2024年12月20日 · 目前不知道o3什么时候放出，但是OpenAI又基于o3，训了3个小尺寸的o3模型。 目前o3-mimi，预估在1月底可以对外开放，但是感觉到时候，肯定又是pro会员 ...

OpenAI于2024年12月21日发布的新推理模型家族——“ChatGPT O3”系列，标志着AI技术的又一重大突破，尤其是在推理能力、复杂任务处理和生成模型的多样性方面。 根据公开的信息和一些初步评估，可以从以下几个方面对这一新系列进行评价： 1. 推理能力的提升. “ChatGPT O3”系列的主要亮点之一是其显著提升的推理能力。 相比前代的ChatGPT模型，O3系列在复杂推理任务、逻辑推导和跨领域知识应用上表现更为出色。 具体表现为： 多步骤推理：O3系列能够更好地处理需 …

2024年12月21日 · o3-mini可以自己写一个agent系统，并执行调用这个agent系统，可以实现end-to-end执行命令。 它可以自己测试自己写的agent系统。 假设不使用API去调用，o3-mini就可以实现自我迭代！

2024年12月25日 · O3的得分为2727 排名全榜第175 已经超越了99.99%的程序员. 而且O3的数学能力也非常惊艳. 在数学竞赛AIEM 2024中 O3几乎接近满分 创下了AI历史上的新纪录 也是第一次 AI 能达到有 AIEM 接近满分的水平 而在博士级科学考试GPQA Diamond中 O3也表现出了非凡的进步. …

2024年12月21日 · 根据发布的o3测试数据显示，美国AIME数学竞赛中达到了96.7分，大幅度超过了o1预览版的56.7和o1的83.3%，仅错了一道题相当于一名顶级数学家的水平。

2024年12月21日 · OpenAI号称o3在一些条件下接近通用人工智能（AGI），共有o3和o3-mini两个版本。 评估显示，o3在软件工程测试中准确率比o1高近47%，竞赛数学测评的准确率比o1高15%，人类博士专家级生化物测试中准确率比o1高近13%。

2024年12月21日 · o3-mini（medium）以78.2%的准确率超越了o1（图中实心部分），而o3-mini（high）进一步提升了性能。 在延迟方面表现，o3-mini（low）大幅降低了延迟，降低至1秒内，媲美GPT-4的即时响应。

2024年12月24日 · o3 体现出的编程和数学能力，不仅达到了 AGI 的门槛，甚至摸到了 ASI（超级人工智能）的边。 o3 也进一步验证了 RL 和 test-time scaling 的价值，在高质量预训练数据基本耗尽，模型能力 “撞墙” 的情况下，提供了一条通过后训练和增加推理时间，继续提升模型智力，解决更困难问题的路径。 o3 具体的性能指标很多人都看到了，我就不再重复了。 省流版： o3 在 Codeforces 编程竞技中击败了 99.9% 的程序员，在 168076 名程序员中排名 175 名。 甚至 o3 …

2024年12月23日 · o3-mini支持低、中、高三种推理时间模式，用户可根据任务复杂度灵活调整思考时间。 o3-mini定位是资源受限场景，在极高难度任务上的表现稍逊o3，但仍保留了强大的推理能力，尤其在基础数学问题、日常编程和一般推理任务上表现突出。

2024年12月25日 · o3模型是针对该测试集优化过的，也就是图里Tuned所指的. 目前o3的 high-compute 模式定价还没有确定，所以图例的定价并不对，大概只是Arc基于token数量进行线性推断的。 文中提到了一个sample size，但并没有指明其具体含义。只知道low-compute对应于6，high-compute对应于 ...