女同 sex OpenAI展示了新模子o3，大模子能力更接近AGI了

发布日期：2025-04-21 15:49 点击次数：131

当地时分周五，OpenAI在为期12个责任日的新品发布举止的临了一天展示了o1模子的下一代o3，并示意该模子有o3版块和精简版o3-mini。OpenAI CEO山姆·奥尔特曼（Sam Altman）强调了o3在推理、编码能力方面的进步女同 sex，并示意o3模子不会立即推出，OpenAI会在1月底前肃穆推出o3 mini，并在之后推出竣工版的o3。

山姆·奥尔特曼示意，o3是一个相配灵敏的模子。OpenAI总裁Greg Brockman（格雷格·布鲁克曼）示意，公司最新的o3模子取得了冲破，o3版块和o3-mini版块正在提供给斟酌东说念主员进行安全测试。

据OpenAI先容，公司将在确保新模子的可靠性和安全性后再提供给更庸碌的用户使用，OpenAI强调了公司会专注于使AI系统与东说念主类的价值不雅和社会利益保持一致。在定名方面，OpenAI之是以不起名o2而是起名o3，是因为有英国电信运营商名为O2。

OpenAI在本年9月已推出了o1模子，该模子可三念念此后行后回话问题，可处理需要复杂推理的任务。o1在国外数学奥林匹克竞赛（IMO）的经验老师中得分83%，对比之下，GPT-4o仅正确经管了13%的问题。在此基础上，据OpenAI评估，o3在软件工程、编写代码、掌捏东说念主类博士级别科学常识能力等方面强于o1。

据OpenAI给出的SWE-bench Verified代码生成评估基准，在软件工程的能力测评中，o3的准确度得分71.7，跳跃得分48.9的o1和41.3的o1 preview。在编程网站Codeforces的竞争性代码测评中，o3得分2727，对比之下，o1、o1 preview得分差异为1891和1258。在2024年AIME数学竞赛题目测试中，o3的准确度得分为96.7，跳跃o1和o1 preview的得分83.3和56.7。在掂量模子在博士级别科学问题上融会的GPQA Diamond测试中，o3得分87.7，跳跃o1的78和o1 preview的78.3。

而在以100%为最高分的ARC-AGI评估中，o1系列得分在8%~32%之间，o3最低得分75.7%、最高得分87.5%，融会领会好于o1系列。ARC-AGI是用来测试AI模子对困难数学和逻辑问题推理能力的基准测试。ARC Prize 基金会总裁Greg Kamradt示意，能收效打败ARC-AGI的AI系统将代表通往通用东说念主工智能的可贵里程碑。OpenAI示意，o3在ARC-AGI评估中赢得了破记录的分数，o3的最高分数也达到了代表东说念主类水平的门槛85%，o3在某些要求下不错接近达成AGI（通用东说念主工智能）。

资本上看，ARC Prize基金会独创东说念主FrançoisChollet则在测试申报中示意，模子通用性需要付出私密资本，o3 在低狡计量步地下完成每个ARC-AGI任务需要 17~20 好意思元，高狡计量步地下完成每个任务需要数千好意思元，模子的性价比在接下来的几个月和几年里将有所提高。

在OpenAI推出o1系列模子后，OpenAI的一些竞争敌手也在部署这种偏重推理的模子。本月早些时代，谷歌发布了旗舰模子Gemini的新版块，该新版块在念念考、哀悼、筹商等方面能力有所进步。业内另外一些企业也在参考o1的长念念维链推理旅途优化自己的模子，有大模子业内东说念主士向记者示意，这种旅途不错缩短大模子的装假率，异日也有可能用于经管紧要科学问题。

举报第一财经告白勾搭，请点击这里此实质为第一财经原创，著述权归第一财经统统。未经第一财经籍面授权，不得以任何神气加以使用，包括转载、摘编、复制或成就镜像。第一财经保留讲究侵权者法律背负的权益。如需赢得授权请干系第一财经版权部：021-22002972或021-22002335；banquan@yicai.com。文章作家