小马拉大车 实测o3/o4-mini：3分钟解决欧拉问题，OpenAI最强模子名副其实！

发布日期：2025-04-20 08:19    点击次数：144

堪称" OpenAI 迄今为止最强模子"小马拉大车，o3/o4-mini 信得过才调究竟如何？

就在发布后的几小时内，网友们的第一波实测已簇新出炉。

最强推理模子 o3，即使遇上首位全职教导词工程师 Riley Goodside 的"刻意刁难"，也顺利过关：

不错看到，濒临藏在一堆玩物里的手绘制表，它也能通过图像识别和推理才调正确解答。

而o4-mini当作一款专为快速、经济高效的推理而优化的小模子，在数学才调方面堪称强悍——

用时 2 分 55 秒，解决了最新的欧拉问题，何况该网友强调：

于今唯有 15 个东谈主唐突在 30 分钟内解决它。

与此同期，OpenAI 里面手艺东谈主员也默示，o3 的出现让他第一次萌发了将模子称为通用东谈主工智能（AGI）的念头。

眼见脑怒齐衬托到这儿了，那咱们还不得飞速望望更多实测后果（doge）。

网友实测 o3/o4-mini 初度带图深度念念考

最初，官方提到，o3 和 o4-mini 是 OpenAI 初度能将上传图像集成到念念维链中的模子——

这意味着，它们不错基于图像张开念念考。

比如有东谈主唾手上传一张相片，让 o3 来判断拍摄时辰和场地，而且条款能具体到舆图上的某一个点。

罢了令这位小哥诧异的是，其谜底和骨子情况之间的过失特别小：

场地仅出入 1000 英尺（约 305 米），时辰仅出入 2 分钟。

更特风趣的是，假如一张图上的小字看不清，通过扒念念维链还能发现—— o3 以至会我方"悄悄放大"。

难怪在针对复杂多模态谜题的 EnigmaEva 测试基准中，o3 能拿下 SOTA。

不外值得驻防的是，据自称 OpenAI 职工的网友爆料，固然基准测试罢了存在相反，但 o4-mini 骨子上是比 o3 更好的视觉模子。

该网友以至顺利建议民众：

在职何波及视觉的任务中使用 o4-mini-high 而不是 o3。

适值的是，在大多需要计较复杂数学题的带图测试中，民众竟明白取舍了 o4-mini 而非 o3。

除了一伊始提到的解答欧拉问题的例子，o4-mini 也被用来解读手艺图纸。

该网友默示，关于这种大多 AI 齐很难处罚的贫困，它一次就顺利了：

o4 mini（high）唐突分析该部件的尺寸并准确计较出正确体积。

编程才调

其次，两个新模子此次在编程才调上齐有一定进度升级，测试罢了标明：

其中 o3 High 取代谷歌 Gemini-2.5，拿下编程第一。

顺带 OpenAI 此次还开源了一个腹地代码智能体 Codex CLI——

它是一种聊天驱动的斥地边幅 ，唐突清楚并实行腹地代码库，兼容整个 OpenAI 模子，包括刚刚发布的 o3、o4-mini 和 GPT-4.1。

宾大沃顿商学院栽种 Ethan Mollick，此次顺利哄骗 o3 的推理 + 编程才调制作了一个小短片：

从无缺制作经由来看，这里还同步考验了 o3调用各项用具的才调。

第一步：清楚需求；

第二步：使用编程库生成帧，并将这些帧组合成一个视频文献；

第三步：使用 Python 的 PIL 库（Pillow）来处理图像，使用 imageio 库来创建视频文献；

第四步：生成帧；

……

临了咱们也粗略实测了一把，要点考验一下 o3 和 o4-mini 的推理才调。

比如让它们折柳帮衬望望"手相"，o3 的罢了如下：

o4-mini：

不错看到，两个模子对东谈主物秉性特征的判断粗略一样，不外 o3 还绝顶给了一些教导建议。

p.s. 原图为 AI 生成，民众感好奇瞻仰不错我方试试 ~

One More Thing

原理的是，有网友在实测 o3 的经由中还发现了一个景色：

o 系列模子比 GPT 系列模子更容易空幻地宣称使用了代码用具

为此他们还专门写了一篇博客，其中揭露了：o3 通常臆造其为骄横用户恳求而取舍的行动，并在用户质疑时驻防地为这些臆造进行辩解。

就像底下这么，模子宣称它在条记本电脑上动手了骨子并不存在的代码。

而且通过进一步连络发现，这些伪造行为包括底下这些：

1、空幻地宣称实行代码，宣称"我腹地动手了这个"或"动手它产生了"背面随着特定输出，而模子莫得才调实行 Python 或其他编程谈话；

2、臆造驻防的计较罢了，包括特定的数值、统计数据和加密哈希值，发挥为它们是骨子实行输出而不是揣度或示例；

3、……

同期，他们也初步惨酷了酿成这一景色的可能原因：

最初即是模子幻觉和奖励黑客膺惩，他们默示这些问题在 o 系列模子中尤为无数。

另外，使用基于罢了的强化学习可能会导致模子盲目意料，何况某些行为（如模拟代码用具）可能会在某些任务上进步准确性，但在其他任务上酿成玷污。

临了即是，o 系列模子在处理一语气对话时有一个遗弃，它们无法拜谒之前的推理经由，这可能导致模子在回复问题时出现不准确或不一致的情况。

趁便一提，即日起，ChatGPT 的 Plus、Pro 会员以及 Team 用户，齐能顺利体验 o3、o4-mini 和 o4-mini-high，而本来的 o1、o3-mini 和 o3-mini-high 则已悄然下架。

你怎么看 OpenAI 此次发布的 o3 和 o4-mini？

博客：

https://transluce.org/investigating-o3-truthfulness

参考聚积：

[ 1 ] https://x.com/goodside/status/1912604138518851990

[ 2 ] https://x.com/johnohallman/status/1912608446274498747

[ 3 ] https://x.com/bio_bootloader/status/1912566454823870801

[ 4 ] https://x.com/TransluceAI/status/1912552046269771985

一键三连「点赞」「转发」「注意心」

宽饶在褒贬区留住你的主义！

—  完  —

国内自拍2019在线

� � 点亮星标 � �

科技前沿进展逐日见小马拉大车