OpenAI憋了很久的“杀手锏”——o3模型，终于正式亮相了。从官方放出的预告和早期测试来看，这次升级的幅度不小，尤其是在推理能力和多模态理解上，确实带来了不少让人眼前一亮的东西。
有意思的是，有医学专家专门拿临床问题去“拷问”o3，结果o3给出的回答，水平直逼顶级专科医生。这说明什么？说明模型在专业领域的知识深度和推理精度上，又往前迈了一大步。
如何验证？不妨来个直观测试。比如让o3和o4-mini分别去解读“洛就完了”这个表情包：
o3给出的解读：
o4-mini的解读：
两个模型给出的答案各有侧重，你更倾向于哪一个？
强化学习的Scaling Law
这次o3最值得关注的地方，倒还不是具体分数，而是它背后那条“强化学习的Scaling Law”。
开发过程中，研究人员发现了一个有意思的趋势：大规模强化学习，正在复现预训练阶段那个“更大计算量=更好性能”的规律。简单来说，在强化学习这个维度上，计算量堆得越多，模型性能也跟着水涨船高。
与此同时，OpenAI也开始在性价比上花心思了。自从DeepSeek成为搅动格局的鲶鱼之后，市场上的声音都在倒逼各家优化成本。o3和o4-mini就证明了这一点：在AIME 2025的测试里，o4-mini对比o3-mini，o3对比o1，在相同的推理成本下，都能拿到更高的分数。
至于API定价，这里拉上前一天刚亮相的GPT-4.1一起做个对比，具体价格一目了然：
One More Thing
消息还不止这些。OpenAI再次向社区开源，这次带来的是一个本地运行的代码智能体——Codex CLI。它的核心能力，是将自然语言指令直接转化为可运行的代码，而且兼容所有OpenAI模型，包括刚发布的o3、o4-mini和GPT-4.1。
这个工具显然是给那些习惯终端操作的开发者准备的。它提供了ChatGPT级别的推理能力，同时又支持实际运行代码、操作文件和迭代开发——一种聊天驱动的开发方式，能够直接理解并执行本地代码库。
