❝

“AI 的每一次进步，都在重新定义我们对人类智慧的想象。”
——杨·勒昆，深度学习奠基人

推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top 

OpenAI 刚刚完成了一场堪称“AI 春晚”的年度盛宴。在年末发布会上，o3 系列模型惊艳亮相，成为 OpenAI 今年的巅峰之作。这一新系列是此前广受关注的 o1 模型的迭代版本，直接跳过了 “o2” 命名，原因是可能涉及与英国电信运营商 O2 的版权或商标冲突。

对此，OpenAI CEO Sam Altman 也幽默自嘲，调侃了公司在命名方面的“迷之逻辑”。与 Altman 一起主持发布会的还有 研究高级副总裁 Mark Chen 和研究科学家任泓宇。值得一提的是，任泓宇毕业于北大，是 GPT-4o 的核心开发者之一。

o3 系列：性能与性价比双丰收

本次发布的 o3 系列包含两款重磅模型：

1. OpenAI o3：旗舰版，性能全面升级，主打强大计算能力。
2. OpenAI o3 mini：轻量级版本，成本低、速度快，主打性价比。

尽管 o3 系列暂未对普通用户开放，但 OpenAI 计划从即日起接受外部安全测试申请，正式发布时间预计在明年 1 月。

性能跃迁：从编程到数学的全面突破

在性能上，o3 展现出了前所未有的进步：

• 编程能力：在 Codeforces 编程竞赛平台，o3 的得分达到 2727，远超 o1 的 1891，甚至超过部分专业程序员。

• 数学表现：在 AIME 2024 测试中，o3 准确率达 **90.67%**，相比 o1 提升了近 8%。更令人震撼的是，面对复杂的 GPQA Diamond 测试，o3 的表现甚至优于博士专家。

• 推理能力：在 ARC-AGI 图形逻辑推理测试中，o3 得分高达 **87.5%**，展现了接近 AGI 的潜力。

ARC-AGI：衡量 AGI 的终极测试

提到 AI 领域的“圣杯” AGI（通用人工智能），就不得不提到 ARC-AGI 基准测试。这一测试由 Keras 的创始人 François Chollet 开发，专注于通过图形逻辑推理来评估 AI 的推理能力。

o3 的突破性表现

ARC-AGI 的任务设计巧妙，涵盖了多种推理任务，每个任务需要不同的技能，刻意避免重复。这完全杜绝了 AI 靠“死记硬背”完成任务的可能，真正考验模型实时学习和应用新技能的能力。

演示中，Mark Chen 给出了一个即兴问题：计算每个黄色方块中彩色小方块的数量，并据此生成边框。这一看似简单的任务对人类来说轻而易举，但对 AI 来说却是严峻的挑战。

性能数据：从人类到 AGI 的跨越

• 在 低算力配置下，o3 在 ARC-AGI 的得分达 75.7 分，已经超过了许多 AI 模型的水平。
• 当 o3 被允许延长思考时间并提升算力后，其得分进一步上升到 87.5 分，超越了绝大多数真人的表现。

这一成就证明，o3 已经具备接近 AGI 的能力。OpenAI 的意图很明显：o3 的突破将带领我们距离 AGI 更进一步。

o3 mini：平民化的 AI 助手

o3 mini 的发布则是 OpenAI 战略转型的缩影。相比旗舰版，o3 mini 更注重用户体验和场景适配：

• 三种推理时间模式：用户可以根据任务复杂度选择短、中、长模式，灵活应对各种需求。
• 自我评估能力：在测试中，o3 mini 仅用一分钟就完成复杂数据集的整理和评分，准确率高达 **61.62%**。

• 数学与编程优势：在低推理模式下已能媲美 o1 mini，而中等模式更是全面超越。

AI 竞争加剧：OpenAI 面临新挑战

虽然 o3 系列的表现令人欣喜，但市场数据显示，ChatGPT 的市场份额正在被竞争对手逐步蚕食。从 2023 年的 50% 降至 2024 年的 **34%**，OpenAI 不得不面对愈加激烈的竞争。

• 竞争对手崛起：Anthropic、Google 等厂商开发的新模型性能正迅速接近 OpenAI。
• 内部挑战：随着人才流失与技术瓶颈，OpenAI 如何保持领先地位成为一个难题。

变局之下，用户成最大赢家

OpenAI 的言外之意很明显：即便是今天的 o3 模型，也无法确保长期的技术领先地位。然而，正因为这种竞争，AI 技术正在以惊人的速度普及和进化。对于用户而言，未来无论选择哪个平台，都会享受到越来越高的 AI 服务质量。