眼看DeepSeek風頭盡顯，被逼急的OpenAI果然緊急發布了o3-mni。不光免費用戶都能用，每百萬輸入輸出token價格更是瘋狂跳水打骨折價！ o3-mini，真的來了。剛剛，OpenAI官宣o3-mini和o3-mini-high兩大版本正式在ChatGPT上線。

誠然奧特曼所言，免費用戶直接打開’Reason’即可體驗，Plus用戶每天會有更多用量，具體來說：

– ChatGPT免費版：首次體驗推理模型

– ChatGPT Plus和團隊版：每天150次對話限制

– ChatGPT Pro：無限制訪問

– ChatGPT Enterprise和ChatGPT Edu：將在一周內可用

– API：開放3-5級開發者（初期暫不支援影像分析功能）

– 輸入1.10美元/百萬token、輸出4.40美元/百萬token

感謝DeepSeek，o3-mini的價格這次算是徹底給打下來了——比OpenAI o1-mini便宜63%，比滿血版o1便宜93%。 （但仍是GPT-4o mini的7倍左右）

訂閱用戶已經在第一時間’告別’了o1-mini，還來不及說再見

OpenAI表示，o3-mini的發布是追求高效能智慧技術道路上的另一個重要里程碑。

透過優化科學（Science）、技術（Technology）、工程（Engineering）和數學（Mathematics）領域的推理能力，同時保持較低的成本，讓高品質AI技術變得更加平易近人。

值得一提的是，在ChatGPT中，o3-mini採用的是’中等推理強度’，在速度和準確性之間取得平衡。所有付費用戶還可以在模型選擇器中選擇o3-mini-high——響應時間略長但智慧水平更高的版本。

目前，由於太過火爆，ChatGPT的專案和自訂GPTs功能都已經被擠崩了。

集成搜索，兩種版本可選

去年12月，十二天直播最後一彈，o3系列首次亮相便驚艷了所有人。相較於上一代o1模型，o3在ARC-AGI等多項基準測試中刷新SOTA。

與o1-mini一樣，o3-mini是最具性價比的推理模型，可謂是突破性能邊界的’小巨人’。

在STEM領域，尤其是科學、數學和程式設計等方面，o3-mini性能表現卓越超越o1，並繼承了上一代低成本和低延遲的優點。

對於開發者來說，o3-mini簡直就是一份’大禮包’，它首次在小型推理模型中支援：包括函數呼叫、結構化輸出和開發者訊息、串流功能。

開發者可以根據需求選擇低、中、高三種推理強度，讓o3-mini在處理複雜問題時進行’深度思考’，靈活平衡速度和準確性。

遺憾地是，o3-mini暫不支援視覺功能。

如前所述，從今天起，o3-mini將透過Chat Completions API，Assistants API和Batch API向3-5級指定開發者開放。

同時，o3-mini也整合了搜尋功能，能夠提供具有相關網路來源連結最新回應。

一起來看看這款’小而美’的o3-mini有什麼過人之處。

快速、強大、專為STEM領域推理優化

與其前身OpenAI o1類似，OpenAI o3-mini專門針對STEM推理進行了最佳化。

採用了中等推理強度的o3-mini，在數學、程式設計和科學領域的表現與o1不相上下，且反應速度更快。

報告地址：https：//cdn.openai.com/o3-mini-system-card.pdf

專家測驗評估顯示，o3-mini相比o1-mini能夠產生更準確、更清晰的答案，推理能力更強。

在測試中，o3-mini的反應結果獲得了56%的偏好度，在處理複雜現實問題時的重大錯誤率更是降低了39%。

在中等推理強度設定下，o3-mini在最具挑戰性的推理和智能評估項目（包括AIME和GPQA）中，均達到了與o1相當的水平。

數學競賽（AIME 2024）

在低推理強度下，o3-mini達到了與o1-mini相當的水平；在中等推理強度下，其表現可與o1媲美；而在高推理強度下，o3-mini的表現更是超越了o1- mini和o1。

博士級科學問題（GPQA Diamond）

研究級數學（FrontierMath）

在高推理強度模式下，o3-mini在FrontierMath中的表現優於前代產品。當配合Python工具使用時，高推理強度的o3-mini能夠一次解決超過32%的測試題目，其中包括28%以上的T3級問題。

程式設計競賽（Codeforces）

隨著推理強度的提升，OpenAI o3-mini的Elo得分不斷提高，各層級表現均優於o1-mini。在中等推理強度下，其表現已能與o1相媲美。

軟體工程（SWE-bench Verified）

o3-mini在高推理強度模式下，使用開源Agentless框架能達到39%的成功率，使用內部工具框架可達到61%的成功率。

LiveBench編碼

人類偏好評估

外部專家評測結果顯示，o3-mini較o1-mini表現出更強的推理能力，能夠產生更準確、更清晰的答案，尤其是在STEM領域中。在比較測試中，o3-mini獲得了56%的使用者偏好度，且在處理複雜現實問題時的重大錯誤率降低了39%。

在技​​術報告中，o3-mini編程性能超越了GPT-4o和o1-preview，與o1不相上下。

模型的速度與性能

o3-mini在保持與o1相當智慧水準的同時，實現了更快的運行速度和更高的運算效率。

除前文提到的STEM評估外，在中等推理強度下，o3-mini在其他數學能力和事實準確度測驗中均取得了顯著優勢。

對照測試（A/B Testing）結果顯示，o3-mini的平均反應時間為7.7秒，較o1-mini的10.16秒提升了24%。

o1-mini和o3-mini（medium）的延遲對比

安全評估

OpenAI在訓練o3-mini確保其安全反應，採用的關鍵技術之一是審慎對齊（deliberative alignment）。

這項技術使模型能夠在響應用戶提示詞前，對人工製定的安全規範進行全面推理。

與o1相似，o3-mini在高難度安全性測試和越獄評估中，明顯優於GPT-4o。

在正式部署前，研究人員採用與o1相同的準備方法，結合外部紅隊測試和安全性評估，對o3-mini的安全風險進行了全面評估。

禁止內容評估

越獄評估

OpenAI急了

去年年底放出o3和o3-mini的預覽時，CEO奧特曼就曾表示，o3-mini將會在1月發布。

隨後，奧特曼又在1月17日預告稱，o3-mini會在幾週內發布。

現在，o3-mini果然如約而至（卡在ddl最後一天），但外面的世界已經是天差地別。

面對快速崛起的DeepSeek-R1，o3-mini存在著一個關鍵問題—『不開源』。

這也意味著，它無法離線使用、無法下載程式碼，也無法以相同的程度進行自訂。對於許多應用過來說，它的吸引力相對於R1明顯大打折扣。

在上下文視窗方面，DeepSeek-R1約為128K/130K token，而o3-mini略勝一籌達到了200K token。其中，每個輸出最多100K token，跟滿血版o1相同。

在價格方面，相較於輸入/輸出token分別為0.14/0.55美元的DeepSeek-R1，o3-mini依然貴出了天際。

但作為一款美國模型，o3-mini在身分上無疑佔盡了好處：應該會是歐美許多企業的首選。

奧特曼親自率隊

這次，最強最新的o3-mini模型訓練，奧特曼本尊下場親自率隊。研究計畫主管分別為Carpus Chang和Kristen Ying。

接下來，如果說OpenAI還藏在什麼殺手鐧，那就是滿血版的o3了。根據12月時的說法，它將在’此後不久’發布。