当地时辰12月20日周五，在为期12个责任日的线上新品发布行径临了一日，OpenAI告示了“压轴大作”：o1的下一代模子o3，况且一开动就要推出两个版块，一个认的确o3，还有一个相对较小的精简版o3-mini。

　　OpenAI的CEO Sam Altman在直播中提到，OpenAI本次12日的行径第一天官宣了上线郑再版o1、所谓满血o1。行径临了一天又有o3亮相，首尾齐由先容推理模子呼应，也算是一种经心野心。

　　逻辑上说，o1的下一代应该定名为o2，至于为什么新模子叫o3，之前报谈称，OpenAI是为了幸免和名为O2的英国电信做事商冲突。Altman也阐发了这点，说出于对O2的尊敬，并莫得起相同的名字。

　　直播中，Altman称o3是“一个独特、独特贤人的模子”。OpenAi的评估遏抑也表现，不管在软件工程、编写代码，如故竞赛数学、掌抓东谈主类博士级别的当然科学常识才能方面，o3齐彰着高出o1一筹。同期测试表现，o3在OpenAI完毕通用东谈主工智能（AGI）这一立志看法上取得了冲突，最高的测试收货达到了类东谈主水平。

　　本年9月，OpenAI发布o1的预览版o1 preview时称，o1是第一个具备确切通用推理才能的大模子，它的中枢才能推理在测试化学、物理和生物学专科常识的基准GPQA-diamond上得到了充分体现。据OpenAI评估，o1在该测试中全面突出了东谈主类博士内行，准确率达到78.3%，而东谈主类内行的得分为69.7%。

　　在12月20日的直播中，OpenAI展示了o3的测评推崇：

　　凭证OpenAI8月推出的SWE-bench Verified代码生成评估基准，在软件工程的才能测评中，o3的准确度得分71.7，即准确率71.7%，远超得分48.9的o1和得分41.3的o1 preview。也便是说，o3的准确率比o1郑再版高快要47%，比o1预览版高快要74%。

　　在竞争性编程网站Codeforces的竞争性代码测评中，o3取得2727的Elo评分，o1评分1891，o1 preview评分1258。这个测评遏抑表现，竞争性代码方面，o3的评分比o1郑再版高44%，是o1预览版的两倍多。

　　经过2024年AIME数学竞赛的题目测试，o3的准确度得分为96.7、即准确率96.7%，大幅度突出了o1预览版的56.7和o1的83.3%，仅错了一齐题，特地于又名顶级数学家的水平。从竞赛数学的角度看，o3的准确率比o1郑再版高15%，比o1预览版高近71%。

　　以东谈主类博士内行的测试测验，在测试化学、物理和生物学专科常识的基准GPQA-diamond上，o3的准确度得分为87.7，即准确率87.7%，o1和o1 preview辨认得分78.0和78.3。o3的准确率比o1高快要13%，比o1预览版高12%。

　　OpenAI周五还展示了，o3的推理才能一经愈加接近完毕AGI。

　　以100%为最高分的ARC-AGI评估遏抑表现，o1的得分在25%到32%，而o3的最低收货为75.7%，最高收货为87.5%。从这个遏抑看，o3的最好收货突出了标记着达到东谈主类水平的门槛85%。

　　创举ARC-AGI治安的前谷歌高档工程师、AI盘问员Franois Chollet默示，OpenAI这些推理模子在AGI测试中取得跳跃是“肃肃的”。

　　Chollet周五在酬酢媒体X发帖，公布了同OpenAI衔尾进行的ARC-AGI测试遏抑，称“咱们肯定这代表了让AI符合新任务的紧要冲突。”

　　与o3模子比拟，o3Mini模子在性能与本钱均衡方面推崇出色，约略以较低的本钱提供高效的做事。

　　在编码评估方面，o3Mini模子展现出了出色的性能普及。在CodeForces的评估中，跟着想考时辰的加多，o3Mini模子的推崇握住普及，渐渐超越了o1Mini模子。

　　在中位想考时辰下，o3Mini模子的性能以致优于o1模子，约略以大致一个数目级的更低本钱提供特地以致更好的代码性能。这意味着树立东谈主员不错在不加多过多本钱的情况下，得到更高效的编程缓助，提高树立着力，裁汰树立本钱。

　　在数学才能测试中，o3Mini模子在2024年数据集上推崇出色。o3Mini低模子的性能与o1Mini特地，而o3Mini中位数模子则取得了比o1更好的性能。在处理诸如GPQA等贫瘠数据集时，o3Mini模子也能展现出一定的上风，完毕了接近即时反应的着力。

　　此外，o3Mini模子支援函数调用、结构化输出、树立者音讯等一系列功能，与O1模子特地。在施行哄骗中，o3Mini模子在大多数评估中完毕了可比或更好的性能。

　　在现场演示中，o3Mini模子的雄壮功能得到了直不雅展示。举例，在一项任务中，模子被条款使用Python完毕一个代码生成器和推论器。当启动运行该Python剧本后，模子胜仗启动了腹地做事器，并生成了包含文本框的用户界面。

　　用户在文本框中输入编码苦求后，模子约略马上将苦求发送至API，并自动惩办任务，生成代码并保存至桌面，随后自动翻开终局推论代码。统共经由复杂且触及无数代码处理，但o3 Mini模子在低推理悉力花式下依然推崇出了极快的处理着力。

　　固然o3的测评看上去推崇惊艳，但OpenAI应该不会很快面向各人上线这款新的超等推理模子。

　　从12月20日开动，OpenAI允许安全盘问东谈主员不错注册打听o3 和 o3-mini的预览。OpenAI的又名发言东谈主称，OpenAI计较明岁首认真发布这些新的o3模子。