详情

12月20日，好意思国洞开东谈主工智能运筹帷幄中心(OpenAI)先容了其最新的东谈主工智能(AI)推理模子——o3过甚轻量版o3-mini。该公司声称，o3具备更先进、相通东谈主类的推理才能，在代码编写、数学竞赛和掌抓东谈主类博士级别的科学常识等方面，均超过了其“前辈”o1。

不外，英国《新科学家》网站在12月22日的报谈中指出，尽管o3“撤销了令东谈主瞩指标性能飞跃”，但仍未达到业内翘首以盼的通用AI(AGI)水平。

多方面施展出色

OpenAI公司流露，在处分更复杂的多本领问题时，o3模子会花更多时候计较谜底，然后再给出恢复。这一推理才能的升迁，使o3在多项测试中施展出色。

大型话语模子热衷于在各式数学基准测试上自便“刷分”，o3也不例外。在2024年好意思国数学邀请赛中，o3模子的准确率高达96.7%，仅答错了一个问题。而在OpenAI运筹帷幄东谈主员合计最严格的基准测试之一——Frontier Math中，o3也处分了25.2%的问题。尽管这一得分看似不高，但此前其他大型话语模子曾在此“集体翻车”，正确率均未逾越2%。

Frontier Math测试难度极大，曾被华侨数学家、菲尔兹奖得主陶哲轩评价为“可能会难住AI好几年”。然则，o3只需念念考几分钟便能解答其中一皆题目，而东谈主类数学家则要破耗数小时到数天。

在对科学常识的掌抓方面，o3的施展也超出一般博士水平。在GPQA Diamond(揣测模子在博士级科学问题上的施展，涵盖化学、物理和生物学方面的专科常识)基准测试中，o3的准确率达到87.7%，逾越了东谈主类博士的70%，也比之前o1施展高近10%。

此外，o3的编码才能也比之前的o1系列更胜一筹。在 SWE-bench Verified(揣测AI模子处分施行天下软件问题的才能)基准上，o3的准确率约为71.7%，比o1高20%以上。在Codeforces编码竞赛平台中，o3的得分为2727，相配于榜单上第175名东谈主类编程员的水平，而o1得分仅为1891。

在展示了o3得到的这些傲东谈主收成后，OpenAI首席施行官奥尔特曼强调，o3的出现符号着AI过问了下一个发展阶段，这些模子可处理需要广泛推理的复杂任务。

与东谈主类智能仍有各异

《新科学家》网站还报谈，在被视为AGI要害揣测标准的概括与推理语料库-AGI(ARC-AGI)大赛中，o3模子也创下新记录：在低算力成就下，它以75.7%的得分登上寰球名次榜前方。只因笃定此项大奖得主的测试具有更严格的算力撤销，在该算力撤销下，o3的挑战以失败告终。

不外，在超出官方算力撤销172倍的高算力下，o3剿袭“蛮力”得到了87.5%的收成，达到了代表东谈主类水平的85%门槛。

关于o3的施展，谷歌前工程师、ARC-AGI主要创建者弗朗索瓦·肖莱在博客中写谈，这是AI才能的一次惊东谈主且要害的跃升。但o3尚未撤销AGI，因为其仍然无法处分ARC-AGI比赛中一些尽头浅易的问题，这标明其与东谈主类智能存在根柢各异。

AGI是一个联想中的昔日系统，它好像师法东谈主类念念维、决议，领有自我意志，并能自主活动。然则，AGI现在主要活跃在科幻作品中，尚未走进施行。

升级迭代并非易事

o3不仅是OpenAI公司的最新力作，亦然AI巨头竞逐大型话语模子的机动写真。

两年前，OpenAI发布了ChatGPT，由此拉开了AI武备竞赛的序幕。从GPT-3.5到更准确、更具创造性的GPT-4，再到o1，直至o3，OpenAI在束缚精进自家居品。

其他顶级AI缔造商也在讹诈日益先进的技能，鼓励自家居品迭代升级。此前不久，谷歌推出了其旗舰模子“双子座”(Gemini)的新版块，据称其速率是上一代的两倍，况且好像“念念考、精良、权略，致使替代用户遴荐活动”。元寰宇平台公司筹算来岁推出Llama 4。

然则，迭代之路并非坦途。包括OpenAI和谷歌在内的几家领军企业，正面对新模子缔造耗资弘远但汇报递减的窘境。OpenAI的GPT-5模子缔造使命进展逐渐。据悉，仅6个月的测验体育游戏app平台，单计较本钱就高达约5亿好意思元，而性能仅比该公司现存居品后发先至。