OpenAI发布o3新推理模型，我们离AGI又近了一步

主要观点总结

文章主要围绕OAI十二天直播收官之作进行描述，介绍了最新的模型o3的多个关键点，包括在不同数据集上的表现结果以及在定价、功能和申请使用等方面的信息。

关键观点总结

关键观点1: o3模型在多个数据集上的表现超过其他模型

在ARC-AGI、EpochAI的Frontier Math、SWE-Bench Verified、Codeforces、AIME 2024以及GPQA Diamond等多个数据集上，o3的表现均超过了其他模型，包括o1和GPT系列模型。

关键观点2: o3模型目前处于预览状态，不对所有用户开放

尽管o3的表现非常出色，但目前仅向通过其网站上的链接申请的安全人员开放内测。不过，o3 mini计划于1月底可访问，价格更便宜，且将支持o1的所有功能。

关键观点3: o3模型的推出时间以及命名原因

o3模型的推出时间相对较快，仅三个月后就推出了o1。关于命名原因，是因为之前的版本o2存在版权问题，因此直接命名为o3，属于被动跳级。

关键观点4: 文章对OAI十二天直播的总结和对更新的看法

文章提到了对OAI十二天直播的失望感，认为其中更新内容含有大量水分和营销手段。作者呼吁内容最重要，希望少点营销手段。

正文

可算迎来了OAI十二天直播收官之作，不是GPT4.5，也不是新Agent，DALLE4。第十二天没有多个更新。在谷歌抢先推出“o1极速版”的情况下，奥特曼带着o3来了。

先说结论，o3很强，肉眼可见的强，甚至要重新做数据集来测出它的上限

1️⃣ 在ARC-AGI上：o3在低计算量下的得分超过了o1的三倍，且超过了87%的得分
2️⃣ 在EpochAI的Frontier Math上：o3创下新纪录，解决了25.2%的问题，而其他任何模型的解决率都未超过2%
3️⃣ 在SWE-Bench Verified上：o3的表现比o1高出了22.8个百分点
4️⃣ 在Codeforces上：o3获得了2727分，超越了OpenAI首席科学家的2665分
5️⃣ 在AIME 2024上：o3得分为96.7%，仅错了一个问题
6️⃣ 在GPQA Diamond上：o3的得分为87.7%，得分远超人类专家

纯纯数值怪！那么厉害的模型是不是马上能用呢？至少200刀的Pro用户能内测？

No，o3 模型处于“预览”状态，仅向通过其网站上的链接申请的安全人员开放。 好消息是 o3 mini计划1月底可访问。o3-mini 将支持 o1 支持的所有功能、函数调用、结构化输出，同时价格更便宜。

而3个月前，o1才跟我们见面，所以o3的期货时间大概率不会很长，至少不是Sora级别的。

而且为什么是o3而不是o2也是有说法的。是因为o2存在版权问题，属于是“被动跳级”了 。

最后我们来盘点一下12天的所有更新：
o1、GPT Pro、o1 pro、强化微调(RFT)、Sora、Canvas写作和开发工具、GPT与苹果智能系统集成、GPT高级语音模式增加视觉能力、Projects功能、GPT AI搜索、一系列API（o1、语音模型、偏好微调）、GPT热线电话1-800-ChatGPTGPT、MacOS桌面应用支持自动化和高级语音、新推理模型o3。

以o系列作为开头和结尾，我多少还是失望，这十二天天天熬夜，水分颇大，从之前毫无预告更新，到现在都不是挤牙膏了，是画大饼式更新。还是那句话，内容最重要，少点营销手段吧。。。