我要投稿

OpenAI o3 和 o4-mini 多模态推理新模型重磅来袭

发布日期：2025-04-17 05:30:47 浏览次数： 2489

作者：硅基心脏

微信搜一搜，关注“硅基心脏”

就在刚刚，OpenAI 发布了其 o 系列模型的最新成员 o3 和 o4-mini，这两款模型被认为是 OpenAI 迄今为止最智能的模型。它们经过训练后能够在做出反应前进行更长时间的思考，并且首次具备智能地使用和组合 ChatGPT 的所有工具的能力，包括网页搜索、Python 分析、视觉推理和图像生成。

模型能够自主判断何时以及如何使用这些工具，从而以正确的格式生成详细且周到的答案，更有效地处理复杂问题。这一突破性的推理能力与完全的工具访问权限相结合，使得新模型在学术基准测试和实际应用中都展现出显著的性能提升。

o3 在编码、数学、科学和视觉感知等领域打破了多项基准记录。

它尤其擅长处理需要多方面分析的复杂查询，并在分析视觉信息方面表现出色。专家评估显示，相比 o1，o3 在困难的现实任务中重大错误减少了 20%，尤其在编程、商业咨询和创意构思方面。

o4-mini 作为更小、更高效的模型，o4-mini 在保持卓越性能的同时，实现了快速且经济高效的推理，尤其在数学、编程和视觉任务方面表现突出，并为 AIME 设定了新的 SOTA。专家评估还显示，o4-mini 在非 STEM 任务和数据科学领域超越了其前身 o3-mini。由于其高效率，o4-mini 拥有更高的使用限制，适合高容量、高吞吐量的推理需求。

o3 侧重于强大的综合能力，而 o4-mini 则强调效率和速度，这两个模型与之前的推理模型相比，它们的体验也更加自然和更具对话性，尤其在参考记忆和历史对话时，响应更加个性化和相关。

同时，OpenAI 推出了一个名为 Codex CLI 的全新实验性工具，这是一个可在终端运行的轻量级编码代理，旨在将前沿推理能力带到命令行。

终端中的强大推理：
Codex CLI 旨在充分利用 o3 和 o4-mini 等模型的推理能力，并计划支持更多 API 模型，如 GPT-4.1。
本地多模态推理：
该工具的独特之处在于能够通过传递屏幕截图或低保真草图，在本地命令行环境中实现多模态推理，并能访问本地代码。
极简连接接口：
OpenAI 将其视为一个将模型直接连接到用户及其计算机的极简接口。
完全开源：
Codex CLI 已完全开源，代码可在获取。
百万美元资助计划：
OpenAI 还宣布启动一项 100 万美元的计划，以支持使用 Codex CLI 和 OpenAI 模型进行的项目。资助将以 API 积分的形式发放，每笔最高 2.5 万美元。提案可以通过提供的链接提交。

总之，Codex CLI 是一个创新的开源工具，旨在将 OpenAI 最先进的推理能力直接带到开发者的终端，并支持通过多模态输入进行交互。

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

2026-06-12

PaddleOCR 3.7 正式接入ONNX Runtime，一个参数换后端，轻量部署新选择

2026-06-11

本地部署OCR，可能是AI进单位的第一道门

2026-06-08

正式推出 Gemma 4 12B: 一款统一、免编码器的多模态模型

2026-05-30

还在用 MinerU 解析 PDF？这个 2B 小模型直接把 olmOCR-bench 刷到 87.6%，速度还快 3.68 倍

2026-05-30

Qwen-VLA：迈向通用具身智能的统一动作框架

2026-05-25

罗福莉说的“伪多Agent”，我试了OmniWork后发现，真全干专家长这样

2026-05-19

从画稿到代码，AI Agent 正在吃掉产品设计的中间环节

2026-05-16

PDF解析折腾半年，最后靠这套方案搞定了

联系获取

联系获取

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

刚刚！Codex 居然能直接画图了，OpenAI 凌晨甩出 Image 2.0

2026-04-22

震惊！即梦推出 CLI，Agent 一行命令生成 Seedance 2.0 视频，AI 视频井喷

2026-04-01

全解读｜智谱 GLM-5V-Turbo 发布，多模态 Coding 基模

2026-04-02

GLM-OCR技术细节全公开

2026-03-18

让“龙虾”帮你自动赚钱！OpenClaw Seedance 2.0 视频生成全攻略

2026-03-29

用Claude Code剪视频，自动去口癖、加字幕、调色，完全免费开源

2026-04-21

一个神奇的视频生成 Skills，实测，狂喜

2026-04-27

豆包「打电话」升级 Seeduplex：周围再吵，只认准你的声音

2026-04-09

千问发布Qwen3.5-Omni全模态模型，超越Gemini3.1 Pro？附实测~

2026-03-31

刚刚，李飞飞最新成果发布，手机也能跑亿级粒子的 3D 世界了｜附体验地址

2026-04-15

大家都在问

Gemini Embedding 2把多模态信息整合同一向量空间了，还需要多向量列吗？

2026-03-12

一篇文章讲清楚：到底什么是NotebookLM？除了PPT，它还能做啥？

2025-12-31

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

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 Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部