OpenAI发布o3/o4-mini："最智能"模型，图片推理、工具调用全都有

本周果然是诸神之战！

继 GPT-4.1 发布、可灵2.0 发布、Claude 上线 Research、Gemini 全面上线 Veo 2 等等之后，OpenAI 带来了 o3 满血版和 o4-mini。

先来划重点：

• 本次发布的模型，分别是 o3 和 o4-mini；
• 综合看o4-mini性价比最高，o3能力最为综合；
• 两个模型均为多模态推理模型，在代码、科学方面表现出色；

*网友实测，认为Benchmark又要更新了

多模态推理也是本次官宣的重点。我们顺手拿苹果手表对o3做了测试：

*识别略有出入，真实型号是S9。不过这几个型号确实外观无太大差别，肉眼直接分辨也有难度。

Sam Altman本人也对这次发布划了重点

ChatGPT 的 Pro、Plus、Teams 用户将从今天开始能够使用新模型，免费用户可以通过打开“深度思考”按钮来试用 o4-mini。

*ChatGPT更新的页面

"OpenAI 迄今为止最强大的模型们"

OpenAI 联创之一 Greg Brockman 主持直播，开场白简单直接，直接宣布今天的重点：“发布两款新模型，o3 和 o4-mini”。

首先被抛出的新模型描述就是，o3 和 o4-mini 是 OpenAI 目前为止最智能的模型。相比前代 o 系列模型，这两款模型在深度思考方面的能力更突出，在回答问题之前会进行更长时间的思考。

另一个特点是，o3 满血版和 o4-mini 可以使用 OpenAI 已经发布的所有工具能力，包括联网搜索、永久记忆等等。当然，它们还是多模态的，可以直接对图片进行推理。

强大的推理能力，以及广泛的工具调用能力，使得这两款模型非常适合科学研究、代码生成或数学问题解答。

分开来看，o3 定位为OpenAI当前最强大、最前沿的推理引擎。尤其是在编程、商业/咨询和创意构思等领域表现出色。

o4-mini 则更强调性价比，是一款专为快速、成本效率优化的推理模型，它的体量更小，性价比更高，在数学、编程和视觉任务方面有着不错的表现。

从科学方面的测评结果来看，o3 与 o4-mini 显著领先于前代 o 系列模型。而在 o3 与 o4-mini 之间来进行比较，得分差距并不是十分明显，多数情况下，o4-mini 会略微领先于 o3。

现场直播中也给出了一道 AIME 题目的测试结果：

对于这个数学问题，模型在给出了正确的常规解法和答案后，甚至还额外给出了一个相对更“聪明”的解法。

再来看代码能力

本次发布的两款新模型在代码能力上相较前代 o 系列模型提升明显。在 SWE-Bench Verified 评测集上，o3 与 o4-mini 分别取得了 69.1% 与 68.1% 的分数。可以提供参考的是，刚刚发布的 GPT-4.1 在这项测试上的成绩为 54.6%，而 Claude 3.7 Sonnet 一般情况下得分是 62.3%。

OpenAI 发布的模型在代码生成能力测评上，终于超越了这个领域的王者Claude。

从现场给出的代码类任务的 case 来看，模型在接到代码问题后，到最终生成并执行代码之前，拆解出了一个个核心步骤。

本次发布的 o3 和 o4-mini 也都是多模态模型。

在官方给出的4项多模态测评数据结果中，o3 又一次全部超越了 o4-mini。

值得注意的是，在指令遵循方面，前几天的 GPT-4.1 发布时，在 Scale MultiChallenge 榜单中得分仅排名第十。但本次发布的 o3 在这项测评中的成绩，直接超越了原榜单第一名的 Gemini 2.5 Pro。

不仅在效果上超越了前代的 o 系列模型，在推理成本上也有显著下降。

官方给出了新模型在 AIME 和 GPQA 两个评测集上进行的模型效果与预估推理成本之间的对比结果。

在达到相同的推理效果时，新模型所花费的预计推理成本基本均小于前代模型。模型的推理成本优化效果在 o3 与 o1 进行对比时，提升十分的明显。

OpenAI 称对于大多数现实世界的使用，o3和o4 mini也将分别比o1和o3-mini更智能、更便宜。

*各模型 API 价格对比，图源：机器之心

总之，o4-mini是性价比之选，o3是最新的任务效果天花板。o3-mini和o1，似乎都可以被替代了。

除了模型，还有 Agent

在介绍完新模型的信息后，Greg Brockman 还官宣了一个可以直接在命令行工具中运行的、具备推理能力的代码 Agent——Codex CLI。

Sam Altman对此的解读是，它可以和擅长Coding的o3和o4-mini搭配。

插播一句，今天OpenAI还被曝出，正在洽谈以30亿美元收购知名的AI辅助编程工具Windsurf。如果成真，将是OpenAI迄今为止规模最大的一笔收购。

在实际演示中，用户只上传了一张网友制作的小项目的帖子截图。

模型先是对图像中的内容进行了识别，然后就在没有任何指令的情况下，开始尝试猜测用户关于这张图片的具体需求。

仅通过自然语言描述需求后，Codex CLI 就直接生成了符合用户要求的 HTML 文件。

在直播演示中，OpenAI Agent研究团队成员，仅通过一张“图像到 ASCII 风格转换”的截图，把这个图拖进终端，Codex 就将此前截图网友的项目准确完成，成功创建了一个简单的ASCII风格图像转换工具。

在发布会的最后，Greg Brockman 还预告说，o3-pro 预计将在几周内完成发布。

在万众期待的 GPT-5 迟迟未到的情况下，这几天的接连出新，可能也是OpenAI的“缓兵之计”，希望用户对 OpenAI 保留一些信心。