如何理解 OpenAI o3 ？以及对其的技术分析

主要观点总结

本文主要讨论了关于OpenAI的o3模型的相关信息，包括其基本信息、能力理解、技术分析、评论与展望等方面的内容。

关键观点总结

关键观点1: o3模型的基本信息

o3是OpenAI推出的模型，是o1的继承者。命名受到一些争议，但官方承认并非因为技术原因。目前关于o3的最多可信信息是Arc Prize发布的报告。

关键观点2: 如何理解o3的能力

大模型的能力与人不同，o3可以完成一些常人难以完成的工作，但在一些简单问题上可能表现不佳。其能力在某些方面的测试上已经超出了公众的想象，但还有很多问题亟待解决。

关键观点3: 技术分析

主要对o3的推理方式进行了分析，包括推理成本的增长、从o1到o3的技术变化、多路推理方式的推测等。同时提到了合成数据和推理时计算的价值，以及推理成本的担忧和未来展望。

关键观点4: 评论与展望

包括LLM的发展路径、OpenAI内部的其他路线、大佬对LLM下一步发展的展望等方面的评论。同时提到了对推理成本的担忧和对未来的展望，包括合成数据和推理时计算的价值。

文章预览

目前o3放出的信息还不多，但还是有一些内容可以做技术分析的。以及o3的重要性值得做一个专篇讨论。 01  o3的基本信息 o3其实是o1的继承者，不叫o2是因为有一个同名的公司，所以直接跳到o3。OpenAI官方也承认自己的命名很糟糕。 （我认为）o3并不是AGI，OpenAI也没有说o3是AGI。 LLM在某些方面超过人类，但并不是所有方面都超过人类。这句话从ChatGPT 3.5到现在都成立，只是LLM可以做的更好的事情越来越多了。 目前关于o3最多可信信息的材料是Arc Prize发布的报告： https://arcprize.org/blog/oai-o3-pub-breakthrough 中文版  OpenAI o3是AGI吗 对于o3的成本有这张图： 但这个图有几个注解： o3模型是针对该测试集优化过的，也就是图里Tuned所指的 目前o3的 high-compute 模式定价还没有确定，所以图例的定价并不对，大概只是Arc基于token数量进行线性推断的。 文中提到了一个sam ………………………………