眼看 DeepSeek 风头尽显，被逼急的 OpenAI 果然紧急发布了 o3-mni。不光免费用户都能用，每百万输入和输出 token 价格更是疯狂跳水打骨折价！
本文转载自微信公众号新智元。
o3-mini，真的来了。
刚刚，OpenAI 官宣 o3-mini 和 o3-mini-high 两大版本正式在 ChatGPT 上线。
诚如奥特曼所言，免费用户直接打开「Reason」即可体验，Plus 用户每天会有更多用量，具体来说：
- ChatGPT 免费版：首次体验推理模型
- ChatGPT Plus 和团队版：每天 150 次对话限制
- ChatGPT Pro：无限制访问
- ChatGPT Enterprise 和 ChatGPT Edu：将在一周内可用
- API：向 3-5 级开发者开放（初期暂不支持图像分析功能）
- 输入 1.10 美元/百万 token、输出 4.40 美元/百万 token
感谢 DeepSeek，o3-mini 的价格这次算是彻底给打下来了——比 OpenAI o1-mini 便宜 63%，比满血版 o1 便宜 93%。（但仍是 GPT-4o mini 的 7 倍左右）
OpenAI 表示，o3-mini 的发布是在追求高效能智能技术道路上的又一重要里程碑。
通过优化科学（Science）、技术（Technology）、工程（Engineering）和数学（Mathematics）领域的推理能力，同时保持较低的成本，让高质量 AI 技术变得更加平易近人。
值得一提的是，在 ChatGPT 中，o3-mini 采用的是「中等推理强度」，在速度和准确性之间取得平衡。所有付费用户还可以在模型选择器中选择 o3-mini-high——响应时间略长但智能水平更高的版本。
目前，由于太过火爆，ChatGPT 的项目和自定义 GPTs 功能都已经被挤崩了。
去年 12 月，十二天直播最后一弹，o3 系列首次亮相便惊艳了所有人。相较于上一代 o1 模型，o3 在 ARC-AGI 等多项基准测试中刷新 SOTA。
与 o1-mini 一样，o3-mini 是最具性价比的推理模型，可谓是突破性能边界的「小巨人」。
在 STEM 领域，尤其是科学、数学和编程等方面，o3-mini 性能表现卓越超越 o1，并继承了上一代低成本和低延迟的优点。
对于开发者来说，o3-mini 简直就是一份「大礼包」，它首次在小型推理模型中支持：包括函数调用、结构化输出和开发者消息、流式传输功能。
开发者可以根据需求选择低、中、高三种推理强度，让 o3-mini 在处理复杂问题时进行「深度思考」，灵活平衡速度和准确性。
遗憾地是，o3-mini 暂不支持视觉功能。
如前所述，从今天起，o3-mini 将通过 Chat Completions API，Assistants API 和 Batch API 向 3-5 级指定开发者开放。
同时，o3-mini 还整合了搜索功能，能够提供带有相关网络来源链接最新响应。
一起来看看这款「小而美」的 o3-mini 有什么过人之处。
与其前身 OpenAI o1 类似，OpenAI o3-mini 专门针对 STEM 推理进行了优化。
采用了中等推理强度的 o3-mini，在数学、编程和科学领域的表现与 o1 不相上下，且响应速度更快。
报告地址：https://cdn.openai.com/o3-mini-system-card.pdf
专家测试评估显示，o3-mini 相比 o1-mini 能够生成更准确、更清晰的答案，推理能力更强。
在测试中，o3-mini 的响应结果获得了 56% 的偏好度，在处理复杂现实问题时的重大错误率更是降低了 39%。
在中等推理强度设置下，o3-mini 在最具挑战性的推理和智能评估项目（包括 AIME 和 GPQA）中，均达到了与 o1 相当的水平。
数学竞赛（AIME 2024）
在低推理强度下，o3-mini 达到了与 o1-mini 相当的水平；在中等推理强度下，其表现可与 o1 媲美；而在高推理强度下，o3-mini 的表现更是超越了 o1-mini 和 o1。
博士级科学问题（GPQA Diamond）
研究级数学（FrontierMath）
在高推理强度模式下，o3-mini 在 FrontierMath 中的表现优于前代产品。当配合 Python 工具使用时，高推理强度的 o3-mini 能够一次性解决超过 32% 的测试题目，其中包括 28% 以上的 T3 级问题。
编程竞赛（Codeforces）
随着推理强度的提升，OpenAI o3-mini 的 Elo 得分不断提高，各层级表现均优于 o1-mini。在中等推理强度下，其表现已能与 o1 相媲美。
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% 的成功率，使用内部工具框架则可达到 61% 的成功率。
LiveBench 编码
人类偏好评估
外部专家评测结果显示，o3-mini 较 o1-mini 表现出更强的推理能力，能够生成更准确、更清晰的答案，尤其是在 STEM 领域中。在对比测试中，o3-mini 获得了 56% 的用户偏好度，且在处理复杂现实问题时的重大错误率降低了 39%。
在技术报告中，o3-mini 编程性能超越了 GPT-4o 和 o1-preview，与 o1 不相上下。
o3-mini 在保持与 o1 相当智能水平的同时，实现了更快的运行速度和更高的计算效率。
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显著优势。
对比测试（A/B Testing）结果显示，o3-mini 的平均响应时间为 7.7 秒，较 o1-mini 的 10.16 秒提升了 24%。
o1-mini 和
o3-mini（medium）的延迟对比
OpenAI 在训练 o3-mini 确保其安全响应，采用的关键技术之一是审慎对齐（deliberative alignment）。
这项技术使模型能够在响应用户提示词前，对人工制定的安全规范进行全面推理。
与 o1 相似，o3-mini 在高难度安全性测试和越狱评估中，明显优于 GPT-4o。
在正式部署前，研究人员采用与 o1 相同的准备方法，结合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。
禁止内容评估
越狱评估
去年年底放出 o3 和 o3-mini 的预览时，CEO 奥特曼就曾表示，o3-mini 将会在 1 月份发布。
随后，奥特曼又在 1 月 17 日预告称，o3-mini 会在几周内发布。
现在，o3-mini 果然如约而至（卡在 ddl 最后一天），但外面的世界已经是天差地别。
面对正在快速崛起的 DeepSeek-R1，o3-mini 存在着一个关键问题——「不开源」。
这也就意味着，它无法离线使用、无法下载代码，也无法以相同的程度进行自定义。对于很多应用过来说，它的吸引力相对于 R1 明显大打折扣。
在上下文窗口方面，DeepSeek-R1 约为 128K/130K token，而 o3-mini 略胜一筹达到了 200K token。其中，每个输出最多 100K token，跟满血版 o1 相同。
在价格方面，相比于输入/输出 token 分别为 0.14/0.55 美元的 DeepSeek-R1，o3-mini 依然贵出了天际。
但作为一款美国模型，o3-mini 在身份上无疑占尽了好处：应该会是欧美很多企业的首选。
这一次，最强最新的 o3-mini 模型训练，奥特曼本尊下场亲自率队。研究项目主管分别是 Carpus Chang 和 Kristen Ying。
接下来，如果说 OpenAI 还藏在什么杀手锏，那就是满血版的 o3 了。根据 12 月时的说法，它将在「此后不久」发布。
参考资料：
https://openai.com/index/openai-o3-mini/
https://openai.com/index/o3-mini-system-card/
商务合作
Cassie | 微信：18506490569
Ares | 微信：18606066421
Lina | 微信：13381020131
David | 微信：13809501924
Ania | 微信：13720814733
Echo | 微信：13003974360
Shadow | 微信：18650708568
Demerly | 微信：18150844790
Lia | 微信：baijing018
白鲸出海魏方丹 | 微信：bjbandari02
（添加请备注姓名、公司及职位）
长按识别二维码，备注“白鲸”申请加入白鲸社群，获取更多资讯、活动、资源
