我要投稿

OpenAI o3开启推理scaling，迈向AGI新时代

发布日期：2024-12-21 15:09:03 浏览次数： 2262

作者：NLP轻松谈

微信搜一搜，关注“NLP轻松谈”

OpenAI 12 天活动的最后一期,主要介绍了新一代推理模型 o3 和 o3-mini。主讲人包括 Sam Altman、Mark Chen、Hongyu Ren 以及特邀嘉宾 ARC Prize Foundation 主席 Greg Kamradt。

主要亮点

1. 新模型发布

发布两个新模型:o3 和 o3-mini
o3 是高性能推理模型,o3-mini 则在保持智能的同时优化了性能和成本
目前仅开放用于公共安全测试,预计一月底推出 o3-mini,随后推出 o3

2. o3 模型性能突破

在软件测试基准 SWE-bench Verified 上准确率达 71.7%,比 o1 提升 20%
在 CodeForce 竞赛编程上达到 2727 ELO 分数

AIME 数学竞赛准确率达 96.7%(o1 为 83.3%)
在博士级科学问题基准 GPQA Diamond 上达到 87.7%

在 ARC-AGI 测试上首次突破人类水平阈值(85%),达到 87.5%

3. o3-mini 特点与优势

支持三种推理努力级别:低、中、高
性能方面:中等推理时间下性能超过 o1
成本效益:以极小成本实现比 o1 更好的表现
支持功能调用、结构化输出等开发者功能
在 GPQA Diamond 上达到 62% 的分数

4. 安全策略创新

推出"审慎对齐"(Prudent Alignment)新技术
利用模型推理能力提升安全边界判断
显著改善了拒绝基准和过度拒绝指标
开放外部安全测试申请(截止至 1 月 10 日)

重要时间节点

安全测试申请截止:2025 年 1 月 10 日
o3-mini 预计发布:2025 年 1 月底
o3 完整版:将在 o3-mini 之后推出

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-09-13

阿里Qoder IDE进行AI辅助编程的简单验证

2025-09-13

Docling将pdf转markdown以及与AI生态集成

2025-09-13

Claude Code 为何如此强大？Anthropic 万字长文揭秘 AI Agent 工具开发五大“心法”

2025-09-12

从“代码补全”到“知识对齐”：Qoder Repo Wiki 迎来重磅升级

2025-09-12

基于智能体的自适应资损防控体系 - 淘工厂实践（二）

2025-09-12

运维老王：创业第十年，我用Elevo找回内心翻腾的梦想

2025-09-12

大模型可观测1-5-10：发现、定位、恢复的三层能力建设

2025-09-12

Qwen3-Next：用混合注意力和高稀疏 MoE 把训练与推理成本打下来

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek-V3.1 发布，迈向 Agent 时代的第一步

2025-08-21

精|知识探索新范式：深度研究Deep Research智能体全面综述，系统、方法与应用

2025-06-21

DeepSeekV3.1 提到的 UE8M0 FP8 Scale 是什么？下一代国产芯片设计？

2025-08-21

DeepSeek V3.1 测评

2025-08-19

能办成事的 Agent：实时与环境交互，从经验中学习

2025-06-19

WAIC 2025 观察：大模型进入“效率与场景”决胜期

2025-07-29

AI大家说 | 下一代AI创业的机会在哪里？定价趋势是什么？

2025-09-08

DeepSeek突然更新V3.1：实测后才发现的亮点与槽点

2025-08-19

DeepSeek v3.1 到底有多强？与 Claude Code 一起实测！

2025-08-20

豆包又在偷偷进步！超能创意2.0内测，语意理解能力追平FLUX Kontext

2025-07-04

大家都在问

阿里推出夸克医疗大模型：医考70%高分背后，RAG为何是“压舱石”？

2025-09-12

AI市场调查实战：如何让AI帮你搜全网特定规格的产品？

2025-09-11

Embedding-审核场景下都可以在哪里应用？

2025-09-11

nano banana 文生图模型有哪些具体的应用场景？

2025-09-09

Claude Code：极简架构 + 万字提示词 = 最强开发者智能体？

2025-09-09

观察 | 面临经济下行和AI的双重冲击，企业顾问如何突破困局？

2025-09-08

AI大家说 | 下一代AI创业的机会在哪里？定价趋势是什么？

2025-09-08

砸数万元将产品植入Deepseek，AI还能被骗多久？

2025-09-07

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB