DeepSeek真算是給大模型圈提了個速——
就在剛剛，OpenAI深夜緊急發(fā)布了最新推理模型，o3-mini系列。
一共包含三個版本：low、medium和high。
其中o3-mini和o3-mini-high已經(jīng)上線：
根據(jù)官方口徑，o3系列模型，目標(biāo)是推動低成本推理的邊界。
ChatGPT Plus、團(tuán)隊(duì)和Pro用戶從今天起可以訪問OpenAI o3-mini，企業(yè)級訪問將在一周后開放。
免費(fèi)用戶也可以通過選擇“Search+Reason”來使用o3-mini來體驗(yàn)搜索。
或許是被DeepSeek逼急了，這是OpenAI首次向用戶免費(fèi)推出的推理模型。
甚至在隨后的Reddit“有問必答”活動中，CEO奧特曼也罕見公開反思：
在開源權(quán)重AI模型這個問題上，(個人認(rèn)為）我們站在了歷史錯誤的一邊。
與此同時，短短數(shù)小時內(nèi)，網(wǎng)友們已經(jīng)開始瘋狂實(shí)測ing……
還是先來看看技術(shù)報(bào)告都寫了啥。
去年年底，OpenAI上線了o3-mini預(yù)覽版，再次刷新小模型能力邊界。（在成本和低延遲上與o1-mini相當(dāng)）
當(dāng)時CEO奧特曼預(yù)告稱，正式版將在今年1月發(fā)布。而卡在ddl的最后時刻，正式版o3-mini終于上桌。
整體而言，和前一代o1-mini類似，它也針對STEM（Science、Technology、Engineering、Mathematics）進(jìn)行了優(yōu)化，延續(xù)了mini系列小而美的風(fēng)格。
僅o3-mini（medium），不但在數(shù)學(xué)編碼上的表現(xiàn)與o1系列相當(dāng)，而且響應(yīng)更快。
人類專家測評顯示，大多數(shù)情況下o3-mini比o1-mini產(chǎn)生更準(zhǔn)確、更清晰的答案，獲得了56%的偏好度，同時在處理復(fù)雜現(xiàn)實(shí)問題時的重大錯誤率更是降低了39%。
數(shù)學(xué)能力上，低推理強(qiáng)度下的o3-mini（low）達(dá)到了與o1-mini相當(dāng)?shù)乃剑恢械韧评韽?qiáng)度下能力媲美滿血版o1；而一旦推理強(qiáng)度拉滿（high），其表現(xiàn)直接超越o1系列一眾模型。
在由60多位頂尖數(shù)學(xué)家準(zhǔn)備的FrontierMath難題測試中，高推理強(qiáng)度下的o3-mini相較o1系列也有了大幅提升。
官方甚至特意注明，如果搭配Python工具使用，o3-mini（high）在第一次嘗試時就解決了超過32%的問題，其中包括28%以上的T3級問題。
科學(xué)能力方面，在PhD水平的物化生問題上，低推理強(qiáng)度下的o3-mini就已經(jīng)和o1-mini拉開了層級。
當(dāng)然，在編碼這項(xiàng)重要能力上，o3-mini更是在各層級上領(lǐng)先o1系列。
根據(jù)它們在LiveBench的表現(xiàn)可以看出，隨著推理強(qiáng)度升級，o3-mini的優(yōu)勢還在不斷擴(kuò)大。
而且需要提醒，o3-mini在取得上述領(lǐng)先的同時響應(yīng)更快，其平均響應(yīng)時間為7.7秒，較o1-mini的10.16秒提升了24%。
最后在安全評估方面，o3-mini在多項(xiàng)安全評估中明顯超過了GPT-4o。
價(jià)格方面，相比于輸入/輸出分別為0.14/0.55美元的DeepSeek-R1，o3-mini依舊貴出天際。
根據(jù)網(wǎng)友辣評，DeepSeek-R1目前還是性價(jià)比之王：更快、更好、更便宜。
BTW，OpenAI此次照例公布了o3-mini背后團(tuán)隊(duì)。可以看出，這一次是由奧特曼本人親自帶隊(duì)，研究項(xiàng)目主管分別為Carpus Chang和Kristen Ying（名單中也有很多我們熟悉的老朋友如任鴻宇、趙盛佳等）。
正如我們剛才所提到的，目前網(wǎng)友們已經(jīng)開始瘋狂實(shí)測中。
不過從評價(jià)上來看，大伙兒對o3-mini的表現(xiàn)褒貶不一。
例如在用Python實(shí)現(xiàn)“球在四維體內(nèi)部彈跳”的任務(wù)上，有人認(rèn)為o3-mini是最好的LLM：
效果是這樣的：
然后有網(wǎng)友嘗試用DeepSeek來做同樣的任務(wù)，從效果上來看，認(rèn)為o3-mini稍微勝出一些：
更直接的對比，讓一個球在旋轉(zhuǎn)的六邊形內(nèi)彈跳，球應(yīng)受到重力和摩擦力的影響，o3-mini和DeepSeek R1的效果差距就比較明顯了：
包括更復(fù)雜的一些的任務(wù)，在球體內(nèi)創(chuàng)建100個彈跳的黃色球，o3-mini現(xiàn)在也是可以做到：
再如讓o3-mini設(shè)計(jì)兩個貪吃蛇互相競爭的游戲：
除了DeepSeek之外，網(wǎng)友也用o1和o3-mini的效果做了對比，例如生成一座龐大、驚人的史詩級漂浮城市。
還有一位網(wǎng)友提出了令幾乎所有大模型都會出錯的迷惑性題目，但讓他較為震驚的是，o3-mini竟然答對了：
不過知名播客博主Lex Fridman對o3-mini的評價(jià)卻是：
OpenAI o3-mini是一個好模型，但DeepSeek R1性能相似，價(jià)格更低，并揭示了其推理過程。
更好的模型將會出現(xiàn)（迫不及待想要 o3-pro），但“DeepSeek 時刻”是真實(shí)的。我認(rèn)為五年后它仍會被記住，作為科技?xì)v史上的一個轉(zhuǎn)折點(diǎn)。
就在o3-mini上線幾小時后，奧特曼本人也攜團(tuán)隊(duì)參與了Reddit的“有問必答”活動。
考慮到開源DeepSeek最近攪動了AI圈，奧特曼罕見公開反思：
在開源權(quán)重AI模型這個問題上，(個人認(rèn)為）我們站在了歷史錯誤的一邊。
甚至也承認(rèn)，OpenAI的領(lǐng)先優(yōu)勢不會像以前那么大了。
DeepSeek的確很優(yōu)秀，我們也會繼續(xù)研發(fā)更好的模型，但領(lǐng)先優(yōu)勢將更小。
與此同時，OpenAI的一些未來計(jì)劃也曝光了。
比如高級語音模式即將迎來更新，OpenAI會直接稱它為GPT-5，而不是GPT-5o，不過目前還沒有具體時間表。
另外，推理模型也將支持調(diào)用更多工具。
最后，滿血版o3也被提及，不過看起來距離還相當(dāng)遙遠(yuǎn)……
喜來順財(cái)經(jīng)
