OpenAI o3 发布：突破 AGI 基准，博士级解题能力，但高计算成本惊人

chatgpt中文网2024-12-21 09:25:5760

先做个广告：如需代注册GPT帐号或代充值ChatGPT4会员，请添加站长客服微信：gptchongzhi

OpenAI 为期 12 天的发布会终于落下帷幕，而压轴登场的正是备受瞩目的 o3 系列模型——包括 o3 和 o3-mini。作为 o1 系列的继任者，o3 模型不仅在推理能力上有了质的飞跃，更是在 AGI（通用人工智能）的道路上迈出了重要一步。然而，其高昂的计算成本也引发了人们的关注。

推荐使用ChatGPT中文版，国内可直接访问：https://ai.gpt86.top

o3：突破 ARC-AGI 基准，展现博士级解题能力

o3 模型最大的亮点在于其在 ARC-AGI 基准测试中取得的突破性进展。ARC-AGI 基准由 ARC Prize Fundation 提出，旨在测试 AI 模型的通用智能水平。一直以来，该基准都被认为是 AI 领域的一大难题，而 o3 模型成为了首个突破这一基准的 AI 模型。

在 ARC-AGI 基准上，o3 模型最低性能可达到 75.7%，如果使用更多计算资源进行长时间思考，甚至可以达到 87.5% 的水平。这表明 o3 模型在理解和解决抽象问题、适应新任务方面已经达到了一个全新的高度，其能力已经接近人类水平。

ARC-AGI 基准测试要求 AI 模型根据配对的“输入-输出”示例寻找规律，然后基于一个输入预测输出。这类图形推理问题，对于人类来说可能并不陌生，但对于 AI 模型来说却是一个巨大的挑战。o3 模型的成功突破，充分证明了 OpenAI 在 AI 推理能力方面的巨大进步。

高计算成本：o3 的“阿喀琉斯之踵”

尽管 o3 模型在性能方面表现出色，但其高昂的计算成本也让人望而却步。在低计算量模式下，o3 模型每个任务需要 17-20 美元，而在高计算量模式下，每个任务则需要花费数千美元。

尽管如此，OpenAI 强调，o3 模型的成功并非简单的暴力计算，而是代表了人工智能适应新任务的能力的重大飞跃。它能够适应以前从未遇到过的任务，这与以往的 LLM 相比，是一次真正的质的转变。

o3 模型的核心机制：程序合成与蒙特卡洛树搜索

对于 o3 模型的工作原理，OpenAI 并没有给出明确的解释。不过，研究人员推测，o3 模型的核心机制可能是在 token 空间内进行自然语言程序搜索和执行。在测试时，模型会在可能的思维链空间中搜索，这些思维链描述了解决任务所需的步骤，这种方式可能与 AlphaZero 风格的蒙特卡洛树搜索（Monte-Carlo tree search）颇有相似之处。

这种程序合成的能力，使得 o3 模型能够将已有的知识重新组合，创造出新的解决方案，从而适应新的任务，这是以往的 LLM 模型所不具备的。

o3-mini：高性能低成本，专注编程领域

与 o3 模型相比，o3-mini 是一个更经济高效的版本。它在提升推理速度、降低推理成本的同时，兼顾了模型性能。o3-mini 提供了三种不同的推理时间选项——低、中、高，以适应不同的应用场景。

与 o1 模型相比，o3-mini 在 Codeforces 上的性能具有显著的成本效益，这使其成为一个非常适合用来编程的模型。在数学问题上，o3-mini (low) 实现了与 gpt-4o 相当的低延迟。

OpenAI 的研究人员还现场演示了 o3-mini 的强大之处。他们使用 o3-mini 编写了一个本地服务器，可以根据用户给出的文本消息，调用 o3-mini 的 medium 选项，然后获取得到的代码，将其保存到桌面的一个临时文件中，最后在一个新的 Python 终端中执行该文件。整个过程仅用时 38 秒，充分展现了 o3-mini 的高效性。

此外，他们还使用 o3-mini 对自身进行了测试，让模型编写了一个测试该模型自身的脚本，并在 GPQA Diamond 数据集上进行了测试，得到了 61.62% 的准确度。