新智元报说念

剪辑：剪辑部 HYZ

【新智元导读】眼看DeepSeek风头尽显，被逼急的OpenAI居然贫瘠发布了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，简直来了。

刚刚，OpenAI官宣o3-mini和o3-mini-high两大版块正经在ChatGPT上线。

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

- ChatGPT免费版：初度体验推理模子

- ChatGPT Plus和团队版：每天150次对话适度

- ChatGPT Pro：无适度看望

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

- API：向3-5级拓荒者开放（初期暂不复旧图像分析功能）

- 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的价钱此次算是透顶给打下来了——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）

订阅用户照旧在第一时辰「告别」了o1-mini，还没来得及说邂逅

OpenAI暗示，o3-mini的发布是在追求高效力智能期间说念路上的又一重要里程碑。

通过优化科学（Science）、期间（Technology）、工程（Engineering）和数学（Mathematics）范畴的推忠良力，同期保捏较低的资本，让高质地AI期间变得愈加夷易近东说念主。

值得一提的是，在ChatGPT中，o3-mini接收的是「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聘用器中聘用o3-mini-high——反馈时辰略长但智能水平更高的版块。

现时，由于太过头爆，ChatGPT的模样和自界说GPTs功能都照旧被挤崩了。

集成搜索，两种版块可选

前年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相似，o3-mini是最具性价比的推理模子，可谓是冲破性能鸿沟的「小巨东说念主」。

在STEM范畴，尤其是科学、数学和编程等方面，o3-mini性能判辨超卓越过o1，并秉承了上一代低资本和低延伸的优点。

关于拓荒者来说，o3-mini险些即是一份「大礼包」，它初度在袖珍推理模子中复旧：包括函数调用、结构化输出和拓荒者音书、流式传输功能。

拓荒者不错把柄需求聘用低、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」，生动均衡速率和准确性。

缺憾地是，o3-mini暂不复旧视觉功能。

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，八成提供带有研究收集起原流通最新反馈。

沿途来望望这款「小而好意思」的o3-mini有什么过东说念主之处。

快速、宏大、专为STEM范畴推理优化

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

接收了中等推理强度的o3-mini，在数学、编程和科学范畴的判辨与o1不相高下，且反馈速率更快。

呈报地址：https://cdn.openai.com/o3-mini-system-card.pdf

内行测试评估显现，o3-mini比较o1-mini八成生成更准确、更明晰的谜底，推忠良力更强。

在测试中，o3-mini的反馈收场得到了56%的偏好度，在处理复杂现实问题时的首要造作率更是缩短了39%。

在中等推理强度建树下，o3-mini在最具挑战性的推理和智能评估模样（包括AIME和GPQA）中，均达到了与o1相等的水平。

数学竞赛（AIME 2024）

在低推理强度下，o3-mini达到了与o1-mini相等的水平；在中等推理强度下，其判辨可与o1失色；而在高推理强度下，o3-mini的判辨更是越过了o1-mini和o1。

博士级科常识题（GPQA Diamond）

研究级数学（FrontierMath）

在高推理强度形态下，o3-mini在FrontierMath中的判辨优于前代居品。当合作Python器用使用时，高推理强度的o3-mini八成一次性处理朝上32%的测试题目，其中包括28%以上的T3级问题。

编程竞赛（Codeforces）

跟着推理强度的进步，OpenAI o3-mini的Elo得分不休提高，各层级判辨均优于o1-mini。在中等推理强度下，其判辨已能与o1相失色。

软件工程（SWE-bench Verified）

o3-mini在高推理强度形态下，使用开源Agentless框架能达到39%的见效率，使用里面器用框架则可达到61%的见效率。

LiveBench编码

东说念主类偏好评估

外部内行评测收场显现，o3-mini较o1-mini判辨出更强的推忠良力，八成生成更准确、更明晰的谜底，尤其是在STEM范畴中。在对比测试中，o3-mini得到了56%的用户偏好度，且在处理复杂现实问题时的首要造作率缩短了39%。

在期间呈报中，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在保捏与o1相等智能水平的同期，兑现了更快的驱动速率和更高的揣度成果。

除前文提到的STEM评估外，在中等推理强度下，o3-mini在其他数学智力和事实准确性测试中均取得了显贵上风。

对比测试（A/B Testing）收场显现，o3-mini的平均反馈时辰为7.7秒，较o1-mini的10.16秒进步了24%。

o1-mini和o3-mini（medium）的延伸对比

安全评估

OpenAI在熟悉o3-mini确保其安全反馈，接收的重要期间之一是审慎对都（deliberative alignment）。

这项期间使模子八成在响诳骗户指示词前，对东说念主工制定的安全标准进行全面推理。

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

在正经部署前，研究东说念主员接收与o1相易的准备形势，纠合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。

辞谢推行评估

逃狱评估

OpenAI急了

前年年底放出o3和o3-mini的预览时，CEO奥特曼就曾暗示，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。

现时，o3-mini居然如约而至（卡在ddl临了一天），但外面的寰球照旧是天悬地隔。

濒临正在快速崛起的DeepSeek-R1，o3-mini存在着一个重要问题——「不开源」。

这也就意味着，它无法离线使用、无法下载代码，也无法以相易的经过进行自界说。关于好多诳骗过来说，它的招引力联系于R1彰着大打扣头。

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相易。

在价钱方面，比较于输入/输出token诀别为0.14/0.55好意思元的DeepSeek-R1，o3-mini依然贵出了天空。

但看成一款好意思国模子，o3-mini在身份上无疑占尽了平正：应该会是西洋好多企业的首选。

奥特曼切身率队

这一次，最强最新的o3-mini模子熟悉，奥特曼本尊下场切身率队。研究模样主宰诀别是Carpus Chang和Kristen Ying。

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

参考费力：

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

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