新智元報道
編輯：編輯部 HYZ
【新智元導讀】眼看DeepSeek風頭盡顯，被逼急的OpenAI果然緊急釋出了o3-mni。不光免費使用者都能用，每百萬輸入和輸出token價格更是瘋狂跳水打骨折價！
o3-mini，真的來了。
剛剛，OpenAI官宣o3-mini和o3-mini-high兩大版本正式在ChatGPT上線。
誠如所言，免費使用者直接開啟「Reason」即可體驗，Plus使用者每天會有更多用量，具體來說：
- ChatGPT免費版：首次體驗推理模型
- ChatGPT Plus和團隊版：每天150次對話限制
- ChatGPT Pro：無限制訪問
- ChatGPT Enterprise和ChatGPT Edu：將在一週內可用
- API：向3-5級開發者開放（初期暫不支援影象分析功能）
- 輸入1.10美元/百萬token、輸出4.40美元/百萬token
感謝DeepSeek，o3-mini的價格這次算是徹底給打下來了——比OpenAI o1-mini便宜63%，比滿血版o1便宜93%。（但仍是GPT-4o mini的7倍左右）
訂閱使用者已經在第一時間「告別」了o1-mini，還沒來得及說再見
OpenAI表示，o3-mini的釋出是在追求高效能智慧技術道路上的又一重要里程碑。
透過最佳化科學（Science）、技術（Technology）、工程（Engineering）和數學（Mathematics）領域的推理能力，同時保持較低的成本，讓高質量AI技術變得更加平易近人。
值得一提的是，在ChatGPT中，o3-mini採用的是「中等推理強度」，在速度和準確性之間取得平衡。所有付費使用者還可以在模型選擇器中選擇o3-mini-high——響應時間略長但智慧水平更高的版本。
目前，由於太過火爆，ChatGPT的專案和自定義GPTs功能都已經被擠崩了。
整合搜尋，兩種版本可選
去年12月，。相較於上一代o1模型，o3在ARC-AGI等多項基準測試中重新整理SOTA。
與o1-mini一樣，o3-mini是最具價效比的推理模型，可謂是突破效能邊界的「小巨人」。
在STEM領域，尤其是科學、數學和程式設計等方面，o3-mini效能表現卓越超越o1，並繼承了上一代低成本和低延遲的優點。
對於開發者來說，o3-mini簡直就是一份「大禮包」，它首次在小型推理模型中支援：包括函式呼叫、結構化輸出和開發者訊息、流式傳輸功能。
開發者可以根據需求選擇低、中、高三種推理強度，讓o3-mini在處理複雜問題時進行「深度思考」，靈活平衡速度和準確性。
遺憾地是，o3-mini暫不支援視覺功能。
如前所述，從今天起，o3-mini將透過Chat Completions API，Assistants API和Batch API向3-5級指定開發者開放。
同時，o3-mini還整合了搜尋功能，能夠提供帶有相關網路來源連結最新響應。
一起來看看這款「小而美」的o3-mini有什麼過人之處。
快速、強大、專為STEM領域推理最佳化
與其前身OpenAI o1類似，OpenAI o3-mini專門針對STEM推理進行了最佳化。
採用了中等推理強度的o3-mini，在數學、程式設計和科學領域的表現與o1不相上下，且響應速度更快。
報告地址：https://cdn.openai.com/o3-mini-system-card.pdf
專家測試評估顯示，o3-mini相比o1-mini能夠生成更準確、更清晰的答案，推理能力更強。
在測試中，o3-mini的響應結果獲得了56%的偏好度，在處理複雜現實問題時的重大錯誤率更是降低了39%。
在中等推理強度設定下，o3-mini在最具挑戰性的推理和智慧評估專案（包括AIME和GPQA）中，均達到了與o1相當的水平。
數學競賽（AIME 2024）
在低推理強度下，o3-mini達到了與o1-mini相當的水平；在中等推理強度下，其表現可與o1媲美；而在高推理強度下，o3-mini的表現更是超越了o1-mini和o1。
博士級科學問題（GPQA Diamond）
研究級數學（FrontierMath）
在高推理強度模式下，o3-mini在FrontierMath中的表現優於前代產品。當配合Python工具使用時，高推理強度的o3-mini能夠一次性解決超過32%的測試題目，其中包括28%以上的T3級問題。
程式設計競賽（Codeforces）
隨著推理強度的提升，OpenAI o3-mini的Elo得分不斷提高，各層級表現均優於o1-mini。在中等推理強度下，其表現已能與o1相媲美。
軟體工程（SWE-bench Verified）
o3-mini在高推理強度模式下，使用開源Agentless框架能達到39%的成功率，使用內部工具框架則可達到61%的成功率。
LiveBench編碼
人類偏好評估
外部專家評測結果顯示，o3-mini較o1-mini表現出更強的推理能力，能夠生成更準確、更清晰的答案，尤其是在STEM領域中。在對比測試中，o3-mini獲得了56%的使用者偏好度，且在處理複雜現實問題時的重大錯誤率降低了39%。
在技術報告中，o3-mini程式設計效能超越了GPT-4o和o1-preview，與o1不相上下。
模型的速度與效能
o3-mini在保持與o1相當智慧水平的同時，實現了更快的執行速度和更高的計算效率。
除前文提到的STEM評估外，在中等推理強度下，o3-mini在其他數學能力和事實準確性測試中均取得了顯著優勢。
對比測試（A/B Testing）結果顯示，o3-mini的平均響應時間為7.7秒，較o1-mini的10.16秒提升了24%。
o1-mini和o3-mini（medium）的延遲對比
安全評估
OpenAI在訓練o3-mini確保其安全響應，採用的關鍵技術之一是審慎對齊（deliberative alignment）。
這項技術使模型能夠在響應使用者提示詞前，對人工制定的安全規範進行全面推理。
與o1相似，o3-mini在高難度安全性測試和越獄評估中，明顯優於GPT-4o。
在正式部署前，研究人員採用與o1相同的準備方法，結合外部紅隊測試和安全性評估，對o3-mini的安全風險進行了全面評估。
禁止內容評估
越獄評估
OpenAI急了
去年年底放出o3和o3-mini的預覽時，CEO奧特曼就曾表示，o3-mini將會在1月份釋出。
隨後，奧特曼又在1月17日預告稱，o3-mini會在幾周內釋出。
現在，o3-mini果然如約而至（卡在ddl最後一天），但外面的世界已經是天差地別。
面對正在快速崛起的DeepSeek-R1，o3-mini存在著一個關鍵問題——「不開源」。
這也就意味著，它無法離線使用、無法下載程式碼，也無法以相同的程度進行自定義。對於很多應用過來說，它的吸引力相對於R1明顯大打折扣。
在上下文視窗方面，DeepSeek-R1約為128K/130K token，而o3-mini略勝一籌達到了200K token。其中，每個輸出最多100K token，跟滿血版o1相同。
在價格方面，相比於輸入/輸出token分別為0.14/0.55美元的DeepSeek-R1，o3-mini依然貴出了天際。
但作為一款美國模型，o3-mini在身份上無疑佔盡了好處：應該會是歐美很多企業的首選。
奧特曼親自率隊
這一次，最強最新的o3-mini模型訓練，奧特曼本尊下場親自率隊。研究專案主管分別是Carpus Chang和Kristen Ying。
接下來，如果說OpenAI還藏在什麼殺手鐧，那就是滿血版的o3了。 根據12月時的說法，它將在「此後不久」釋出。
參考資料：
https://openai.com/index/openai-o3-mini/
https://openai.com/index/o3-mini-system-card/
