OpenAI发布最强推理模型o3和o4-mini:图像深度思考首秀,还能自主调用工具 siyushenqi.com • 2025 年 8 月 13 日 下午10:04 • 行业动态 • 阅读 447 这两款模型是“o系列”推理模型的最新成员,具备通过图像进行推理和自主调用多种工具的能力,被专家认为是人工智能能力的飞跃式提升。它们是OpenAI迄今发布的最智能、最强大的模型,能够自主组合使用ChatGPT内的工具,如网页搜索、Python分析、视觉推理和图像生成等,以更高效地解决复杂问题。 摘要 o3是OpenAI最强大的推理模型,在编程、数学、科学、视觉理解等领域取得突破性进展,创下多项基准测试新纪录。o4-mini则是一款小巧高效的推理模型,专为快速、低成本应用场景优化,在数学、编程和视觉任务上性价比高。两款模型在遵循指令和提供有用回答方面优于前代,对话体验更自然。 OpenAI首次实现图像直接整合进推理思维链,模型不仅能“看到”图像,还能“用图像思考”,在多模态基准测试中达到先进水平。o3和o4-mini在ChatGPT中拥有完整工具访问权限,能自主完成工具调用,灵活应对复杂任务。 o3和o4-mini在很多情况下比前代更高效、更节省成本。OpenAI全面重构了安全训练数据集,新增拒绝示例,强化了模型在生物威胁、恶意软件生成等领域的防护能力,并开发了系统层面的风险缓解机制。 OpenAI发布了Codex CLI,一款轻量级编程智能体,用于最大化新模型的推理能力。同时,OpenAI启动了资助计划支持相关项目。从4月17日起,ChatGPT Plus、Pro和Team用户可使用o3和o4-mini,未来几周还将通过API向开发者开放。 北京时间4月17日凌晨,OpenAI 发布了两款突破性AI模型——o3和o4-mini,它们能通过图像进行推理,并可自主调用多种工具,被专家称为人工智能能力的一次飞跃式提升。 这两款模型都是OpenAI “o 系列” 推理模型的最新成员,经过训练后,它们可在响应前进行更长时间的思考。同时,它们也是OpenAI迄今发布的最智能、最强大的模型。 这些推理模型可以自主组合并使用ChatGPT内的所有工具——包括网页搜索、利用Python分析上传的文件和数据、对视觉输入进行深入推理,甚至还能生成图像。 最重要的是,这些模型不仅能判断何时使用工具,还能决定如何使用工具,从而以正确的输出格式,在一分钟内给出经过深思熟虑的详细回答,帮助解决更复杂的问题。 这意味着它们能更高效地应对多层次、多步骤的问题,让ChatGPT具备“自主执行任务”的能力。将顶级推理能力与完整工具访问权限结合在一起,让这些新模型在学术评测和实际任务中的表现都有了显著提升。 Sam Altman在X上引述内测用户、免疫学专家Derya Unutmaz对o3模型的评价,称其“近乎天才水准”。 性能提升 OpenAI声称, o3是其迄今推出的最强大推理模型,在编程、数学、科学、视觉理解等多个领域均取得了突破性进展。它在多项基准测试中都创下新纪录,包括Codeforces、SWE-bench和MMMU。 OpenAI新模型o3和o4-mini等在数学竞赛、编程、指令遵循和工具调用方面的表现 这款模型非常适合需要多维度分析、答案并不直观的复杂查询,在视觉任务(如图像、图表和图形分析)中表现尤为突出。 根据外部专家的评估,在现实世界的高难度任务中,o3的重大错误率比OpenAI o1降低了20%,在编程、商业/咨询和创意构思等领域表现也很出色。早期测试者称其为具有极高分析能力的“思考伙伴”,尤其擅长在生物学、数学和工程领域提出并评估全新的假设。 与o3相比,OpenAI o4-mini是一款更小巧、但高效能的推理模型,专为快速、成本友好的应用场景而优化。在数学、编程和视觉任务上,它展现出了惊人的性价比。o4-mini是AIME 2024和AIME2025基准测试中表现最好的模型之一。 在专家评估中,o4-mini在非STEM任务(科学、技术、工程、数学)上的表现超越了o3-mini。凭借出色的计算效率,o4-mini支持比o3更高的使用频率,使其成为需要推理能力的高频、高吞吐量场景的理想选择。 外部专家评估认为,得益于智能水平的提升和网络信息的引入,这两款模型在遵循指令和提供更有用、可验证的回答方面均优于前代模型。与此前的推理模型相比,它们的对话体验也更加自然,尤其是在引用记忆和过往对话时,能够提供更个性化、更相关的回答。 持续扩展强化学习能力 在OpenAI o3的开发过程中,OpenAI发现大规模强化学习(RL)呈现出与GPT系列预训练 相同的规律——“计算量越大,性能越强”。 同时,模型在被允许“思考”得越久,表现就越好。 在相同延迟和成本条件下,o3在ChatGPT中的表现优于o1。同时,如果允许模型进行更长时间的思考,它的表现还会进一步提升。 OpenAI通过强化学习训练这两款模型如何使用工具,还让它们学会判断何时使用工具,从而在开放式任务中表现更出色,尤其是在视觉推理和多步骤工作流程任务中。 首次实现图像思维链整合 在上述示例中,OpenAI首次展示了其模型如何将图像直接整合进推理思维链中。模型不仅能“看到”图像,更能“用图像进行思考”。这一突破实现了视觉与文本推理的深度融合,使其在多模态基准测试中达到最先进水平。 用户可以上传照片,比如:白板内容、教科书里的图示,甚至是手绘草图,模型都能理解它们。即使图像存在模糊、倒置或低质量的情况,模型仍能准确解析。 结合工具调用能力,模型还能在推理过程中即时操控图像,比如旋转、缩放、格式转换等,让图像处理成为其思考的一部分。 这些模型在视觉感知任务中表现出业界领先的准确率,能解决过去难以应对的问题。 自主完成工具调用 OpenAI 的o3和o4-mini模型在ChatGPT中拥有对所有工具的完整访问权限,开发者还可以通过API中的函数调用功能接入自定义工具。 例如,当用户提出“与去年相比,加州今年夏天的能源使用情况有何变化?”这个问题时,模型可以执行一连串工具调用:搜索公共能源数据、编写Python代码进行预测、生成图表或图像,并解释预测背后的关键因素。 通过推理,它可以根据新获取的信息灵活应变,例如多次搜索不同关键词、分析结果、再尝试新的搜索策略。 这种灵活、策略性较强的方式,使模型能够完成那些超出其内部知识、需要实时信息、跨模态推理与综合输出的复杂任务。 性价比 OpenAI称o3和o4-mini在很多情况下,它们都比各自的前代o1与o3-mini更高效,也更节省成本。在AME2025基准测试中,性价比都远远超过前代模型。 价格方面,OpenAI o3的输入为每100万个tokens收费10美元,缓存输入为每100万个tokens收费2.5美元,输出为每100万个tokens收费40美元。 OpenAI o4-mini的输入为每100万个tokens收费1.1美元,缓存输入为每100万个tokens收费0.275美元,输出为每100万个tokens收费4.4美元。 安全性 对于o3和o4-mini,OpenAI全面重构了安全训练数据集,新增了针对生物威胁(生物风险)、恶意软件生成、越狱提示等领域的拒绝示例,让两个模型在其内部安全拒绝基准测试中表现优异,例如在指令层级理解和越狱防护上都展现出强大的防护能力。 除了模型自身的表现外,OpenAI还开发了系统层面的风险缓解机制,用于识别和标记涉及前沿风险领域的危险提示。 例如,该公司训练了一个基于推理的语言模型监控器,能够依据人类编写的可解释安全规范进行判断。在生物风险的红队测试中,该监控器成功识别并标记了约99%的高风险对话。 OpenAI对这两个模型进行了迄今为止最严格的安全测试,按照最新的 《准备度框架》(Preparedness Framework)标准,对其在以下三个能力领域进行了评估: ——生物与化学风险 ——网络安全 ——AI 自我改进能力 根据评估结果,o3与o4-mini在上述所有领域均处于“低风险”级别(低于框架中设定的“高”风险阈值)。 全新实验项目Codex CLI OpenAI还发布了一个全新的实验项目:Codex CLI —— 一款轻量级的编程智能体,专为最大化o3和o4-mini等模型的推理能力而设计,并即将支持GPT-4.1等更多API模型。 用户可以直接从命令行体验多模态推理,比如向模型传递截图或低保真草图,结合本地代码环境,让模型参与解决实际编程任务。 OpenAI将Codex CLI视为一种最简约的界面,用于将强大的AI模型与用户的计算机无缝连接。 OpenAI首席执行官山姆·奥特曼发帖称:“o3和o4-mini非常擅长编码,所以我们发布了一个新产品Codex CLI,让它们更容易使用。这是一个在用户计算机上运行的编程智能体。它是完全开源的,现在就可以使用;我们希望它能迅速改进。” 同时,OpenAI也启动了一个总额100万美元的资助计划,专门支持使用Codex CLI和OpenAI模型的项目。每个项目将以2.5万美元等值的API使用额度发放。 如何使用o3与o4-mini 从4月17日开始,ChatGPT Plus、Pro和Team用户将在模型选择器中看到o3、o4-mini和o4-mini-high,它们将取代之前的o1、o3-mini和o3-mini-high。ChatGPT Enterprise和Edu用户将在一周后获得访问权限。 免费用户可以在撰写查询前点击 “Think” 按钮,尝试 o4-mini的推理能力。 此外,OpenAI计划在未来几周推出支持全部工具功能的OpenAI o3-pro。 与此同时,o3和o4-mini也将通过Chat Completions API和Responses API向开发者开放,部分开发者可能需验证组织身份。 Responses API提供支持推理摘要、保留函数调用上下文以提升性能的能力,未来还将支持内置工具(如网页搜索、文件检索和代码解释器)。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/33066.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 1亿美元!腾讯领投机器人独角兽 上一篇 2025 年 8 月 13 日 下午10:04 2025「百镜大战」,三大产品形态之争 下一篇 2025 年 8 月 13 日 下午10:05 相关推荐 行业动态 “订单老不见涨”,卖家做不好拉美市场的罪魁祸首竟是…… 最近有Mercado Libre卖家吐槽:“市场需求挺大,但是店铺订单老不见涨,和事前预想的完全不一样,到底是哪里出了问题?” siyushenqi.com 2025 年 8 月 13 日 444000 行业动态 速卖通押注知名品牌,亚马逊遭正面截胡 目标直指亚马逊头部品牌,运费+佣金砍到亚马逊 50%,主攻成熟高客单价大牌,打破“一家独大”。 siyushenqi.com 2025 年 9 月 24 日 408000 行业动态 Lazada大举招揽TikTok卖家,加速抢占印尼市场 印尼电商市场暗礁四伏。 siyushenqi.com 2025 年 8 月 12 日 404000 Tik Tok正在招兵买马,组建二手奢侈品电商团队 Tik Tok正在积极布局二手奢侈品电商市场 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 469000 行业动态 周鸿祎,拼命给360 AI 找出路 模型能力暂未挤进第一梯队的AI玩家,开始另辟蹊径了。 siyushenqi.com 2025 年 8 月 13 日 463000 行业动态 7月最花钱和最赚钱的海外游戏 在本期竞争激烈的榜单中,米哈游的新作《绝区零》表现出色,成功跻身于《热门海外手游预估收入榜TOP20》的第11位。 siyushenqi.com 2025 年 8 月 18 日 429000 卓杭首次内部数据分享,全球版本的《放置奇兵》如何在日本获得成功 9月1日,由量江湖携手独立出海联合体、智线科技举办的《出海正当时,2020海外发行破局新思路》线下沙龙在成都举办 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 512000 专访年度十佳制作人,月流水过亿金牌操盘手谢坦 能同时在多个领域都有出色的代表作,这家出海界的六边形战士到底是如何练成的呢? siyushenqi.com 2025 年 8 月 25 日 • 行业动态 372000 又一中国元素产品爆红海外!满满的童年回忆 中国玩具出海企业如何借助跨境电商,玩转千亿市场? siyushenqi.com 2025 年 8 月 12 日 • 行业动态 462000 行业动态 北京DACon数智大会日程已定,百度、抖音、小红书、英伟达、理想汽车、vivo等70个大模型应用案例等你来听 10月24-25日,由DataFun技术社区策划的DACon数智大会将在北京丽亭华苑酒店举办。 siyushenqi.com 2025 年 10 月 15 日 393000 行业动态 在中国陷入困境的鲜花电商,在中东冲向IPO 到底是什么造就了鲜花电商在中东市场和国内市场的现状? siyushenqi.com 2025 年 8 月 12 日 521000 行业动态 盘点从谷歌出来做AI公司的那些华人创业者! 自1998年成立以来,谷歌在人工智能领域取得了多项重大突破,包括深度学习、AlphaGo围棋程序、机器翻译等,推动了技术发展和生活方式的改变。 siyushenqi.com 2025 年 8 月 13 日 410000 行业动态 单日爆售近万件!TikTok Shop美区黑五榜单(10.30-11.6)发布 本期(2023年10月30日—11月5日)TikTok Shop 美国站“品类周榜”及“店铺周榜"销量数据分析,帮助卖家及时了解 TikTok Shop 美国小店最新市场现状,掌握选品趋势。 siyushenqi.com 2025 年 8 月 12 日 440000 私域神器周报 No.46丨Savvy豪掷49亿美元收购手游公司Scopely;意大利成首个禁止ChatGPT的西方国家 一起看看这周有哪些出海圈值得关注的大事记吧! siyushenqi.com 2025 年 8 月 15 日 • 行业动态 449000 行业动态 Instagram正在打压违反发广告帖相关规定的网红 据外媒报道,在英国竞争和市场管理局(CMA)发现许多公司和网红之间的商业安排并没有完全对外公开后,Instagram发现自己陷入了困境。 siyushenqi.com 2025 年 8 月 26 日 488000 行业动态 一周要闻 NO.85丨时隔四年黄仁勋再度“访华”;《Monopoly Go!》流水破10亿美元;AI博主月入20万 一起看看这周有哪些出海圈值得关注的大事记吧! siyushenqi.com 2025 年 8 月 14 日 411000 行业动态 一周要闻NO.191丨苹果税调整尘埃落定;EA《战地》开发团队惨遭裁员;速卖通推出海外托管卖光计划;OpenAI硬件负责人辞职 一起看看这周有哪些出海圈值得关注的大事记吧! siyushenqi.com 2026 年 3 月 18 日 281000 DTC泳装品牌Cupshe的崛起之路 随着夏季的临近,泳装品类也即将达到一年中的销售高峰。根据Google Trend的数据,与泳装相关的搜索从2月开始出现明显的增长,每年的5-7月是泳装类目的搜索高峰,因此当下是泳装品类卖家预热的好时机。 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 503000 行业动态 基于Mamba架构的,生物医学文本分析大模型 生物医学文献包含大量专业术语、缩写词和特定的语义及语法结构,这对传统模型构成了挑战,尤其是由于术语的多义性和知识更新速度。 siyushenqi.com 2025 年 8 月 13 日 355000 行业动态 消失2000多天后,曾做出现象级爆款的他们,今天杀回来了 《隐形守护者》原班团队 New One Studio 归来,首章“媚娘篇”9 月 9 日上线 Steam/WeGame,首发即与《王者荣耀》联动并冲至国区热销 Top 8。 siyushenqi.com 2025 年 9 月 12 日 551000 行业动态 误会了,“大小姐、职场”竟不能代表日本短剧市场审美?株式会社XGL:细节才是王道 2024年了,想要在日本做短剧需要新方法。 siyushenqi.com 2025 年 8 月 18 日 468000 行业动态 GPT-5要来了!OpenAI将在12月前发布下一代旗舰模型 OpenAI 计划在12月前推出下一代大模型,代号「Orion」,这可能是外界期待的 GPT-5。 siyushenqi.com 2025 年 8 月 13 日 456000 上线一年,海外月流水超千万美金,我们和这款产品的发行团队聊了聊 游族代理的《圣斗士星矢:觉醒》上线一年后,在出海的140多个国家和地区中,登顶过20多个畅销榜 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 501000 行业动态 AI 产品榜(2023年08月)5000+ AI产品排名与分析 涵盖100个AI 细分领域 siyushenqi.com 2025 年 8 月 14 日 420000 顺为资本冯铮Metaverse万字行业研究:虚拟技术赋能物理世界,数字生活值得期待 近日,顺为团队曾与大家分享 2020 年 8 月时,顺为资本副总裁冯铮内部分享的《我们距离中的「Metaverse」还有多远?》虚拟人行业报告。 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 390000 从濒临倒闭到跨境大卖!这家螺丝刀代工厂成功转型,年售7000万美金 一把螺丝刀叩开了澳洲市场的大门! siyushenqi.com 2025 年 8 月 13 日 • 行业动态 400000 腾讯光子2023首款大作,《黎明觉醒:生机》正在打造开放世界生存方式的无限可能 对玩家的吸引力究竟在哪里 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 522000 行业动态 WhatsApp精聊客户画像数据分析 用户活跃度分析 偏好内容类型 互动频率统计 客户反馈收集 市场细分策略 用户活跃度分析 通过对WhatsApp精聊客户的活跃度进行分析,我们能够识别出不同用户群体在平台上的活跃程度。这不仅可以帮助企业理解客户的参与度,还能揭示出潜在的用户流失风险。通过数据分析,我们发现,活跃度较高的用户群体往往有更高的购买潜力和忠诚度。举例来说,某电商平台通过分析其What… siyushenqi.com 2025 年 8 月 13 日 下午10:04 447000 行业动态 从超休闲转型混变,年营收突破6亿美元!Voodoo副总畅谈游戏公司经营心得 Voodoo希望通过BeReal来“加强其全球地位”。 siyushenqi.com 2025 年 8 月 18 日 436000 行业动态 Shopee 2023年大事件盘点:撤出欧洲、加码巴西、推出全托管、多次优化物流体系 本文对Shopee的2023年大事件回顾,以期梳理出平台的发展脉络,或可为2024年计划布局Shopee的跨境电商卖家提供一些思路。 siyushenqi.com 2025 年 8 月 12 日 435000 发表回复 请登录后评论...登录后才能评论 提交