这是一个重磅压轴——OpenAI在为期12天的系列活动中，于最后一天正式发布了新一代推理模型o3和o3-mini。主讲阵容同样备受关注：Sam Altman、Mark Chen、Hongyu Ren，以及特邀嘉宾ARC Prize Foundation主席Greg Kamradt。

首先，让我们聚焦几个核心亮点。

新一代推理模型：o3与o3-mini

此次一口气推出两款模型：o3主打高性能推理，o3-mini则在智能与成本之间实现了精妙平衡。目前仅开放用于公共安全测试。根据时间表，预计2025年1月底率先推出o3-mini，随后再发布o3完整版。

o3模型的性能表现：推理能力的天花板在哪？

相比前代推理模型，o3究竟提升了多少？让我们通过几个权威基准测试来看看。

在软件测试基准SWE-bench Verified中，o3的准确率达到71.7%，相比o1整整提升了20个百分点。在CodeForce编程竞赛中，其ELO分数达到2727——已经达到顶尖人类选手的水平。

AIME数学竞赛中，o3准确率高达96.7%，而o1为83.3%。在博士级科学问题基准GPQA Diamond上，o3取得了87.7%的优异成绩。

最值得关注的是ARC-AGI测试。该测试素以难以攻克著称，人类基准线为85%，而o3直接突破，达到87.5%。这意味着什么？通俗来说，在某些抽象推理任务上，o3的表现已经跨越了人类能力基准线。这在整个AI发展史上，堪称一个非常罕见的里程碑。

o3-mini：小巧身形，展现大将风范

o3-mini的设计思路相当巧妙——它支持三种推理努力级别：低、中、高。这意味着用户可以根据任务复杂度和成本预算灵活选择。在中等级别的推理时间下，其性能已经超越o1。在成本效益方面同样优势明显：以极小的成本即可实现比o1更出色的表现。

此外，o3-mini支持功能调用、结构化输出等开发者常用功能。在GPQA Diamond上，o3-mini取得了62%的分数——对于一个小型模型而言，这已经相当亮眼。

安全策略：不止于强大，更注重审慎

新模型的安全策略同样引人注目。OpenAI推出了“审慎对齐”（Prudent Alignment）技术——简单来说，就是让模型利用自身的推理能力来判断安全边界，而非依赖死板的规则或外部过滤器。

效果立竿见影：拒绝基准和过度拒绝指标均显著改善。模型能够准确判断哪些请求该拒绝、哪些可以回应，不再频繁出现“抱歉，我无法回答此问题”的情况。外部安全测试也已开放申请，截止日期为1月10日。

整体时间线一览

安全测试申请截止日期：2025年1月10日。
o3-mini预计发布时间：2025年1月底。
o3完整版：将在o3-mini之后陆续推出。