OpenAI 今日发布了其最新的人工智能推理模型：o3 和 o4-mini。
o3 被誉为该公司迄今“最强大的推理模型”，在数学、编程、推理、科学及视觉理解等多个基准测试中刷新了记录，尤其擅长处理需要多角度分析的复杂查询和视觉任务，并在实际应用中显著减少了错误。
与此同时，o4-mini 作为一款更小巧、快速的模型，旨在提供具有竞争力的价格、速度和性能平衡。它在保持低成本的同时，在数学（如 AIME 基准测试近乎满分）、编程和视觉任务上表现卓越，且支持更高的使用频率，适合需要高吞吐量的场景。
核心亮点：
- 图像思考能力： o3 和 o4-mini 是 OpenAI 首批能将图像直接融入推理过程的模型，能够理解模糊或低质量图像，并在分析时进行放大或旋转等操作。还可以结合搜索进行补充思考，完成复杂的福尔摩斯级的深度思考。
- 自主工具使用： 两款模型都能自主调用所有 ChatGPT 工具（如网络浏览、Python 代码执行、图像处理与生成）以及通过 API 调用的自定义工具，以解决复杂问题。现有的Agent编排过程及复杂的提示词设计被模型能力的增强进一步弱化。
- 性能与成本优化： 相较于前代模型（如 o1 和 o3-mini），新模型在提供更强智能的同时，通常成本更低。例如，o3-mini 相较于 o1-mini 价格降低了 63%。
- API 更新： o3 和 o4-mini 通过 API 提供 20 万 token 的上下文窗口、最高 10 万 token 的输出，知识截止日期更新至 2024 年 6 月 1 日。
- 强化学习进展： 开发过程验证了强化学习也遵循“计算量越大=性能越好”的扩展定律，提升了模型的推理和工具使用能力。
- Codex CLI： 一款新的开源命令行工具，可在本地终端运行，将自然语言转化为代码，充分利用 o3 等模型的推理能力，支持多模态输入。地址：https://github.com/openai/codex
- 可用性： o3 和 o4-mini 已通过 API 向开发者开放。ChatGPT Plus、Pro 及 Team 用户今日起可在 o3、o4-mini 和 o4-mini-high 版本上使用新模型及其工具能力，o3-pro 版本将在数周内跟进。旧版模型（o1、o3-mini 等）将逐步淘汰。
小结：
此次 o3 与 o4-mini 的发布，再一次将模型能力边界向前推进一大步，过去针对图片的看图说话进阶成“福尔摩斯”级的深度思考，而工具调用进阶为“manus”级的全能工具人，agentic workflow的过渡价值被大大压缩。什么样的产品才能不被大模型所吞噬又成为迫切回答的问题。
公众号回复“进群”入群讨论。
（文：AI工程化）