网易首页 > 网易号 > 正文 申请入驻

选AI比选对象还难!起名黑洞OpenAI的新模型,到底怎么选?

0
分享至

新智元报道

编辑:犀牛 好困

【新智元导读】一句话看懂:o3以深度推理与工具调用能力领跑复杂任务,GPT-4.1超长上下文与精准指令执行适合API开发,而o4-mini则堪称日常任务的「性价比之王」。

如果你最近关注AI新闻,可能会被各种层出不穷的新模型搞的眼花缭乱。

尤其是堪称「起名黑洞」的OpenAI,命起名来可谓是是毫无章法。

即便是AI圈的资深团队,在面对同时发布的o3、o4-mini、GPT-4.1、GPT-4.1 mini和GPT-4.1 nano时,也是蒙圈的。

为了解决这个困扰,来自Every和DataCamp的团队在经过反复测试、来回切换模型,折腾了很多提示词后,得出了以下结论:

  • o3:OpenAI最新的旗舰模型,也是最会「深度思考」的选手——专为自主复杂推理与工具调用设计。

  • o4‑mini:效率发动机——速度快、价格低,对数学、视觉推理和成本敏感型开发任务表现惊人。它不是明星旗舰,也不是基准霸主,但凭借效率优势,完全可以承担一般的任务。

  • GPT‑4.1:API专用的主力干将——指令遵循严谨,长上下文记忆出众。

接下来,看看这三款模型的新特性、各自擅长什么,以及在Every团队的工作流中,它们实际表现如何。

o3

OpenAI最强推理模型

o3是OpenAI最新的前沿模型,旨在提升其在编码、数学、科学与视觉感知等复杂任务上的推理能力。

它也是首个具备自主工具调用能力的推理模型,可使用搜索、Python、图像生成以及图像解读等工具来完成任务。

凭借这一能力,就让它在针对现实世界问题求解的高级基准测试中表现出色,而此前的模型往往难以胜任。

OpenAI 特别强调了o3相较于o1的显著提升,并将其定位为迄今为止功能最强、适用面最广的模型。

o3不只是像GPT‑4o那样会用工具、能看图——它还能把这些工具和图像融入自己的推理过程。

o3的优势

• 工具调用

o3既懂得如何使用单个工具,也知道如何把多种工具串联起来,并在关键时刻切换方案。

假设你上传一张月度销售图表,它可能先用OCR提取数据,再写Python代码计算同比增长,随后检索行业基准为结果提供背景——一气呵成。

在单条回复中,它最多可调用600次工具,边执行边自我优化;一旦出现问题,也能迅速调整方向。就像一位自驱的分析师,随身携带瑞士军刀,而且知道什么时候该用哪一把刀。

• 视觉推理

o3会带着真实语境去深度解析图像。其他模型也许只会说「这是一幅描绘女性的画」,而o3会放大画角,读出画家签名,查出画作悬挂的博物馆,并为你讲述其所属艺术流派的历史。

o3的技术创新

性能大幅跃升绝非偶然。OpenAI团队通过多项突破,才拿出了如此漂亮的成绩单:

• 扩展强化学习

OpenAI发现,只要在强化学习阶段提升算力投入,模型效果就能显著提升,这与GPT系列在监督预训练里的「越算越强」规律如出一辙。不同的是,此时的o3并非优化「下一词预测」,而是通过最大化强化学习奖励来学习,且常在工具增强环境中训练。

实质上,OpenAI把强化学习当成了「放大版预训练」:训练更久、用更多算力,结果也更好。由此解锁了长期规划与序列推理等能力,例如竞技编程、多步数学证明。再配合工具调用,性能增益更加明显。

• 动态视觉推理

o3在视觉推理上同样大幅跃进。它不仅能理解图片,还把图像直接纳入推理循环——解释、操作、反复查看都不在话下。因而在科学图表、数学示意图,甚至通过照片排定日程等任务上表现突出。

核心做法是:在整个推理过程中始终保留原图。

与传统「生成文本描述后就丢图」的做法不同,o3可借助工具随时放大、旋转、重看图像任意区域,使推理更灵活,也能处理更凌乱的视觉输入,如模糊白板、手绘草图或会议日程照片。

举个例子,OpenAI让o3读取一张低清晰度的演出排期照片,并规划一份在每场活动之间留出10分钟休息的行程——既要解析视觉布局,又得实时应用约束条件。

比如,给o1看一幅粗糙草图,问「这将绘制哪种分形?」——o1答错了;而o3直接命中了「龙形曲线」。

虽然只是小测试,但结果令人惊喜,因为我们并未提供太多线索。

• 更优成本效率

更令人意外的是,o3 的性价比也更高:在相同推理成本下,它交出了更好的成绩。这或许得益于架构级优化,提高了 Token 吞吐量并降低了延迟。

自 Deepseek‑R1以ChatGPT仅几分之一的成本取得高性能以来,成本一直是热门话题,而 o3 的表现显然再次推高了业界预期。

o4‑mini

小巧、敏锐,却实力惊人

o4‑mini是OpenAI o系列推理模型的最新成员。

它针对速度、低成本以及工具增强推理能力进行了优化,提供200 000 Token的上下文窗口,并可输出最多100000个Token,性能与o3、o1相当。

在工具层面,o4‑mini兼容Python执行、网页浏览和图像输入,可接入OpenAI的标准接口(包括 Chat Completions 和 Responses)。支持流式输出、函数调用及结构化输出,但暂不支持微调和嵌入(Embeddings)。

o4‑mini兼顾「量」和「质」:面向普通用户的每日消息上限达150条,而o3的上限是每周50条;在数学、编程和高视觉负载任务上,它以更快速度、极低成本,达到接近o3的性能。

虽然o3仍然是OpenAI最强的推理模型,但o4‑mini可以使用十分之一不到的费用获得o3大部分的性能。

o4‑mini的优势

• 体积虽小,威力十足

要分析海量数据,或汇总凌乱的研究表格?o4‑mini轻松应对——筛选洞见、编写结构化查询语言(SQL)、检索数据,并将结果绘制成可交互图表。

o3也许要十几步推理、付出不菲的token成本,而o4‑mini直截了当,给你既简洁又合理的答案。

• 工具齐全,算力更省

o4‑mini提供与o3同级别的完整工具箱,包括Python、网页浏览、图像分析与生成等。

生成分析报告时,它可以一次完成:拉取CSV,用Python清洗并制图,上网查找行业宏观数据进行对比,最后输出Markdown报告;整个过程无需承担o3的计算开销。

o4‑mini与o4‑mini‑high

打开ChatGPT应用,你会发现有o4‑mini和o4‑mini‑high两种选择。

顾名思义,o4‑mini‑high就是通过更多推理算力的投入,来换取更佳表现。

这意味着o4‑mini‑high相比于o4‑mini:

  • 会在内部花费更多时间处理每个提示词;

  • 通常能生成更高质量的输出,尤其是多步任务;

  • 但响应速度更慢,且可能消耗更多Token。

如果你更看重速度,o4‑mini或许更合适。若任务需要复杂推理(尤其涉及代码或视觉输入)、更长上下文,或对精度要求极高,那么o4‑mini‑high更有可能给出更好的结果。

实测表现

接下来,对o4‑mini分别在数学和编码场景下进行测试。

• 数学

首先,给它一道看似简单、却常常难住语言模型的计算题。

目的不是测它的基础算术,而是想看看它会如何解题:一步步推理,还是调用像计算器这样的工具。

第一次回答错了。于是,直接提醒它要使用计算器。

第二次虽然算对了,但仍有两个问题:

  • 它把答案称为「约等于」,可这道减法题根本不用任何估算。

  • 从推理过程能看出它并未真正调用计算器,尽管输出里写着「计算器显示」,这与实际计算方式不符。更离谱的是,它还去搜了网页,而这种基础题完全无需联网查询。

随后又给了它一道更有挑战性的数学题,这回表现就稳多了。

模型反应迅速,用一小段Python脚本就解出了答案,而且还能在思维链里直接看到代码。能把代码公开为推理过程的一部分,确实相当实用。

• 生成p5.js游戏

在这个测试中,选用算力更高的o4‑mini‑high。

提示词:给我做一款引人入胜的无尽跑酷游戏。关键操作说明显示在屏幕上。p5.js场景,不要HTML。我喜欢像素风恐龙和有趣的背景。

第一次生成的结果:

有些地方我想调整,于是再次进行提示:

  • 画一只更像样的恐龙——那东西一点也不像恐龙。

  • 让玩家按下任意键再开始游戏——不要一启动就自动开始;同时确保所有操作说明仍然显示在屏幕上。

  • 游戏结束后,让玩家可以重新尝试。

第二次生成的结果:

这次好多了,但这只「恐龙」看起来还是像一台老式电影摄像机。

GPT‑4.1

为精准而生,不为「氛围」服务

目前GPT‑4.1只通过API向开发者开放,目标是以毫不妥协的精准度执行细致入微的指令。

它没有4.5等前辈那种「梦幻」气质,却更加结构化、可靠且一致。可以把它当作OpenAI面向特定开发任务的高负荷「劳模」,而非发散创意的灵感源泉。

GPT‑4.1的优势

• 遵循复杂指令

GPT‑4.1处理任务就像经验老到的领航员。

比如你正在写一个食谱生成器,并且把所有的要求都写在了一个提示词里——以Markdown输出、避开特定话题、按指定顺序列出烹饪步骤,并附上钠含量等关键指标。

旧版模型可能会漏掉步骤或乱了顺序,而4.1会严格遵照你的路线,哪怕十分漫长、全是弯弯绕绕。

这带来了两大好处:写提示词的时间更短,处理模型输出的时间也更短。

• 记忆力惊人

上下文窗口从128000个token扩大到1000000个token,比GPT‑4o足足多出了8倍。

你只需一次性设定语气或结构,它便能在多轮对话中持续遵循,无需每次从头设置。

这让很多实际场景变得可行:一次性处理完整日志、为代码仓库建索引、顺畅运行多文档法律流程,或分析长篇内容,全程无需分块或摘要。

• 结构化输出

GPT‑4.1就像自驾游里那个「只要路线明确就特别好相处」的朋友。给它清晰的行程表,它就执行得又准又快。

可如果抛给它「氛围」式的提示词,比如「能不能让这个食谱App像走进一家温馨的地下酒吧?」,它可能立刻就想回家。

GPT‑4.1、GPT-4.1 mini和GPT-4.1 nano

如果你想在编码、指令遵循以及长上下文任务上获得最优综合表现,就选GPT‑4.1。它能胜任复杂的编码工作流,也能在单条提示词中处理大体量文档。

GPT‑4.1 mini属于中端选项,延迟和成本更低,却几乎具备与完整版相同的能力。在多项基准(包括指令遵循和图像推理)中,它能追平甚至超越GPT‑4o。

GPT‑4.1 nano是系列中体积最小、速度最快、成本最低的模型(0.1美元/百万Token),面向自动补全、分类,以及从长文档中抽取信息等任务。虽然它的推理和规划能力不如更大的模型,但对于某些任务来说,这已经足够用了。

与完整版的GPT‑4.1一样,mini和nano都支持100万Token的上下文窗口。

对比竞品的表现


• GPT-4.1 vs Claude 3.7 Sonnet

根据测试,在代码的优雅度和结构性方面,Claude 3.7 Sonnet仍是首选,尤其体现在整体风格一致性和用户界面表现上。

不过,只要提示词范围清晰且具体,4.1在执行指令能力上已大幅拉近差距。

• o4‑mini vs GPT‑3.5

就目前观察,o4‑mini正逐渐成为开发者在有限预算下追求速度、可靠性与视觉处理能力时的「平价首选」。而2022年11月发布的GPT‑3.5,如今已经显得有些「过气」了。

参考资料:

https://every.to/context-window/vibe-check-openai-s-o3-gpt-4-1-and-o4-mini

https://www.datacamp.com/blog/o4-mini

https://www.datacamp.com/blog/o3-openai

https://www.datacamp.com/blog/gpt-4-1

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
专机还没到中国,日媒爆出猛料!要不要对华开战,日本早做出决定

专机还没到中国,日媒爆出猛料!要不要对华开战,日本早做出决定

荷兰豆爱健康
2026-11-13 14:00:19
永远不要在任何人面前,包括亲戚和朋友,随意表现出这3种态度

永远不要在任何人面前,包括亲戚和朋友,随意表现出这3种态度

风起见你
2026-11-01 02:19:44
刻赤大桥遭受致命一击!普京的克里米亚生命线悬了

刻赤大桥遭受致命一击!普京的克里米亚生命线悬了

今观天下
2026-11-18 07:24:46
《谷雨》大结局,严平安是卧底,薛凝是曹亦新布下的棋子,即将收尾两个悬念马上揭晓

《谷雨》大结局,严平安是卧底,薛凝是曹亦新布下的棋子,即将收尾两个悬念马上揭晓

小椰的奶奶
2026-11-18 04:39:47
工人安全绳被割断后续!警方介入,肇事者曝光,原因让人大跌眼镜

工人安全绳被割断后续!警方介入,肇事者曝光,原因让人大跌眼镜

小鋭有话说
2026-11-17 19:08:27
年轻人旅游睡车里省下的住宿费,变成了另一种账单

年轻人旅游睡车里省下的住宿费,变成了另一种账单

华庭讲美食
2026-11-18 08:10:54
刘建宏:邵佳一应该向安东尼奥学习!认清现实吧,国足是亚洲2.5流

刘建宏:邵佳一应该向安东尼奥学习!认清现实吧,国足是亚洲2.5流

念洲
2026-11-18 07:02:38
杨利伟退休待遇揭秘:没有巨额奖金,只有 “终身金钟罩”。

杨利伟退休待遇揭秘:没有巨额奖金,只有 “终身金钟罩”。

莫地方
2026-10-29 12:43:42
人民币升值逼近6.64,美元GDP大增,和美国的差距还有多大?

人民币升值逼近6.64,美元GDP大增,和美国的差距还有多大?

壹号股权
2026-11-17 18:13:43
关税反击:特朗普已被逼到了悬崖边上,因为中国击中了他这个要害

关税反击:特朗普已被逼到了悬崖边上,因为中国击中了他这个要害

诡谲怪谈
2025-04-18 11:36:10
它是四川“砸锅卖铁”也要建的高铁,国铁拗不过,还给予巨资支持

它是四川“砸锅卖铁”也要建的高铁,国铁拗不过,还给予巨资支持

芳芳历史烩
2026-11-18 09:54:19
父母真看不出孩子被夺舍?网友:不是看不出,是不愿揭穿

父母真看不出孩子被夺舍?网友:不是看不出,是不愿揭穿

夜深爱杂谈
2026-11-17 20:32:15
爸妈给我陪嫁300平别墅,老公选择入赘,直到我听见他和婆婆的话

爸妈给我陪嫁300平别墅,老公选择入赘,直到我听见他和婆婆的话

人间百态大全
2026-11-18 06:35:03
他就是马斯克的父亲,与继女生下两个孩子,80岁现身上海悠闲搓麻

他就是马斯克的父亲,与继女生下两个孩子,80岁现身上海悠闲搓麻

落雪听梅a
2026-11-17 00:26:43
一文读懂美俄元首访华差距:专机是面子,运输机搞后勤才是里子

一文读懂美俄元首访华差距:专机是面子,运输机搞后勤才是里子

装甲铲史官
2026-11-17 10:24:38
菲律宾60万吨香蕉想卖中国,没想到却被对家抢先,这盘棋输得不冤

菲律宾60万吨香蕉想卖中国,没想到却被对家抢先,这盘棋输得不冤

悦君兮君不知
2026-11-17 21:00:10
高中毕业办散伙饭,班长唯独没通知我,我连夜把志愿给改了,几年后街头偶遇,他红着眼眶拽住我问这些年去哪了

高中毕业办散伙饭,班长唯独没通知我,我连夜把志愿给改了,几年后街头偶遇,他红着眼眶拽住我问这些年去哪了

晓艾故事汇
2026-11-17 09:04:01
美股收盘:标普、纳指四连跌 芯片股反弹费半指数尾盘转涨

美股收盘:标普、纳指四连跌 芯片股反弹费半指数尾盘转涨

财联社
2026-11-18 07:07:06
除了性生活就是打麻将,揭露中国2000多个县城,普通人的生活实录

除了性生活就是打麻将,揭露中国2000多个县城,普通人的生活实录

墨策讲历史
2026-11-12 12:47:12
就喝一周,肺部老痰全通了!千年老痰全排空,嗓子透亮舒坦

就喝一周,肺部老痰全通了!千年老痰全排空,嗓子透亮舒坦

普陀动物世界
2026-11-17 03:52:40
2026-11-18 10:40:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16707文章数 67239关注度
往期回顾 全部

科技要闻

OPPO Reno17:手机背后竟然藏了只“喵”?

头条要闻

7岁男童做扁桃体手术后四肢瘫痪 手术录像无法读取

头条要闻

7岁男童做扁桃体手术后四肢瘫痪 手术录像无法读取

体育要闻

东契奇心仪之人 三年后拿着底薪站到他身旁

娱乐要闻

认亲被嘲讽后郭德纲委托律师发声明

财经要闻

回归英伟达,黄仁勋要先“干掉董事会”

汽车要闻

奕境X9纯电版信息曝光 将于11月27日广州车展上市

态度原创

本地
教育
家居
房产
公开课

本地新闻

乌兰察布:以前种土豆,现在种Token

教育要闻

从户籍到初中:远郊家长核对学位最容易踩的3个坑

家居要闻

2026建博会(广州) 公装联探展交流活动

房产要闻

雅居乐海南,又要卖地了!

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版