OpenAI推理模型“上新”

OpenAI離AGI（artificial general intelligence，通用人工智能）似乎又更近了一步。上週五，在“OpenAI 12天活動”的第12天，OpenAI首席執行官薩姆·奧特曼宣佈了其最新的人工智能“推理”模型o3和o3-mini，這兩款模型是在今年早些時候推出的o1模型的基礎上開發的。

OpenAI本次12日的活動第一天官宣了上線正式版o1，所謂滿血o1。活動最後一天又有o3亮相，首尾都由介紹推理模型呼應，也算是一種精心設計。

據介紹，這些模型使用OpenAI所稱的“私人思維鏈”，模型會暫停檢查其內部對話，並在響應之前提前計劃，你可以稱之爲“模擬推理”（SR），即一種超越基本大型語言模型（llm）的人工智能形式。

據瞭解，爲了避免與英國電信運營商o2發生潛在的商標衝突，該公司將其最新的人工智能“推理”模型命名爲“o3”而不是“o2”。

直播中，奧特曼稱o3是“一個非常、非常聰明的模型”。OpenAI的評估結果也顯示，無論在軟件工程、編寫代碼，還是競賽數學、掌握人類博士級別的自然科學知識能力方面，o3都明顯高出o1一籌。同時測試顯示，o3在OpenAI實現通用人工智能（AGI）這一奮鬥目標上取得了突破，最高的測試成績達到了類人水平。

根據OpenAI的說法，o3模型在ARC-AGI基準上獲得了破紀錄的分數，ARC-AGI基準是一種視覺推理基準，自2019年創建以來一直保持不敗。在低計算場景中，o3得分爲75.7%，而在高計算測試中，它達到了87.5%，與人類在85%閾值下的表現相當。

OpenAI還報告說，o3在2024年美國數學邀請賽中得分爲96.7%，只缺了一道題。該模型在包含研究生水平的生物、物理和化學問題的GPQA Diamond上也達到了87.7%。在EpochAI的前沿數學基準上，o3解決了25.2%的問題，而其他模型都沒有超過2%。

o3-mini版本包括自適應思考時間功能，提供低、中、高處理速度。該公司表示，更高的計算設置可以產生更好的結果。OpenAI報告說，在Codeforces基準測試中，o3-mini的性能超過了它的前身o1。

但測試發現，表現完美的o3在計算投入方面並不那麼“美麗”。

ARC-AGI（通用人工智能抽象與推理語料庫）發起者、Keras（用Python編寫的高級神經網絡API）之父弗朗索瓦·肖萊（Francois Chollet）在o3發佈後公佈了一篇測試報告。

報告顯示，o3在高計算量模式下獲得了87.5%的分數，在低計算量模式下，性能是o1的3倍。成本方面，低計算量模式下，每個任務需要花費20美元，而在高計算量模式中每個任務需要數千美元。

肖萊表示：“它非常昂貴，但並不只是‘蠻幹’——這些能力是全新的領域，需要科學界的認真關注。”

據悉，推理模型作爲人工智能的核心技術之一，具備強大的數據處理和分析能力，其應用範圍廣泛，幾乎覆蓋了所有與智能化相關的領域。

雖然o3的測評看上去表現驚豔，但OpenAI應該不會很快面向大衆上線這款新的超級推理模型。

據悉，o3和o3-mini並未正式發佈，安全研究人員目前可以註冊獲取o3-mini的預覽版，o3預覽版也將在之後的某個時間推出，OpenAI沒有給出具體時間。在直播的一開始，奧特曼也強調了此次並不是發佈，只是宣佈o3。他表示，計劃在1月底發佈o3-mini，然後再發布o3。

奧特曼在直播中表示，在OpenAI正式發佈新的推理模型之前，他更希望有一個聯邦政府的測試框架，指導監控和減輕此類模型的風險。“應該有某種聯邦測試框架，說明我們最感興趣的是監控和緩解危害，類似於這裡有一組測試，在你發佈它之前，必須能夠證明這種模型在這些方面是安全的。”

值得一提的是，除了OpenAI，各家AI公司近期也紛紛發佈推理模型。

11月16日，月之暗面（Moonshot AI）Kimi推出新一代數學推理模型k0-math；11月20日，DeepSeek發佈了首個推理模型DeepSeek-R1-Lite預覽版；11月28日，阿里雲通義團隊發佈全新AI推理模型QwQ-32B-Preview。

在當地時間12月19日，谷歌也發佈首個推理模型Gemini 2.0 Flash Thinking。它使用了類似o1模型的慢思維思考方式，可以深度可視化展示整個思維鏈過程，尤其是在執行數學、編程等複雜問題方面。

相比o1，Gemini 2.0 Flash Thinking的最大差別是，讓用戶能看到一步一步推理的過程，更清晰、更透明地瞭解模型如何得出結論。它剛亮相就登上了Chatbot Arena大模型評估的榜首。不過，谷歌的這一新模型還處於實驗性階段，只是一個早期版本。

北京商報綜合報道