就在“双12”直播活动的最后一天，OpenAI终于放了个大招——奥特曼本人再次现身直播间，正式揭晓了o3模型。没错，直接从o1跳到了o3，中间的o2就这么被“跳过”了。这次发布的核心看点，全在性能跃升上。

先说最直观的成绩。在顶尖程序员竞赛CodeForces上，o3的分数突破了2700——人类能跨过这个门槛的，目前不到200人。这意味着o3的编程能力已经达到人类顶级选手的水准。

另一个重磅突破，来自为AGI准备的测试ARC-AGI。o1在这个测试上的得分是32%，而o3直接跃升到了75.7%和87.5%——为什么有两个分数？因为o3支持低思考程度和高思考程度两种设置，高模式下算力拉满，成绩自然更亮眼。ARC-AGI由Keras之父François Chollet发起，典型题目是图形逻辑推理，能拿这个分数，说明o3的抽象推理能力有了质的飞跃。

还有一项号称“史上最难数学测试”的EpochAI Frontier Math，里面都是最新未公开的前沿题目。此前陶哲轩的第一印象是“可能难住AI好几年”。结果o3直接从之前SOTA的2分飙升到了25分。人类专业数学家解其中一道题要花数小时到数天，而o3只需要思考几分钟。

这次直播还带来了o3-mini，支持低、中、高三种思考程度。代码能力演示中，低设置下o3-mini和o1-mini差不多，但中高设置已经超过了o1正式版。参与研究的北大校友任泓宇现场展示了o3-mini的编程能力——他用一个特殊版本的ChatGPT（称为ChatGPT α），让o3-mini写一个Python脚本：启动一个本地服务器，创建一个带大文本框的HTML页面，用户输入文本后提交，通过API调用o3-mini（medium reasoning_effort），将返回的代码保存到桌面临时文件，再在新Python终端中执行。细节包括解析API密钥文件、附加提示要求返回纯代码、适配Mac环境。o3-mini思考了38秒，代码秒出，一次运行成功。

这个演示乍看可能不太直观，但另一位没去现场的OpenAI研究员Aidan Clark看得直出汗。简单说，o3-mini用38秒给自己写了一个UI，通过API调用“自己”。后续演示中，任泓宇又要求o3-mini在这个UI里编写并执行一个脚本，评估“它自己”在低思考程度下、在GPQA数据集上的表现。脚本正确运行，返回61.62%，与正式评估基本一致。

是不是有点科幻的味道了？

可惜啊——o3和o3-mini目前都只是早期预览状态，只给看不给玩。安全研究者可以在OpenAI官网申请早期访问权限，想尝鲜的可以试试看。