OpenAI发布o3/o4-mini两大推理模型，要把Agent吞进模型里了

133 0 0

文章摘要

OpenAI近期发布了两个新模型o3和o4-mini，标志着其在人工智能领域的进一步突破。这两个模型不仅在编码、数学、科学等传统领域展现出强大的推理能力，还首次实现了“用图像思考”的功能。o3被定位为OpenAI当前最强大的推理引擎，尤其在处理复杂查询和需要深度思考的任务时表现突出。根据外部评估，o3在处理现实世界任务时的严重错误率比前代模型减少了20%，在编程、商业咨询和创意构思方面进步显著。例如，o3能够分析物理学研究海报并推断出未明确说明的结果，甚至解决了构造特定性质的19次多项式这样的高难度数学问题。

o4-mini则是一款针对速度和成本效益优化的模型，尽管体量较小，但在数学、编码和视觉任务上实现了令人瞩目的性能。它在AIME数学竞赛基准上的表现甚至超越了更大的模型，并且在非STEM领域和数据科学方面也优于其前代。o4-mini的高效率使其非常适合需要进行大量推理和高吞吐量的应用场景。OpenAI强调，智能化程度的提升并未必然带来成本的增加，o3和o4-mini在许多实际应用场景中可能比前代模型更高效，甚至更便宜。

本次发布的亮点之一是Agentic Tool Use，即模型能够主动、智能地使用和组合工具来解决复杂问题。o3和o4-mini可以根据问题的复杂性，自主决定调用网页搜索、运行Python代码、理解用户上传的图片内容，甚至生成图表或图像来辅助说明。例如，当用户提出关于加州夏季能源消耗的问题时，模型会自动搜索公共数据源，结合实时信息编写并执行分析代码，生成图表直观展示对比结果，并解释其中的关键影响因素。

另一个突破是视觉理解能力，o3和o4-mini不再仅仅是“看到”图片，而是能将图像信息直接整合进它们的“思考链”中。用户可以上传白板照片、教科书图解、手绘草图，即使图片模糊、颠倒或质量不高，模型也能尝试理解。结合工具使用能力，模型可以在推理过程中动态地操作图片，以更好地辅助分析。这使得它们在多模态基准测试中达到了新的SOTA水平，能够解决以前难以处理的视觉推理问题。

在安全方面，OpenAI为o3和o4-mini彻底重建了安全训练数据集，特别加强了在生物风险、恶意软件生成、越狱企图等敏感领域的拒绝能力。此外，还部署了系统级防护，引入了一个基于人类可解释规范训练的推理LLM监控器，用于主动标记生物风险等前沿风险领域的危险提示。

为了进一步赋能开发者社区，OpenAI还推出了一个名为Codex CLI的实验性新工具。这是一个轻量级的编码助手，可以直接在用户的终端命令行运行，旨在充分发挥o3、o4-mini等模型强大的推理能力，连接本地代码环境，甚至支持处理截图或草图进行多模态编程。

总体来看，OpenAI发布的o3和o4-mini在Agentic能力和多模态深度融合方面继续迈近，这不仅仅是模型变得更聪明了，更是朝着能够真正理解并与我们复杂世界进行交互的“通用智能体”的一步。从发布节奏来看，OpenAI的再次提速，留给竞争对手和整个行业思考的时间，似乎又变少了。