OpenAI o3开启推理scaling，迈向AGI新时代

OpenAI 12 天活动的最后一期,主要介绍了新一代推理模型 o3 和 o3-mini。主讲人包括 Sam Altman、Mark Chen、Hongyu Ren 以及特邀嘉宾 ARC Prize Foundation 主席 Greg Kamradt。

主要亮点

1. 新模型发布

• 发布两个新模型:o3 和 o3-mini

• o3 是高性能推理模型,o3-mini 则在保持智能的同时优化了性能和成本

• 目前仅开放用于公共安全测试,预计一月底推出 o3-mini,随后推出 o3

2. o3 模型性能突破

• 在软件测试基准 SWE-bench Verified 上准确率达 71.7%,比 o1 提升 20%

• 在 CodeForce 竞赛编程上达到 2727 ELO 分数

• AIME 数学竞赛准确率达 96.7%(o1 为 83.3%)

• 在博士级科学问题基准 GPQA Diamond 上达到 87.7%

• 在 ARC-AGI 测试上首次突破人类水平阈值(85%),达到 87.5%

3. o3-mini 特点与优势

• 支持三种推理努力级别:低、中、高
• 性能方面:中等推理时间下性能超过 o1
• 成本效益:以极小成本实现比 o1 更好的表现
• 支持功能调用、结构化输出等开发者功能
• 在 GPQA Diamond 上达到 62% 的分数

4. 安全策略创新

• 推出"审慎对齐"(Prudent Alignment)新技术

• 利用模型推理能力提升安全边界判断

• 显著改善了拒绝基准和过度拒绝指标

• 开放外部安全测试申请(截止至 1 月 10 日)

重要时间节点

• 安全测试申请截止:2025 年 1 月 10 日

• o3-mini 预计发布:2025 年 1 月底

• o3 完整版:将在 o3-mini 之后推出