OpenAI o3

o3是什么？

o3 是 OpenAI 最新推出的高性能 AI 推理模型，专注于数学推理、编程和科学问题解决，首次在多个领域超越人类专家水平。在数学竞赛和编程任务中表现卓越，支持复杂任务的透明推理和代码生成。此外，轻量版 o3Mini 提供高效、低成本的解决方案。o3 的发布标志着 AI 技术迈向更高智能的里程碑，适用于研究、开发和教育等多领域应用。

o3的功能特性

1. 顶级数学推理能力
   • 在复杂数学问题上表现出色，例如美国 AIME 数学竞赛中达到 96.7% 的准确率，展现出顶级数学家的解题能力。
   • 能解决概率、几何和代数等复杂的数学题目，支持科研与教育领域的应用。
2. 卓越编程性能
   • 在 CodeForces 编程竞赛平台上获得 2727 的 ELO 分数，超越顶尖程序员水平。
   • 支持复杂任务的代码生成与执行，自动优化代码逻辑，提升开发效率。
3. 科学问题解决能力
   • 在 GPQA 科学基准测试中，o3 达到 87.7% 的准确率，大幅超越人类专家平均水平（70%）。
   • 适用于科研工作中的数据分析与问题建模。
4. 透明推理路径：提供清晰的推理过程，能够展示每一步的逻辑思路和中间结论，增强决策的可信度和可解释性。
5. 高效多任务处理：支持长上下文输入，能处理复杂的多步指令，适合编程、科学和多模态问题解决场景。
6. 轻量版 o3Mini：提供低成本、高效的计算能力，支持函数调用、结构化输出等功能，适合预算有限的应用场景。
7. 强大的多模态支持：能处理文本与图像的混合输入，为多模态推理场景提供强大支持，例如视觉推理与跨模态问题解决。

o3的性能评测

在 SWE-Bench Verified 上: o3比 o1 高出 22.8 个百分点 。在 Codeforces 上：o3 获得了 2727 分，超过了 OpenAI 首席科学家的 2665 分。

在 AIME 2024 上：o3 得分 96.7%，只漏了一个问题。在 GPQA Diamond 上：o3 达到了 87.7%，远高于人类专家的表现。

在 ARC-AGI 上：o3 在低计算能力上的得分是 o1 的三倍多，且超过了 87% 的得分。

在EpochAI Frontier Math上：o3 创下新纪录，解决了 25.2% 的问题，而其他模型都未超过 2% 。

如何体验o3和o3 mini？

目前，该模型还处于安全测试阶段，从今天开始o3 Mini 模型率先开放给外部安全研究人员进行测试，随后 o3 模型也将参与其中。研究人员可通过访问 OpenAI 的官方网站，填写申请表格参与测试。