刚刚，OpenAI放出最后大惊喜o3，高计算模式每任务花费数千美元

主要观点总结

文章介绍了OpenAI在为期12天的发布活动中推出的新推理系列模型o3和o3-mini。o3是o1系列模型的继任者，旨在通过更长时间的思考提高回答的准确率。o3在多个基准测试中表现出色，如ARC-AGI、SWE-bench Verified和Competition Code等。o3-mini是更经济高效的版本，专注于提升推理速度、降低推理成本的同时保持模型性能。文章还介绍了o3和o3-mini的安全测试申请流程和新安全评估方法。

关键观点总结

关键观点1: OpenAI推出新推理模型o3和o3-mini

作为o1系列模型的继任者，o3旨在提高回答准确率；o3-mini注重经济高效性，适合编程任务。

关键观点2: o3在多个基准测试中表现优异

o3在ARC-AGI、SWE-bench Verified和Competition Code等基准测试中取得重要突破，显示出强大的性能。

关键观点3: o3和o3-mini的安全测试及申请流程

OpenAI正在进行o3和o3-mini的安全测试，申请者需填写表格并提供相关信息，被选中的研究人员将获得探索模型能力并为安全评估做出贡献。

关键观点4: 新的安全评估方法：审议式对齐

OpenAI介绍了一种新的安全评估方法——审议式对齐，可以直接教授模型安全规范，并训练其在回答前进行推理和遵守安全政策。

文章预览

机器之心报道 机器之心编辑部 刚刚，OpenAI 为期 12 天的发布迎来尾声。如外界所料，新的推理系列模型 ——o3 和 o3-mini 成为这次发布的收官之作。 o3 是 o1 系列模型的继任者。这类模型的特点是让模型在回答问题之前花更多时间思考（推理），从而提高回答的准确率。不过，OpenAI 在命名上跳过了 o2。据 The Information 报道，这么做是为了避免版权问题，因为英国有家电信公司名叫 O2，可能引起混淆。Sam Altman 在今天下午的直播中证实了这一点。 事实上，从昨天开始，OpenAI 就已经开始预热这个模型。而且已经有开发者在网上找到了 OpenAI 网站上对 o3_min_safety_test 的引用。 也有人早早就想看看 o3 究竟有何真本事，能否匹敌谷歌昨天发布的 Gemini 2.0 Flash Thinking。 现在，和传言的一样，o3 和 o3-mini 来了！遗憾的是，o3 系列模型并不会直接公开发布，而是会 ………………………………