OpenAI为期十二天的产品发布最后一天放了大招，OpenAI o3，o3的能力，对现在所有模型几乎是降维打击。o3和o3-mini，是推理模型的较小版本，在多个数学和编码基准测试中表现出色。奥特曼表示，公司计划在1月底发布o3-mini，随后不久将发布完整的 o3 模型。
我转两个外界的评测：
1、图1是SWE-Bench Verified，类似于写程序的考试，考察o3是否能像一流的软件工程师一样写出完美的代码。o3的成绩是71.7%，比o1强了不少。右边的基准比较猛，Codeforces，是一个全球著名的编码竞赛平台。o3的得分是2727，这个得分，相当于整个榜单的第175名，已经超越了绝大多数人类了。
2、图2是ARC-AGI，通过一系列任务来测试AI系统的能力，重点测试AI的适应能力和通用性。过去几代模型的评分如下
* GPT-2 (2019): 0%
* GPT-3 (2020): 0%
* GPT-4 (2023): 2%
* GPT-4o (2024): 5%
* o1-preview (2024): 21%
* o1 (2024): 32%
* o1 Pro (2024): 50%
o3的分数，达到了恐怖的87.5%。
