn)嗎？

　　最新發(fā)布的 o3 和 o4-mini，是 o 系列迄今最智能的模型。

　　這兩款模型在推理能力、工具使用和多模態(tài)處理上表現(xiàn)出色，能夠更長(zhǎng)時(shí)間思考復(fù)雜問(wèn)題，首次全面支持網(wǎng)頁(yè)搜索、文件分析、Python 代碼執(zhí)行、視覺輸入深度推理和圖像生成。

　　上至高級(jí)研究人員，下至普通用戶，新模型適用的場(chǎng)景也更廣泛。

　　OpenAI o3 和 o4-mini 可以調(diào)用 ChatGPT 中的工具，并通過(guò) API 中的函數(shù)調(diào)用訪問(wèn)自定義工具。

　　通過(guò)強(qiáng)化學(xué)習(xí)，OpenAI 還訓(xùn)練了這兩個(gè)模型如何使用工具 ——不僅知道如何用、何時(shí)用，還能以正確格式快速生成可靠答案，通常耗時(shí)不到一分鐘。

　　比如，當(dāng)被問(wèn)及加州夏季的能源使用量與去年相比如何時(shí)，能上網(wǎng)查詢公共能源消耗數(shù)據(jù)，寫 Python 代碼預(yù)測(cè)，生成圖表或圖片，并解釋預(yù)測(cè)依據(jù)，流暢串聯(lián)多種工具。

　　整個(gè)推理搜索過(guò)程也勝在靈活多變：模型可多次調(diào)用搜索引擎，交叉驗(yàn)證結(jié)果；若自有知識(shí)不足，還能進(jìn)一步挖掘信息、整合跨類型輸出。

　　在今天凌晨的直播環(huán)節(jié)，OpenAI 總裁 Greg Brockman 也罕見露面。OpenAI 演示者則展示了新模型如何結(jié)合用戶興趣，發(fā)現(xiàn)用戶可能感興趣但尚未知道的內(nèi)容。

　　新模型啟用「記憶」功能后，能夠了解演示者的興趣愛好——跳傘和音樂(lè)。

　　不是簡(jiǎn)單分別討論兩個(gè)愛好，新模型找到了一個(gè)將兩者聯(lián)系起來(lái)的研究領(lǐng)域：科學(xué)家錄制健康珊瑚礁的聲音，然后用水下?lián)P聲器回放這些錄音，這種聲音回放加速了新珊瑚和魚類的定居，能夠幫助珊瑚礁更快地愈合和再生。

　　內(nèi)容創(chuàng)建過(guò)程中，模型還自動(dòng)創(chuàng)建了一篇完整的博客文章，先是使用數(shù)據(jù)分析工具生成可視化，用 Canvas 創(chuàng)建博客文章，并附上提供了引用和來(lái)源。

　　作為最新的旗艦推理模型，o3 在編程、數(shù)學(xué)、科學(xué)和視覺感知領(lǐng)域創(chuàng)下新紀(jì)錄，例如 Codeforces、SWE-bench 和 MMMU 基準(zhǔn)測(cè)試，視覺任務(wù)準(zhǔn)確率達(dá) 87.5%，MathVista 也有 75.4%。

　　外部專家評(píng)估顯示，o3 在編程、商業(yè)咨詢和創(chuàng)意構(gòu)思的重大錯(cuò)誤率也比 o1 低 20%，在生物學(xué)、數(shù)學(xué)和工程領(lǐng)域能生成并批判性評(píng)估新穎假設(shè)，適合復(fù)雜查詢。

　　o4-mini 「體型更小」，優(yōu)化了快速、低成本推理，在 AIME 2024 和 2025 數(shù)學(xué)測(cè)試中準(zhǔn)確率分別為 92.7% 和 93.4%，在非 STEM 和數(shù)據(jù)科學(xué)任務(wù)中優(yōu)于 o3-mini，效率高，能處理更多請(qǐng)求，也更適合需要快速響應(yīng)的場(chǎng)景。

　　向左滑動(dòng)查看更多內(nèi)容

　　性能對(duì)比顯示，o3 和 o4-mini 在 AIME、Codeforces、GPQA 和 MMMU 等測(cè)試中全面超越前代，且指令遵循和響應(yīng)質(zhì)量也都顯著提升，結(jié)合記憶功能和歷史對(duì)話引用，回答更個(gè)性化、更相關(guān)。

　　在 OpenAI o3 的整個(gè)開發(fā)過(guò)程中，OpenAI 觀察到大規(guī)模強(qiáng)化學(xué)習(xí)呈現(xiàn)出與 GPT 系列預(yù)訓(xùn)練中相同的 「計(jì)算量越大，性能越好 」的趨勢(shì)。

　　沿著這一路徑（強(qiáng)化學(xué)習(xí)），OpenAI 在訓(xùn)練計(jì)算量和推理時(shí)間方面都提升了一個(gè)數(shù)量級(jí)，但仍然看到了明顯的性能提升，在跟 o1 相同的延遲和成本下，o3 的表現(xiàn)更強(qiáng)，而且給它更多時(shí)間思考，效果還能更好。

　　不忘畫餅的 OpenAI 也表示，o3 和 o4-mini 已經(jīng)展現(xiàn)了 o 系列推理能力與 GPT 系列自然對(duì)話和工具使用的融合趨勢(shì)，而未來(lái)模型（GPT-5）預(yù)計(jì)將進(jìn)一步整合這些優(yōu)勢(shì)，為用戶提供更智能、實(shí)用的體驗(yàn)。

　　能用圖片「思考」，就是偶爾會(huì)「想太多」

　　OpenAI o3 和 o4-mini 還是 o 系列最新的視覺推理模型。

　　怎么理解視覺推理模型呢？據(jù)官方介紹，模型首次將圖像直接融入思維鏈，開啟了一種融合視覺與文本推理的全新問(wèn)題解決方式。

　　配合 Python 數(shù)據(jù)分析、網(wǎng)絡(luò)搜索和圖像生成等工具，還能應(yīng)對(duì)更復(fù)雜的任務(wù)。

　　上傳白板照片、教科書圖表或手繪草圖，即便圖像糊了、反轉(zhuǎn)或質(zhì)量不佳，模型也能準(zhǔn)確解讀，并直接調(diào)用工具處理圖片，裁剪、旋轉(zhuǎn)、縮放等操作都不在話下。

　　重點(diǎn)是，這些功能是原生的，無(wú)需依賴單獨(dú)的專用模型。

　　博主 @danshipper 通過(guò)一張模糊的照片找到了一個(gè)嬰兒車品牌，從畫面上看，整個(gè)過(guò)程也搜索了數(shù)十個(gè)網(wǎng)頁(yè)。

　　我也上傳了武康大樓的圖片，o3 準(zhǔn)確識(shí)別到了建筑位于淮海路附近，不過(guò)，回答卻并沒(méi)有給出建筑的名字。

　　當(dāng)然，這種思考方式也不是沒(méi)有「缺陷」：

　　想得太多：模型可能過(guò)于依賴工具或圖像處理，導(dǎo)致推理思維鏈冗長(zhǎng)。

　　看走眼：即使工具使用正確，視覺誤解也可能導(dǎo)致答案錯(cuò)誤。

　　不穩(wěn)定：同一問(wèn)題多次嘗試，模型可能采用不同推理路徑，部分結(jié)果出錯(cuò)。

　　Codex CLI 免費(fèi)開源，OpenAI 真 open 了？

　　o3 和 o4-mini 在成本效率上優(yōu)于前代，2025 年 AIME 測(cè)試中性價(jià)比完勝 o1 和 o3-mini，更智能也更劃算。

　　o3 輸入每百萬(wàn) tokens（大約 75 萬(wàn)個(gè)詞，長(zhǎng)度超過(guò)《指環(huán)王》系列）的費(fèi)用為 10 美元，輸出每百萬(wàn) tokens 的費(fèi)用為 40 美元。

　　o4-mini 輸入每百萬(wàn) tokens 的費(fèi)用為 1.10 美元，輸出每百萬(wàn) tokens 的費(fèi)用為 4.40 美元。

　　向左滑動(dòng)查看更多內(nèi)容

　　前不久，OpenAI 被曝安全測(cè)試時(shí)間從數(shù)月縮水到了幾天。而 o3 和 o4-mini 的系統(tǒng)卡則顯示，OpenAI 重建了安全訓(xùn)練數(shù)據(jù)集，新增生物威脅、惡意軟件生成和越獄攻擊的拒絕提示。

　　根據(jù)最新的《準(zhǔn)備框架》，o3 和 o4-mini 在生物與化學(xué)、網(wǎng)絡(luò)安全及 AI 自我改進(jìn)領(lǐng)域風(fēng)險(xiǎn)均低于「高」閾值。

　　
附 Codex CLI GitHub 地址： https://github.com/openai/codex

　　Agent 雖遲但到，OpenAI 還推出了一款輕量級(jí)終端編碼 Agent——Codex CLI。

　　基于 o3 和 o4-mini 的推理能力，Codex CLI 支持多模態(tài)輸入，已在 GitHub 開源。 此外 ， OpenAI 還啟動(dòng) 100 萬(wàn)美元計(jì)劃支持相關(guān)項(xiàng)目，接受 2.5 萬(wàn)美元 API 積分資助申請(qǐng)。

　　OpenAI 這回是真 open 了。

　　據(jù)介紹，Codex 有兩種運(yùn)行模式，一種是「建議模式」（默認(rèn)）：提出命令供用戶確認(rèn)，另一種是「全自動(dòng)模式」：禁用網(wǎng)絡(luò)訪問(wèn)，讓 Agent 自主工作但保持安全。

　　直播演示中，OpenAI 研究員將屏幕截圖拖入終端，Codex CLI 通過(guò)多模態(tài)推理分析圖像，訪問(wèn)用戶文件，最終生成 HTML 文件，打造了一個(gè) ASCII 藝術(shù)生成器，并成功添加了網(wǎng)絡(luò)攝像頭 API。

　　值得一提的是，據(jù)彭博社報(bào)道，OpenAI 擬以約 30 億美元收購(gòu) AI 編程工具公司 Windsurf，如果收購(gòu)成功，這將成為 OpenAI 迄今為止規(guī)模最大的收購(gòu)案。

　　報(bào)道指出，一旦交易達(dá)成，OpenAI 將能夠與 Anthropic、微軟旗下的 Github 和 Anysphere 等公司展開更直接的競(jìng)爭(zhēng)，從而在快速增長(zhǎng)的 AI 編程工具市場(chǎng)中占據(jù)一席之地。

　　「天才級(jí)」o3 引 Altman 轉(zhuǎn)發(fā)力挺，但這些題卻答不對(duì)…

　　一些 X 平臺(tái)博主提前拿到了新模型的體驗(yàn)資格，并分享了使用體驗(yàn)。

　　體驗(yàn)一周的 @danshipper 表示，o3 速度快、很有「行動(dòng)力」、極其聰明，而且整體感覺非常棒。最喜歡的用法包括：

　　制定了一個(gè)簡(jiǎn)潔的機(jī)器學(xué)習(xí)小課程，并每天早上提醒博主學(xué)習(xí)

　　通過(guò)一張模糊的照片找到了一個(gè)嬰兒車品牌

　　用超快的速度寫出了一個(gè)全新的 AI 基準(zhǔn)測(cè)試程序

　　像 X 光一樣分析了 Annie Dillard 的一篇經(jīng)典作品，挖掘出博主以前從未注意到的寫作技巧

　　查看會(huì)議記錄，敏銳捕捉博主試圖回避沖突的情況

　　分析組織架構(gòu)后，建議推出什么樣的產(chǎn)品，以及短板在哪

　　醫(yī)學(xué)博士 @DeryaTR_ 認(rèn)為 o3 很聰明，「當(dāng)我向 o3 提出具有挑戰(zhàn)性的臨床或醫(yī)學(xué)問(wèn)題時(shí)，它的回答聽起來(lái)就像是來(lái)自頂級(jí)醫(yī)生：準(zhǔn)確、全面、基于證據(jù)且充滿信心，表現(xiàn)得非常專業(yè)，完全符合我們對(duì)這個(gè)領(lǐng)域?qū)＜业钠谕！?/p>

　　Altman 也轉(zhuǎn)發(fā)引用了他的說(shuō)法「o3 達(dá)到或接近天才的水平」。

　　在 @DeryaTR_ 看來(lái)，o4 mini 則稍微「低調(diào)」一些，回答細(xì)節(jié)上沒(méi)有 o3 那么詳細(xì)，可能更簡(jiǎn)潔、流暢，給人一種優(yōu)雅的感覺，甚至可能更具「情感」。

　　當(dāng)然，我們也上手測(cè)試了一些問(wèn)題。

　　從前有一位老鐘表匠，為一個(gè)教堂裝一只大鐘。他年老眼花，把長(zhǎng)短針裝配錯(cuò)了，短針走的速度反而是長(zhǎng)針的12倍。裝配的時(shí)候是上午 6 點(diǎn)，他把短針指在「6」上，長(zhǎng)針指在「12」上。老鐘表匠裝好就回家去了。人們看這鐘一會(huì)兒 7 點(diǎn)，過(guò)了不一會(huì)兒就8點(diǎn)了，都很奇怪，立刻去找老鐘表匠。等老鐘表匠趕到，已經(jīng)是下午 7 點(diǎn)多鐘。他掏出懷表來(lái)一對(duì)，鐘準(zhǔn)確無(wú)誤，疑心人們有意捉弄他，一生氣就回去了。這鐘還是 8 點(diǎn)、9 點(diǎn)地跑，人們?cè)偃フ溢姳斫场＠乡姳斫车诙煸绯?8 點(diǎn)多趕來(lái)用表一對(duì)，仍舊準(zhǔn)確無(wú)誤。請(qǐng)你想一想，老鐘表匠第一次對(duì)表的時(shí)候是 7 點(diǎn)幾分？第二次對(duì)表又是 8 點(diǎn)幾分？

　　o3 回答錯(cuò)誤 ?

　　U2 合唱團(tuán)在 17 分鐘 內(nèi)得趕到演唱會(huì)場(chǎng)，途中必需跨過(guò)一座橋，四個(gè)人從橋的同一端出發(fā)，你得幫助他們到達(dá)另一端，天色很暗，而他們只有一只手電筒。一次同時(shí)最多可以有兩人一起 過(guò)橋，而過(guò)橋的時(shí)候必須持有手電筒，所以就得有人把手電筒帶來(lái)帶去，來(lái)回橋兩端。手電筒是不能用丟的方式來(lái)傳遞的。四個(gè)人的步行速度各不同，若兩人同行則 以較慢者的速度為準(zhǔn)。Bono 需花 1 分鐘過(guò)橋，Edge 需花 2 分鐘過(guò)橋，Adam 需花5分鐘過(guò)橋，Larry 需花 10 分鐘過(guò)橋。他們要如何在 17 分鐘內(nèi)過(guò)橋呢？

　　o4 mini 回答正確 ?

　　如下實(shí)測(cè)，雖然 o3 給出了完整的推理步驟，但回答卻也再次出錯(cuò)。

　　o3 回答錯(cuò)誤 ?

　　在 OpenAI 上新之際，細(xì)心的網(wǎng)友也發(fā)現(xiàn)新款 Gemini 將于下周（4 月 22 日）發(fā)布。

　　DeepSeek R2、Anthropic 的 Claude 4 以及馬斯克劇透的「GroK-3.5」 也預(yù)計(jì)將在本月陸續(xù)發(fā)布。

　　即便往前看，4 月也是 AI 最為「內(nèi)卷」的一個(gè)月，很大程度上決定未來(lái)一年 AI 行業(yè)的發(fā)展走向，而更強(qiáng)的模型、更低的成本、更廣的場(chǎng)景也將給我們帶來(lái)更智能、更普惠的未來(lái)。

　　附 OpenAI 團(tuán)隊(duì)在 X 平臺(tái)上舉辦的 AMA 總結(jié)：

　　OpenAI 計(jì)劃在未來(lái)幾個(gè)月發(fā)布一個(gè)出色的開放模型，新的圖像生成功能將很快在 API 中推出。

　　o3 現(xiàn)已在 API 中提供，而更先進(jìn)的 o3-pro 模型正在開發(fā)中，預(yù)計(jì)很快發(fā)布。

　　強(qiáng)化學(xué)習(xí)微調(diào)（Reinforcement fine-tuning）很快會(huì)全面開放，允許公開進(jìn)行微調(diào)或使用推理模型進(jìn)行強(qiáng)化學(xué)習(xí)（RL）。

　　在 Responses API 中，開發(fā)者消息與系統(tǒng)消息之間的切換是自動(dòng)處理的；將系統(tǒng)消息發(fā)送給 o3 或?qū)㈤_發(fā)者消息發(fā)送給 GPT-4.1 會(huì)自動(dòng)轉(zhuǎn)換。

　　目前，ChatCompletions 或 Responses API 不支持托管工具

　　在 o3 和 o4-mini 的推理階段，Web 搜索、文件搜索和代碼解釋器等工具會(huì)被積極使用；這些工具目前在ChatGPT中已被支持，但尚未在 API 中支持——預(yù)計(jì)很快會(huì)添加支持。

　　OpenAI 正在積極開發(fā) Agents SDK 中的線程支持，以改善對(duì)話歷史和記憶。

　　OpenAI認(rèn)為低代碼平臺(tái)在 Agents SDK 中的建議很有趣，并歡迎開發(fā)者就最有用的功能提供反饋。

　　Codex CLI 包括多個(gè)文檔化的審批模式，允許用戶為每個(gè)操作或會(huì)話選擇模式。

　　Codex CLI 并不是用來(lái)替代 Cursor、Windsurf 等 IDE 工具；它的設(shè)計(jì)目的是在用戶使用主要 IDE 時(shí)運(yùn)行后臺(tái)任務(wù)。

　　比較 Codex 的編碼能力和深度研究能力取決于選擇的模型（o3 或 o4-mini）；Codex 特別利用函數(shù)調(diào)用，直接在用戶計(jì)算機(jī)上執(zhí)行命令。

　　新模型主要訓(xùn)練于通用瀏覽、Python/代碼執(zhí)行工具和對(duì)開發(fā)者有用的用戶定義工具。

　　雖然 GPT-4.5 更強(qiáng)大，但它更慢且計(jì)算密集，GPT-4.1 為開發(fā)者提供了一個(gè)更快且更具成本效益的選擇。

　　GPT-4.1 的一些改進(jìn)已經(jīng)整合到 ChatGPT 中，更多改進(jìn)將在未來(lái)推出。

　　OpenAI 承認(rèn)「4o」和「o4」等模型名稱之間存在命名混淆，并計(jì)劃很快簡(jiǎn)化模型命名。