新智元报说念开云体育(中国)官方网站

剪辑：剪辑部 HYZ

【新智元导读】眼看DeepSeek风头尽显，被逼急的OpenAI居然进犯发布了o3-mni。不光免用度户都能用，每百万输入和输出token价钱更是豪恣跳水打骨折价！

o3-mini，真实来了。

刚刚，OpenAI官宣o3-mini和o3-mini-high两大版块崇拜在ChatGPT上线。

诚如所言，免用度户平直绽开「Reason」即可体验，Plus用户每天会有更多用量，具体来说：

- ChatGPT免费版：初次体验推理模子

- ChatGPT Plus和团队版：每天150次对话限制

- ChatGPT Pro：无尽制造访

- ChatGPT Enterprise和ChatGPT Edu：将在一周内可用

- API：向3-5级拓荒者开放（初期暂不救助图像分析功能）

- 输入1.10好意思元/百万token、输出4.40好意思元/百万token

感谢DeepSeek，o3-mini的价钱此次算是透彻给打下来了——比OpenAI o1-mini低廉63%，比满血版o1低廉93%。（但仍是GPT-4o mini的7倍傍边）

订阅用户还是在第一时候「告别」了o1-mini，还没来得及说相遇

OpenAI暗意，o3-mini的发布是在追求高效率智能技巧说念路上的又一短处里程碑。

通过优化科学（Science）、技巧（Technology）、工程（Engineering）和数学（Mathematics）范围的推理才略，同期保执较低的本钱，让高质料AI技巧变得愈加夷易近东说念主。

值得一提的是，在ChatGPT中，o3-mini承袭的是「中等推理强度」，在速率和准确性之间取得均衡。通盘付用度户还不错在模子采取器中采取o3-mini-high——反馈时候略长但智能水平更高的版块。

目下，由于太过头爆，ChatGPT的状貌和自界说GPTs功能都还是被挤崩了。

集成搜索，两种版块可选

客岁12月，。相较于上一代o1模子，o3在ARC-AGI等多项基准测试中刷新SOTA。

与o1-mini相通，o3-mini是最具性价比的推理模子，可谓是冲破性能界限的「小巨东说念主」。

在STEM范围，尤其是科学、数学和编程等方面，o3-mini性能贯通不凡越过o1，并承袭了上一代低本钱和低蔓延的优点。

关于拓荒者来说，o3-mini几乎便是一份「大礼包」，它初次在微型推理模子中救助：包括函数调用、结构化输出和拓荒者讯息、流式传输功能。

拓荒者不错把柄需求采取低、中、高三种推理强度，让o3-mini在处理复杂问题时进行「深度念念考」，机动均衡速率和准确性。

缺憾地是，o3-mini暂不救助视觉功能。

如前所述，从今天起，o3-mini将通过Chat Completions API，Assistants API和Batch API向3-5级指定拓荒者开放。

同期，o3-mini还整合了搜索功能，省略提供带有有关集合起原蚁合最新反馈。

沿路来望望这款「小而好意思」的o3-mini有什么过东说念主之处。

快速、深广、专为STEM范围推理优化

与其前身OpenAI o1肖似，OpenAI o3-mini成心针对STEM推理进行了优化。

承袭了中等推理强度的o3-mini，在数学、编程和科学范围的贯通与o1不相高下，且反馈速率更快。

论说地址：https://cdn.openai.com/o3-mini-system-card.pdf

大家测试评估泄露，o3-mini比拟o1-mini省略生成更准确、更明晰的谜底，推理才略更强。

在测试中，o3-mini的反馈收尾获取了56%的偏好度，在处理复杂现实问题时的要紧失误率更是缩短了39%。

在中等推理强度建造下，o3-mini在最具挑战性的推理和智能评估状貌（包括AIME和GPQA）中，均达到了与o1至极的水平。

数学竞赛（AIME 2024）

在低推理强度下，o3-mini达到了与o1-mini至极的水平；在中等推理强度下，其贯通可与o1比好意思；而在高推理强度下，o3-mini的贯通更是越过了o1-mini和o1。

博士级科常识题（GPQA Diamond）

征询级数学（FrontierMath）

在高推理强度口头下，o3-mini在FrontierMath中的贯通优于前代家具。当协作Python器具使用时，高推理强度的o3-mini省略一次性责罚高出32%的测试题目，其中包括28%以上的T3级问题。

编程竞赛（Codeforces）

跟着推理强度的晋升，OpenAI o3-mini的Elo得分不休提高，各层级贯通均优于o1-mini。在中等推理强度下，其贯通已能与o1相比好意思。

软件工程（SWE-bench Verified）

o3-mini在高推理强度口头下，使用开源Agentless框架能达到39%的得手率，使用里面器具框架则可达到61%的得手率。

LiveBench编码

东说念主类偏好评估

外部大家评测收尾泄露，o3-mini较o1-mini贯通出更强的推理才略，省略生成更准确、更明晰的谜底，尤其是在STEM范围中。在对比测试中，o3-mini获取了56%的用户偏好度，且在处理复杂现实问题时的要紧失误率缩短了39%。

在技巧论说中，o3-mini编程性能越过了GPT-4o和o1-preview，与o1不相高下。

模子的速率与性能

o3-mini在保执与o1至极智能水平的同期，结束了更快的初始速率和更高的野心后果。

除前文提到的STEM评估外，在中等推理强度下，o3-mini在其他数学才略和事实准确性测试中均取得了显赫上风。

对比测试（A/B Testing）收尾泄露，o3-mini的平均反馈时候为7.7秒，较o1-mini的10.16秒晋升了24%。

o1-mini和o3-mini（medium）的蔓延对比

安全评估

OpenAI在检修o3-mini确保其安全反馈，承袭的要津技巧之一是审慎对皆（deliberative alignment）。

这项技巧使模子省略在反馈用户辅导词前，对东说念主工制定的安全轨范进行全面推理。

与o1相似，o3-mini在高难度安全性测试和逃狱评估中，显然优于GPT-4o。

在崇拜部署前，征询东说念主员承袭与o1疏通的准备智力，攀附外部红队测试和安全性评估，对o3-mini的安全风险进行了全面评估。

辞让现实评估

逃狱评估

OpenAI急了

客岁年底放出o3和o3-mini的预览时，CEO奥特曼就曾暗意，o3-mini将会在1月份发布。

随后，奥特曼又在1月17日预报称，o3-mini会在几周内发布。

目下，o3-mini居然如约而至（卡在ddl临了一天），但外面的寰球还是是迥乎不同。

靠近正在快速崛起的DeepSeek-R1，o3-mini存在着一个要津问题——「不开源」。

这也就意味着，它无法离线使用、无法下载代码，也无法以疏通的经过进行自界说。关于许多应用过来说，它的蛊惑力相干于R1显然大打扣头。

在高下文窗口方面，DeepSeek-R1约为128K/130K token，而o3-mini青出于蓝达到了200K token。其中，每个输出最多100K token，跟满血版o1疏通。

在价钱方面，比拟于输入/输出token差异为0.14/0.55好意思元的DeepSeek-R1，o3-mini依然贵出了天空。

但四肢一款好意思国模子，o3-mini在身份上无疑占尽了平正：应该会是泰西许多企业的首选。

奥特曼亲身率队

这一次，最强最新的o3-mini模子检修，奥特曼本尊下场亲身率队。征询状貌行使差异是Carpus Chang和Kristen Ying。

接下来，如若说OpenAI还藏在什么杀手锏，那便是满血版的o3了。 把柄12月时的说法，它将在「而后不久」发布。

参考尊府：

https://openai.com/index/openai-o3-mini/

https://openai.com/index/o3-mini-system-card/