OpenAI迄今最智能的推理模型發布。

今日，OpenAI發布了最新兩款o系列推理模型，分別是o3和o4-mini，這也是o系列中首次可以使用圖像進行思維鏈推理、實現“看圖思考”的模型。其中，o3是其最強大的推理旗艦模型，在編程、數學、科學、視覺感知等多個維度的基準測試中都處于領先位置；o4-mini是一個針對快速高效、成本效益推理進行優化的較小模型，更具性價比。

在兩款o系列推理模型發布后，OpenAI首席執行官薩姆·奧特曼轉發一名體驗者的推文，并表示新模型“達到或接近天才水平”。此外，奧特曼還表示，預計會在未來幾周內將o3升級到專業版o3-pro。

視覺推理能力“首秀”，具備自主執行任務能力

據OpenAI介紹，最新發布的o3和o4-mini經過訓練后，可以在做出反應前進行更長時間的思考。這是公司迄今為止發布的最智能的模型，代表著ChatGPT能力的一次重大飛躍。

記者注意到，在半小時的線上發布會直播中，此前曾長期休假的OpenAI總裁GregBrockman（格雷格·布洛克曼）也作為發布者，向觀眾介紹和演示o3和o4-mini。

根據介紹及演示，o3和o4-mini主要有以下亮點：

一是性能更強大。作為OpenAI迄今最強大的推理模型，o3和o4-mini在編程、數學、科學、視覺理解等多個領域均取得了突破性進展。在STEM問答（MMMU、MathVista）、圖表閱讀和推理（CharXiv）、感知原語（VLMsareBlind）和視覺搜索（V*）方面均達到了新的最先進性能。

此外，在外部專家的評估中，o3在困難的現實任務中比OpenAIo1犯的重大錯誤少20%，尤其是在編程、商業/咨詢和創意構思等領域表現出色。o4-mini作為一款體型更小的模型，則以其尺寸和成本實現了卓越的性能，是AIME2024和2025基準測試中表現最佳的模型。而且o4-mini支持比o3高得多的使用限制，具備高容量、高吞吐量的優勢。

二是具備圖像思考和推理能力，可實現“看圖思考”。與前代模型相比，o3和o4-mini模型可以直接將圖像整合到思維鏈中，用圖像來進行思考，并在多模態基準測試中展現出頂尖性能。

OpenAI稱，人們可以上傳白板照片、教科書圖表或手繪草圖，即使圖像模糊、反轉或質量低下，模型也能對其進行解讀。借助工具，模型可以動態操作圖像，在推理過程中進行旋轉、縮放或變換。

比如，當用戶將一張寫有較難看清文字的筆記本圖片輸入到對話框中，并提問“筆記本上寫了什么”時，o3會分析圖片，并依次推理出其中的文字內容。當用戶向其輸入一張手繪題目的圖片時，o3也會對圖片進行仔細識別，并給出完整的解題思維鏈。

三是可調動ChatGPT中的工具，自主執行任務。據介紹，o3和o4-mini可以完全訪問ChatGPT中的工具，以及通過API中的函數調用訪問用戶自己的自定義工具。例如，用戶可能會問：“加州夏季的能源使用量與去年相比如何？”該模型可以搜索網絡公共事業數據，編寫Python代碼進行預測，生成圖表或圖像，并解釋預測背后的關鍵因素，并將多個工具調用串聯起來。推理功能使模型能夠根據遇到的信息做出反應和調整。

新模型“小步快跑”，GPT-5依然不見蹤影

最近一段時間以來，OpenAI在新模型、新功能的發布上保持著密集的節奏，以層出不窮的新模型展現技術的最新實力。

值得注意的是，在推出o3系列最新模型的前一天，OpenAI還推出三款GPT-4.1系列模型，包含標準版GPT-4.1、輕量款GPT-4.1mini，以及超小型版本GPT-4.1nano。事實上，此前GPT系列模型已進化至4.5版本，而此次的“倒退”則是OpenAI在面對全球大模型廠商激烈的價格競爭而采取的策略，以更具性價比的4.1版本吸引更多用戶。

據介紹，GPT-4.1最大優勢在于多模態處理、代碼能力、指令遵循和成本方面實現顯著提升。價格方面，GPT-4.1比GPT-4o價格降低26%，GPT-4.1Nano作為最小、最快的模型，價格也最便宜，每百萬token的成本僅為12美分。

相比于這些新模型，公眾一直更為期待的是GPT-5，但GPT-5的發布時間卻一直在延遲。去年年底，華爾街日報報道稱，GPT-5正面臨重重困難，該項目已開發超過18個月，成本花費巨大，卻仍未取得預期成果。

奧特曼此前也曾經表示，由于計算能力的限制，公司無法按預期頻率推出GPT-5。今年4月初，奧特曼在社交媒體上發文稱，GPT-5的發布比預期要晚，因為“順利整合所有內容比我們預想的要困難得多。”他表示，將在未來幾周內發布o3和o4-mini，未來幾個月將發布GPT-5，并強調GPT-5發布后會非常受歡迎，可能會有大量的用戶使用，所以需要提前做好準備。

與備受關注的GPT-5一樣，目前大家也對DeepSeek的下一代推理模型R2充滿期待。市場預期R2將于今年5月推出。前不久，DeepSeek與清華大學研究團隊聯合發布題為《獎勵模型的推理時Scaling方法及其在大規模語言模型中的應用》的重磅論文，提出自我原則點評調優（SPCT）與元獎勵模型（MetaRewardModel）兩項核心技術，為提升大語言模型的推理能力提供了全新方法論，被視為下一代推理模型R2的重要技術鋪墊。

校對：祝甜婷