刚刚，OpenAI 最强推理模型 o3 发布！首次能用图片思考，奥特曼：天才水平 | 附实测细节

APPSO · 公众号 · app · 2025-04-17 06:27

正文

作为最新的旗舰推理模型，o3 在编程、数学、科学和视觉感知领域创下新纪录，例如 Codeforces、SWE-bench 和 MMMU 基准测试，视觉任务准确率达 87.5%，MathVista 也有 75.4%。

外部专家评估显示，o3 在编程、商业咨询和创意构思的重大错误率也比 o1 低 20%，在生物学、数学和工程领域能生成并批判性评估新颖假设，适合复杂查询。

o4-mini 「体型更小」，优化了快速、低成本推理，在 AIME 2024 和 2025 数学测试中准确率分别为 92.7% 和 93.4%，在非 STEM 和数据科学任务中优于 o3-mini，效率高，能处理更多请求，也更适合需要快速响应的场景。

向左滑动查看更多内容

性能对比显示，o3 和 o4-mini 在 AIME、Codeforces、GPQA 和 MMMU 等测试中全面超越前代，且指令遵循和响应质量也都显著提升，结合记忆功能和历史对话引用，回答更个性化、更相关。

在 OpenAI o3 的整个开发过程中，OpenAI 观察到大规模强化学习呈现出与 GPT 系列预训练中相同的「计算量越大，性能越好」的趋势。

沿着这一路径（强化学习），OpenAI 在训练计算量和推理时间方面都提升了一个数量级，但仍然看到了明显的性能提升，在跟 o1 相同的延迟和成本下，o3 的表现更强，而且给它更多时间思考，效果还能更好。

不忘画饼的 OpenAI 也表示，o3 和 o4-mini 已经展现了 o 系列推理能力与 GPT 系列自然对话和工具使用的融合趋势，而未来模型（GPT-5）预计将进一步整合这些优势，为用户提供更智能、实用的体验。

能用图片「思考」，就是偶尔会「想太多」

OpenAI o3 和 o4-mini 还是 o 系列最新的视觉推理模型。

怎么理解视觉推理模型呢？据官方介绍，模型首次将图像直接融入思维链，开启了一种融合视觉与文本推理的全新问题解决方式。

配合 Python 数据分析、网络搜索和图像生成等工具，还能应对更复杂的任务。

上传白板照片、教科书图表或手绘草图，即便图像糊了、反转或质量不佳，模型也能准确解读，并直接调用工具处理图片，裁剪、旋转、缩放等操作都不在话下。

重点是，这些功能是原生的，无需依赖单独的专用模型。

博主 @danshipper 通过一张模糊的照片找到了一个婴儿车品牌，从画面上看，整个过程也搜索了数十个网页。