新智元报谈
剪辑：剪辑部 HYZ
【新智元导读】眼看DeepSeek风头尽显，被逼急的OpenAI竟然遑急发布了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，确实来了。
刚刚，OpenAI官宣o3-mini和o3-mini-high两大版块认真在ChatGPT上线。
诚如所言，免用度户平直开放「Reason」即可体验，Plus用户每天会有更多用量，具体来说：
- ChatGPT免费版：初次体验推理模子
- ChatGPT Plus和团队版：每天150次对话适度
- ChatGPT Pro：无适度观察
- ChatGPT Enterprise和ChatGPT Edu：将在一周内可用
- API：向3-5级斥地者开放（初期暂不因循图像分析功能）
- 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的价钱此次算是透彻给打下来了——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）
订阅用户还是在第一时辰「告别」了o1-mini，还没来得及说相遇
OpenAI示意，o3-mini的发布是在追求高服从智能时代谈路上的又一重要里程碑。
通过优化科学（Science）、时代（Technology）、工程（Engineering）和数学（Mathematics）规模的推理能力，同期保捏较低的老本，让高质地AI时代变得愈加夷易近东谈主。
值得一提的是，在ChatGPT中，o3-mini秉承的是「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遴荐器中遴荐o3-mini-high——反馈时辰略长但智能水平更高的版块。
咫尺，由于太偏激爆，ChatGPT的神气和自界说GPTs功能都还是被挤崩了。
集成搜索，两种版块可选
客岁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雷同，o3-mini是最具性价比的推理模子，可谓是芜杂性能规模的「小巨东谈主」。
在STEM规模，尤其是科学、数学和编程等方面，o3-mini性能弘扬超卓卓越o1，并秉承了上一代低老本和低延伸的优点。
关于斥地者来说，o3-mini几乎即是一份「大礼包」，它初次在袖珍推理模子中因循：包括函数调用、结构化输出和斥地者音讯、流式传输功能。
斥地者不错字据需求遴荐低、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」，天真均衡速率和准确性。
缺憾地是，o3-mini暂不因循视觉功能。
如前所述，从今天起，o3-mini将通过Chat Completions API，Assistants API和Batch API向3-5级指定斥地者开放。
同期，o3-mini还整合了搜索功能，大致提供带有联系蚁合起原皆集最新反馈。
总共来望望这款「小而好意思」的o3-mini有什么过东谈主之处。
快速、高大、专为STEM规模推理优化
与其前身OpenAI o1近似，OpenAI o3-mini稀薄针对STEM推理进行了优化。
秉承了中等推理强度的o3-mini，在数学、编程和科学规模的弘扬与o1不相高下，且反馈速率更快。
申诉地址：https://cdn.openai.com/o3-mini-system-card.pdf
群众测试评估夸耀，o3-mini比较o1-mini大致生成更准确、更知晓的谜底，推理能力更强。
在测试中，o3-mini的反馈扫尾取得了56%的偏好度，在处理复杂本质问题时的要紧差错率更是缩小了39%。
在中等推理强度建造下，o3-mini在最具挑战性的推理和智能评估神气（包括AIME和GPQA）中，均达到了与o1终点的水平。
数学竞赛（AIME 2024）
在低推理强度下，o3-mini达到了与o1-mini终点的水平；在中等推理强度下，其弘扬可与o1比好意思；而在高推理强度下，o3-mini的弘扬更是卓越了o1-mini和o1。
博士级科常识题（GPQA Diamond）
连系级数学（FrontierMath）
在高推理强度模式下，ag百家乐大平台o3-mini在FrontierMath中的弘扬优于前代居品。当合营Python器具使用时，高推理强度的o3-mini大致一次性处罚高出32%的测试题目，其中包括28%以上的T3级问题。
编程竞赛（Codeforces）
跟着推理强度的莳植，OpenAI o3-mini的Elo得分阻抑提高，各层级弘扬均优于o1-mini。在中等推理强度下，其弘扬已能与o1相比好意思。
软件工程（SWE-bench Verified）
o3-mini在高推理强度模式下，使用开源Agentless框架能达到39%的告捷率，使用里面器具框架则可达到61%的告捷率。
LiveBench编码
东谈主类偏好评估
外部群众评测扫尾夸耀，o3-mini较o1-mini弘扬出更强的推理能力，大致生成更准确、更知晓的谜底，尤其是在STEM规模中。在对比测试中，o3-mini取得了56%的用户偏好度，且在处理复杂本质问题时的要紧差错率缩小了39%。
在时代申诉中，o3-mini编程性能卓越了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终点智能水平的同期，终线路更快的初始速率和更高的运筹帷幄后果。
除前文提到的STEM评估外，在中等推理强度下，o3-mini在其他数学能力和事实准确性测试中均取得了权贵上风。
对比测试（A/B Testing）扫尾夸耀，o3-mini的平均反馈时辰为7.7秒，较o1-mini的10.16秒莳植了24%。
o1-mini和o3-mini（medium）的延伸对比
安全评估
OpenAI在窥探o3-mini确保其安全反馈，秉承的要害时代之一是审慎对皆（deliberative alignment）。
这项时代使模子大致在响期骗户教导词前，对东谈主工制定的安全交替进行全面推理。
与o1相似，o3-mini在高难度安全性测试和逃狱评估中，显然优于GPT-4o。
在认真部署前，连系东谈主员秉承与o1疏导的准备形式，诱惑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。
退却骨子评估
逃狱评估
OpenAI急了
客岁年底放出o3和o3-mini的预览时，CEO奥特曼就曾示意，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。
咫尺，o3-mini竟然如约而至（卡在ddl终末一天），但外面的天下还是是天悬地隔。
面临正在快速崛起的DeepSeek-R1，o3-mini存在着一个要害问题——「不开源」。
这也就意味着，它无法离线使用、无法下载代码，也无法以疏导的进度进行自界说。关于好多期骗过来说，它的诱骗力联系于R1显然大打扣头。
在高下文窗口方面，DeepSeek-R1约为128K/130K token，而o3-mini后来居上达到了200K token。其中，每个输出最多100K token，跟满血版o1疏导。
在价钱方面，比较于输入/输出token分歧为0.14/0.55好意思元的DeepSeek-R1，o3-mini依然贵出了天空。
但行动一款好意思国模子，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模子窥探，奥特曼本尊下场切身率队。连系神气专揽分歧是Carpus Chang和Kristen Ying。
接下来，淌若说OpenAI还藏在什么杀手锏，那即是满血版的o3了。 字据12月时的说法，它将在「尔后不久」发布。
参考良友：
https://openai.com/index/openai-o3-mini/
https://openai.com/index/o3-mini-system-card/
