当地时辰12月20日周五父女乱伦，在为期12个责任日的线上新品发布步履临了一日，OpenAI通知了“压轴大作”：o1的下一代模子o3，并且一运转就要推出两个版块，一个负责的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日的步履第一天官宣了上线郑再版o1、所谓满血o1。步履临了一天又有o3亮相，首尾都由先容推理模子呼应，也算是一种全心打算。

　　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的英国电信就业商冲突。Altman也证实了这点，说出于对O2的尊敬，并莫得起相同的名字。

　　直播中，Altman称o3是“一个稀奇、稀奇机灵的模子”。OpenAi的评估放荡也显现，不管在软件工程、编写代码，如故竞赛数学、掌捏东谈主类博士级别的天然科学常识才气方面，o3都彰着高出o1一筹。同期测试显现，o3在OpenAI收尾通用东谈主工智能（AGI）这一鼓动指标上取得了冲破，最高的测试收获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是第一个具备果然通用推理才气的大模子，它的中枢才气推理在测试化学、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在该测试中全面卓越了东谈主类博士大众，准确率达到78.3%，而东谈主类大众的得分为69.7%。

　　在12月20日的直播中，OpenAI展示了o3的测评弘扬：

　　字据OpenAI8月推出的SWE-bench Verified代码生成评估基准，在软件工程的才气测评中，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。也即是说，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。这个测评放荡显现，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%，大幅度卓越了o1预览版的56.7和o1的83.3%，仅错了一都题，相配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%。

　　以东谈主类博士大众的测试熟谙，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分袂得分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的推理才气一经愈加接近收尾AGI。

　　以100%为最高分的ARC-AGI评估放荡显现，o1的得分在25%到32%，而o3的最低收获为75.7%，最高收获为87.5%。从这个放荡看，o3的最好收获卓越了记号着达到东谈主类水平的门槛85%。

　　首创ARC-AGI循序的前谷歌高等工程师、AI商议员Franois Chollet示意，OpenAI这些推理模子在AGI测试中取得高出是“庄重的”。

　　Chollet周五在酬酢媒体X发帖，公布了同OpenAI谐和进行的ARC-AGI测试放荡，称“咱们投诚这代表了让AI适合新任务的要紧冲破。”

　　与o3模子比较，o3Mini模子在性能与资本均衡方面弘扬出色，好像以较低的资本提供高效的就业。

　　在编码评估方面，o3Mini模子展现出了出色的性能擢升。在CodeForces的评估中，跟着想考时辰的增多，o3Mini模子的弘扬不停擢升，慢慢超越了o1Mini模子。

　　在中位想考时辰下，o3Mini模子的性能以至优于o1模子，好像以大致一个数目级的更低资本提供相配以至更好的代码性能。这意味着缔造东谈主员不错在不增多过多资本的情况下，取得更高效的编程辅助，提高缔造效用，镌汰缔造资本。

　　在数学才气测试中，o3Mini模子在2024年数据集上弘扬出色。o3Mini低模子的性能与o1Mini相配，而o3Mini中位数模子则取得了比o1更好的性能。在处理诸如GPQA等穷苦数据集时，o3Mini模子也能展现出一定的上风，收尾了接近即时反应的效用。

　　此外，o3Mini模子扶植函数调用、结构化输出、缔造者音信等一系列功能，与O1模子相配。在本色诳骗中，o3Mini模子在大多数评估中收尾了可比或更好的性能。

　　在现场演示中，o3Mini模子的远大功能得到了直不雅展示。举例，在一项任务中，模子被条件使用Python收尾一个代码生成器和实验器。当启动运行该Python剧本后，模子告捷启动了土产货就业器，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，模子好像赶快将苦求发送至API，并自动处分任务，生成代码并保存至桌面，随后自动开放末端实验代码。扫数历程复杂且触及多半代码处理，但o3 Mini模子在低推理奋勉花样下依然弘扬出了极快的处理效用。

　　天然o3的测评看上去弘扬惊艳，但OpenAI应该不会很快面向民众上线这款新的超等推理模子。

　　从12月20日运转，OpenAI允许安全商议东谈主员不错注册探询o3 和 o3-mini的预览。OpenAI的又名发言东谈主称父女乱伦，OpenAI规划来岁头负责发布这些新的o3模子。