12 Days of OpenAI 第十二天（最后一天）。OpenAI 宣布了其最新的推理模型：o3 及其轻量版本 o3 mini。这不仅是 AI 技术的一次升级，更是向通用人工智能（AGI）迈出的重要一步。

AI 推理能力的“新前沿”

早在 12 天前，OpenAI 就启动了一项为期 12 天的活动，展示其首款推理模型 o1。令人惊喜的是，短短几天内，o1 已经在编程、数学等复杂任务中崭露头角，获得了用户的广泛好评。然而，OpenAI 的团队并未止步，他们在 12 days 活动的最后一天为大家带来了全新的 o3 模型。

奥特曼表示，o3 是一个 “非常非常智能” 的模型，而 OpenAI 同时还推出了一个更高性价比的版本：o3 mini。o3 mini 是专为高性能和低成本需求设计的推理模型，虽为 “小” ，但能力丝毫不逊色。OpenAI 称，这些模型是 AI 推理能力的 “新前沿”，能完成更复杂、更高难度的任务。

AI 编程和数学能力再创新高

OpenAI 的研究主管 Mark 分享了 o3 在技术基准测试中的表现。他们重点展示了模型在编程和数学领域的强大实力。例如，在编程平台 CodeForces 的 Elo 评分中，o3 的得分达到了惊人的 2727，相比 o1 提升了近 800 分。这一成绩不仅超过了许多顶尖的竞赛程序员，甚至超越了 OpenAI 公司内部的技术大咖。Mark 笑称：“o3 的编程水平已经比我高了！”

数学方面，o3 的表现同样耀眼。在美国数学奥林匹克竞赛（AMC）的测试中，o3 的准确率达到了 96.7%，而 o1 仅为 83.3%。对于 PhD 级别的科学问题数据集 GPQA Diamond，o3 更是创下了 87.7% 的新纪录，大幅超越专业博士通常能达到的 70%。

挑战最难的基准测试：ARC AGI

发布会的高潮之一，是宣布 o3 在 ARC 基准测试中的突破性成绩。ARC AGI 是由 ARC 基金会开发的一个智能评估基准，被认为是通向通用智能的重要里程碑。自 2019 年发布以来，它一直是 AI 界的 “难题”。然而，o3 成功打破了五年来无人能破的纪录。

ARC 基准测试的独特之处在于，它要求 AI 在运行时学习新技能，而不是简单地重复记忆。OpenAI 的模型不仅在低运算条件下获得了 75.7% 的得分，在高运算条件下更是达到了 87.5%，超过了人类测试者的平均水平。ARC 基金会主席 Greg 激动地表示：“这真的是 AI 世界的新领域！”

o3 Mini：高效推理的新选择

除了强大的 o3，轻量版的 o3 Mini 同样令人惊喜。这个小巧但高效的模型能以更低的成本提供卓越的性能。比如，在编程任务中，o3 Mini 在中等 “思考时间”（推理时间）下的表现甚至超越了 o1，而延迟却减少了一半多。

为了展示 o3 Mini 的能力，OpenAI 的研究员 Hongyu 现场演示了一个复杂的任务：让 o3 Mini 自己生成一段代码，然后通过该代码在一个用户界面中评估自身的性能。整个过程自动化完成，令人叹为观止。

安全性：AI 的未来关键

在技术能力之外，OpenAI 还特别强调了安全性。在 o3 的开发中，他们引入了一项名为“审议式对齐”的新技术。通过让模型“推理”哪些输入是安全的，o3 能更准确地判断用户意图，从而有效防止被滥用。OpenAI 表示，这种创新方法让 AI 的安全边界更加清晰，并显著减少了误判率。

为了进一步确保模型的安全性，OpenAI 宣布 o3 系列将向外部研究人员开放安全测试。任何有兴趣的安全研究员都可以申请参与，帮助 OpenAI 改进模型。

未来展望

尽管 o3 和 o3 Mini 尚未全面上线，OpenAI 已经计划在 2024 年 1 月底正式推出 o3 Mini，并在此后正式发布 o3。这两个新模型将支持多种功能，包括函数调用、结构化输出以及更灵活的推理时间选项。

OpenAI 希望，通过这些创新和努力，不仅能让用户体验到更强大的 AI 工具，还能推动整个行业迈向更高的技术水平。

圣诞节前夕，OpenAI 为全球 AI 爱好者送上了一份绝妙的科技 “大礼包”。正如发布会最后所说：“这只是 AI 发展的早期阶段，未来还有无限可能。”