OpenAI 于周五推出新款 AI 推理模型 o3-mini，这是其 o 系列推理模型的最新成员。
尽管 OpenAI 早在去年 12 月便预览了该模型及更强大的 o3 系统，但此次正式发布正值公司发展的关键节点。当前，OpenAI 正面临多重挑战与雄心：一方面需扭转外界关于其在 AI 竞赛中落后于 DeepSeek 等中国公司的看法（后者被指控可能窃取其知识产权）；另一方面，公司正致力于巩固与华盛顿的关系、推进宏大的数据中心项目，并为史上最大规模融资奠定基础。
在此背景下，o3-mini 被定位为一款兼具“强大”与“实惠”的新模型。OpenAI 发言人表示：“今天的发布标志着我们在实现使命过程中，向广泛普及先进人工智能迈出了重要一步。”
更高效的推理能力
与传统大语言模型不同，o3-mini 等推理模型在输出结果前会进行彻底的自我事实核查，有效规避常见错误陷阱。虽然生成答案耗时稍长，但在物理等领域可靠性更高。
核心亮点：
- STEM 专项微调：针对编程、数学和科学领域优化，能力对标 o1 系列，但速度更快、成本更低。
- 性能提升显著：外部测试显示，o3-mini 答案偏好度超 o1-mini 一半；A/B 测试表明，其在“困难现实问题”上的重大错误率低 39%，回复更清晰，生成速度快约 24%。
- 访问方式：即日起所有用户可通过 ChatGPT 使用。Plus/Team 用户每日享 150 次高速查询；Pro 用户无限访问；Enterprise/Edu 客户一周内上线。免费用户可点击聊天栏“Reason”按钮或选择“重新生成”触发。
- 开发者支持：API 已向部分开发者开放（暂不支持图像分析），提供低、中、高三种“推理力度”选项以适应不同延迟需求。
定价策略：
o3-mini 定价为每百万缓存输入令牌 $0.55，输出令牌 $4.40（1M tokens ≈ 75万词）。相比 o1-mini 便宜 63%，且与 DeepSeek R1（输入 $0.14/M，输出 $2.19/M）具备价格竞争力。
功能配置：
ChatGPT 默认采用中等推理力度以平衡速度与准确性。付费用户可选“o3-mini-high”获取更高智能（响应稍慢）。此外，模型默认结合搜索功能提供最新答案及来源链接，但目前仍处于原型阶段。
OpenAI 强调：“o1 仍是通用知识推理模型，而 o3-mini 为追求精确与速度的技术领域提供了专业替代方案，是性价比智能边界的新里程碑。”
注意事项与局限性
o3-mini 并非 OpenAI 最强模型，也未在所有基准测试中全面超越 DeepSeek R1。
基准测试对比：
- vs DeepSeek R1：在高推理努力下，o3-mini 在 AIME 2024 及 SWE-bench Verified 测试中优于 R1；但在低推理努力下的 GPQA Diamond（博士级理化生问题）测试中落后于 R1。
- vs o1 系列：低推理努力时性能相当 o1-mini；中等推理努力时在数理化编码领域达到 o1 水平且更快；高推理努力时超越 o1-mini 和 o1。但在 AIME 2024 高分段仅领先 o1 0.3 个百分点，GPQA Diamond 即使高推理也未超越 o1。
安全性：
得益于红队测试及“审慎对齐”方法，o3-mini 被认为比 GPT-4o 更安全，在挑战性安全及越狱评估中表现显著优异。