资料来源：机器的心脏 深夜，Openai发布了O系列O3和O4-Mini模型的最新成就。这一系列模型经过培训，可以在响应之前思考更长的时间。 Openai说，这是他们至今已发布的最明智的模型，也标志着Chatgpt的功能巨大的增长。 新发布的理解模型可以使用并组合每个chatgpt工具，例如代理 - 包括Internet搜索，审查上传文件和其他Python数据，深入推断视觉输入，甚至开发图像。 至关重要的是，对这些模型进行了培训，以推理何时以及如何使用工具来生成正确的输出格式的详细和周到的答案，通常在不到一分钟的时间内解决了更复杂的问题。在多方面的问题中，它们被允许更有效，并朝着独立为您执行任务的更自主的chatgpt迈进。 OpenAI首席执行官Ultraman Sam说O3和O4-Mini非常强大，尤其是在多模式下的好站立，可以一起使用所有chatgpt工具。另外，O4米尼非常有效。 从现在开始，Chatgpt Plus，Pro和Team用户可以在模型选择器中看到O3，O4-Mini和O4-Mini-High，以取代O1，O3-Mini和O3-Mini-High。 CHATGPT用户和EDU用户在一周内获得访问权限。 免费用户可以通过在提交查询之前选择“思考”来测试O4-Mini。所有计划的利率限制与以前的模型组保持不变。 此外，OpenAI预计将发布O3 -Pro几周，并提供全面的工具支持。当前，用户仍然可以访问O1 -Pro。 开发人员还可以通过“聊天完成API”和“ API响应”使用O3和O4-Mini（一些开发人员需要验证其组织以访问这些模型）。 API响应支持概念的摘要，它可以围绕功能性呼吁保持倾斜度令牌，并很快支持内置工具，例如Web搜索，文件搜索和TRAN模型理解代码的Slator代码翻译器。 至于API价格，在各个方面（输入，缓存的输入和输出）中，O3低于O1，并且O4-Mini略低于O3-Mini。 新模型的优势是什么？ O3是对OpenAI的理解的最强模型，该模型促进了编程，数学，科学，视觉感知等领域的前沿发展。O3在CodeForces，Sweforces，Swe-Bench等基准上设置了新的SOTA（最佳性能），例如SWE-Bench（不需要开发特定框架的自定义模型）和MMMU。 O3是需要多面评论的复杂查询的理想选择，并且答案可能并不明显，并且在图像，图表和图形等视觉活动中尤其表现出色。在分析外部专家时，在困难的现实生活活动中，O3比O1少20％，尤其是在编程，商业/咨询和创造性概念等领域。 第一个测试人员强调了e O3作为思想伙伴的分析严谨性，并强调了产生和批判性评估新假设的能力，尤其是在生物学，数学和工程领域。 Openai O4-Mini是一种针对快速，有效推理的小型模型，其大小和成本的性能更高，尤其是在数学，编程和视觉活动中。 O4-Mini是AIME 2024和2025基准的最佳性能模型。在专家分析中，它还增加了其前身，即非茎活动和数据科学等领域的O3-Mini。由于其效率，使用O4-MINI支持的限制高于O3，这使其成为需要理解能力的问题的强大高容量，高通量解决方案。 外部专家审阅者认为，由于改善了网络资源的智能和引入，O3和O4-Mini都表现出更好的能力，而不是教学和更多实践与以前的模型相比，反应和验证的响应。 与以前的Openai先前的明显模型相比，这两个模型的经验更自然，并且基于对话，尤其是在记忆参考和历史对话的情况下，响应更具个性化和相关性。 多模式基准（包括MMMU大学级别的视觉问答，MathVista视觉数学推理和CharXiv-Reseing论文图表推理）： 编程基准（包括SWE-LAN​​CER：IC SWE DIAMOD自由职业者编程任务和SWE Bench验证的软件工程任务）： Aider Polyglot代码编辑任务： 指令合规性和代理工具使用任务（包括多琴阵多圈COMP和BrowserComp代理浏览）： tau基础函数调用： 继续扩大强化的教育，并使用Tomastering Mastering的工具 在OpenAI O3的开发过程中，Openai注意到庞大的加固研究表明了Gptang在预训练系列中观察到的趋势是相同的，也就是“更多的compute =更好的性能”。 通过拖动这种扩展的路径，这次研究加强 - 奥佩奈在理解能力时通过计算训练和认可的数量级进行了进展，但是显然看到绩效的提高，证明该模型的性能将继续提高，因为它允许更长的时间。凭借延迟和成本作为OpenAI O1，O3在Chatgpt中的表现更好 - Openai证明，如果允许该模型思考更长的时间，则其性能将继续提高。 Openai还通过研究增强措施来训练这两种模型来使用工具的能力 - 不仅教他们如何使用工具，而且还允许他们确定何时使用工具。这种自主根据目标结果分配工具的能力使它们在开放情况下，尤其是在涉及视觉推理和Multi-S的活动中TEP工作流程。正如测试人员的早期反馈所表明的那样，可以在学术基准和任务的实际执行中看到这种改进。 基于图像的思考 首先，该模型可以使用图像来思考思维链，而不仅仅是查看图像。它打开了一种新型的问题解决，视觉和文本推理最终结合在一起。如果照片上载白板，教科书图表或绘制草图，则该模型可以解释图像甚至可以模糊，颠倒或质量差。 与以前的OpenAI O1型号类似，O3和O4-Mini在响应并应用了更长的内部思维链之前，在对用户响应之前进行了更长的思考。 O3和O4-Mini通过将图像纳入其心理链中，从而进一步扩展了此功能，从而可以通过使用工具转换用户上传的图像来实现简单的图像处理方法，例如裁剪，增强和旋转。更重要的是，这些功能是本地，不必依靠单独的专用模型。 该过程为试用时间计算扩展提供了一个新的轴，该轴具有无缝的视觉混合物文本推理，这反映在其在多模式基准上的最新性能中，这标志着朝着多模式推理迈出的重要一步。 用户可以通过拍照而不必担心事物的位置来询问 - 它是文本倒置还是图片中的许多物理问题。尽管乍一看对象并不明显，但视觉推理允许以更大的方式查看模型，从而可以更清晰地观察。 示例：当被问及笔记本中写了什么时，实际上，该笔记本中的字体尚不清楚，并且字体会逆转。在推理过程中，Openai O3单独解决了这些问题。 用户输入图像 下面的示例是解决问题的过程，我们可以查看其链链的清晰过程。 用户输入IM年龄 迷宫走路的例子： 中间消除了较长的链条思维过程 使用代理商的工具 O3和O4-Mini可以完全访问ChatGpt工具，并通过API功能调用访问用户的自定义工具。对这些模型进行了培训，以推理如何解决问题，选择何时以及如何使用工具，以快速（通常在一分钟内）以正确的输出格式提出详细且周到的答案。 例如，用户可能会问：'加利福尼亚去年的能量如何比较？ '模型可以在线搜索实用程序数据，编写Python代码来产生预测，生成图表或图像，解释预测背后的主要Kassign，然后连接许多工具调用。 推理的推理使模型根据遇到的信息进行反应和组织。例如，他们可以在搜索引擎中几次查找网页，查看结果，并根据需要测试新搜索。 此灵活性APPRACH使该模型能够处理需要访问最新信息的任务，而不仅仅是模型的内置知识，扩展的推理，合成和跨模式输出生成。 例如，在视觉推理活动中，O3准确地考虑了时间表和可用计划，而O1具有准确性，导致在某些性能小时内造成错误。 例如，在科学问答工作中，O3 ISA综合，准确且聪明地回顾了最近仅电力技术可以扩大电动汽车范围，加快速度和采用驱动力的范围，这一切都得到了科学研究和行业数据的支持。 O1尽管是可信和局部定向的，但它的详细和前瞻性不足，有些小错误或过度谨慎。 促进推理很棒 O3和O4-Mini是现在发布的最聪明的型号，它们通常比以前的O1和O3分钟更好我。 例如，在2025年的AIME数学竞争中，与O1相比，O3有效性的边界得到了显着提高。同样，与O3-Mini相比，O4-MINI成本效益的边界也得到显着提高。 Openai更多的Pangkalahan预计，在大多数实际应用中，O3和O4-Mini将比O1和O3 Mini更聪明，更经济。 安全 模型功能的每个改进都意味着相应的安全性改进。对于O3和O4-Mini，OpenAI已完全重新定义了安全培训数据，并增加了诸如Biothreats（Bio-Isks），恶意软件和越狱之类的领域。 这些更新的数据使O3和O4-Mini能够在内部拒绝基准（例如教学层次结构，越狱）上开放性能。 除了在拒绝模型中表现出色外，OpenAI还开发了系统级别的缓解步骤，以标记在区域中的风险提示切割的风险。与以前关于图像生成的工作类似，基于书面人员和解释安全规范的LLM监视器中的OpenAI ISACHICE。当应用于生物学风险时，监视器在OpenAI的人造红色团队演习中成功品尝了约99％的演讲。 Openai还使用最严格的安全方法审查了这两种模型。根据更新的OpenAI紧急准备大纲，他们根据框架所涵盖的区域（生物学和化学，网络安全以及人工自我智能）涵盖的三个监测区域审查了O3和O4-Mini。 根据审查的结果，OpenAI指出，O3和O4-Mini在这三个类别中均处于此框架的“高”阈值之下。 有关O3和O4-Mini的更多信息，您可以参考OpenAI完整的模型系统卡。 地址：https：//cdn.openai.com/pdf/22221C875-02DC-4789-800B-E77758F3722C1/O3-and-o4-o4-o4-mini-smile.pdf开源法典CLI：终端边界推理 Openai还分享了一个新的实验：Codex CLI，一种可以在终端运行的轻量级编程代理。它可以直接在个人计算机上运行，​​从而最大程度地识别诸如O3和O4-Mini之类的模型的技能，并很快支持更多的API模型，例如GPT-4.1。 用户可以通过在模型上传递屏幕截图或LO-FI草图并在本地访问代码，从而从命令行获得多模式推理的优势。 Openai将Codex CLI视为一种简约的接口，将其自己的模型与用户及其计算机联系起来。 Codex CLI是完全开放的资源。 打开源地址：https：//github.com/openai/codex 效果如下： 此外，OpenAI将启动一项耗资100万美元的计划，以使用Codex CLI和OpenAI模型来支持项目。 OpenAI将以API积分的形式审查并收到每25,000美元的资金申请。 金融的官方帐户 24小时广播SCR填写最新的财务和视频信息，并扫描QR码以供更多粉丝遵循（Sinafinance）