財聯(lián)社12月21日訊（編輯 瀟湘）OpenAI將其最為重要的尖端產(chǎn)品，放在了為期12天的技術(shù)分享直播活動的最后一天！

周五，OpenAI發(fā)布了下一代的推理模型o3，這是今年早些時候發(fā)布的o1推理模型的升級版本。更準確地說，o3是一個模型系列——就像o1一樣，同時有o3和o3-mini兩個版本，后者是一款更小的精簡版模型，針對特定任務進行了微調(diào)。

OpenAI聲稱，至少在某些條件下，o3模型可以接近實現(xiàn)AGI。

AGI是“通用人工智能”(artificial general intelligence)的縮寫，泛指能完成人類所能完成的任何任務的人工智能。OpenAI對此有著自己的定義：“在最具經(jīng)濟價值的工作上勝過人類的高度自主系統(tǒng)”。

實現(xiàn)AGI將是一個大膽的宣言。對于OpenAI來說，其背后也將具有現(xiàn)實意義。根據(jù)OpenAI與其親密合作伙伴和投資方微軟的協(xié)議條款，一旦OpenAI達到AGI，就沒有義務再讓微軟使用其最先進的技術(shù)(即那些符合OpenAI AGI定義的技術(shù))。

OpenAI首席執(zhí)行官山姆·奧爾特曼(Sam Altman)介紹稱，OpenAI計劃在1月底前正式推出o3 mini，之后推出完整版的o3。該公司期待更強大的大型語言模型可以超越現(xiàn)有模型，吸引新的投資和用戶。

OpenAI在一篇博客文章中表示，o1模型已經(jīng)能夠推理復雜的任務，與以前的科學、編碼和數(shù)學模型相比，它能解決更具挑戰(zhàn)性的問題。而OpenAI新推出的o3和o3 mini模型目前正在進行內(nèi)部安全測試，它們將比之前推出的o1模型更加強大。

OpenAI兩年前發(fā)布了ChatGPT，拉開了AI軍備競賽的序幕。ChatGPT是一款聊天機器人，最初由版本為GPT-3.5的大型語言模型驅(qū)動。OpenAI 隨后在2023年推出了GPT-4，并稱其更準確、更具創(chuàng)造性。最近，OpenAI又推出了其首個推理模型o1。

該公司發(fā)言人表示，OpenAI決定不將下一代新模型命名為o2，“是出于對同名英國電信運營商o2的尊重”。奧爾特曼當天在直播中也調(diào)侃稱，“按照OpenAI非常非常不擅長命名的偉大傳統(tǒng)，它將被命名為o3?！?/p>

o3有多強大？

那么，o3具體的表現(xiàn)究竟能有多強大呢？

根據(jù)OpenAI的介紹，o3模型在ARC-AGI基準上獲得了破紀錄的分數(shù)。ARC-AGI由Keras之父Fran ? ois Chollet開發(fā)，主要是通過圖形邏輯推理來測試模型的推理能力。以100%為最高分的ARC-AGI評估結(jié)果顯示，在低計算場景中，o3得分為75.7%，而在高計算測試中，它達到了87.5%。

這標志著，o3的最佳成績超過了標志著達到人類水平的門檻85%。作為對比，目前開放的o1模型的得分僅在25%到32%之間。o3的表現(xiàn)幾乎是o1的逾三倍。

在其他基準測試中，o3也明顯脫穎而出。

在衡量編程能力的Codeforces Elo評分中，o3取得了2727的Elo評分，而o1評分僅為1891。事實上，o3 mini在中等推理時間模式的表現(xiàn)也已足以超越o1。

在OpenAI于8月推出的SWE-bench Verified代碼生成評估基準中，o3的準確率為71.7%，比o1高出了22.8個百分點。

o3還在2024年美國AIME數(shù)學競賽中取得了96.7%準確率的高分，只缺了一道題，并在GPQA Diamond(一套研究生水平的生物、物理和化學試題)中取得了87.7%準確率的高分。

尤為值得一提的是，o3在EpochAI的“FrontierMath”基準測試中創(chuàng)造了新紀錄，解決了25.2%的問題——在該項測試中沒有其他模型能超過2%。

Epoch AI此前聯(lián)合六十余位全世界的數(shù)學家，其中包括教授、IMO命題人、菲爾茲獎獲得者，共同推出了全新的數(shù)學基準FrontierMath。這些數(shù)學問題從奧賽難度到當今的數(shù)學前沿，包含了目前數(shù)學研究的所有主要分支——從數(shù)論和實數(shù)分析中的計算密集型問題到代數(shù)幾何和群論中的抽象問題。

行業(yè)競爭與風險

毫無疑問，o3模型在上述測試中的表現(xiàn)，足以令人感到驚艷。無論在軟件工程、編寫代碼，還是競賽數(shù)學、掌握人類博士級別的自然科學知識能力方面，o3都明顯高出o1一籌。

OpenAI總裁Greg Brockman表示，“我們最新的推理模型o3是一個突破，在我們最困難的基準上有了階躍函數(shù)的改進。我們現(xiàn)在開始安全測試和紅隊演練?！?/p>

而邁向類人智能的大跨步突破，顯然也會引發(fā)一些人士對AI安全性的擔心。

風險可能確實存在。人工智能安全測試人員發(fā)現(xiàn)，與傳統(tǒng)的“非推理”模型相比，o1的推理能力便已使其試圖欺騙人類用戶的比例更高，而在這方面，Meta、Anthropic和谷歌的領(lǐng)先人工智能模型也是如此。

o3試圖欺騙用戶的比例可能比它的前身更高；一旦未來OpenAI的紅隊測試結(jié)果出爐，人們或許便能知道具體情況。奧爾特曼對此也表示，在OpenAI發(fā)布新的推理模型之前，他更希望有一個聯(lián)邦測試框架來指導監(jiān)控和降低這些模型的風險。

在公開發(fā)布o3模型之前，OpenAI也將開放外部研究人員測試o3模型的申請流程，申請將于1月10日截止。

近期，在OpenAI首批推理模型o1發(fā)布之后，一些該公司的主要競爭對手也已紛紛推出了推理模型。在本月早些時候，谷歌就發(fā)布了其旗艦模型Gemini的新版本，據(jù)稱其速度是上一代模型的兩倍，可以“思考、記憶、計劃，甚至代表你采取行動”。Meta首席執(zhí)行官馬克·扎克伯格最近也透露，計劃于明年推出Llama 4。

這些動向表明人工智能領(lǐng)域的競爭目前正日益激烈，各方都在努力創(chuàng)造能夠解決復雜問題的更為智能的模型。

而OpenAI周五o3模型的最新亮相，也為其為期12天的直播產(chǎn)品發(fā)布會畫上了圓滿句號。在早前的直播中，這家初創(chuàng)公司推出了更昂貴的新ChatGPT Pro訂閱選項(每月200美元)，并正式對外推出了AI視頻生成模型Sora Turbo以及其他新產(chǎn)品。ChatGPT搜索功能也全面升級，新增地圖集成、實時搜索等功能，向所有用戶開放。