OpenAI为期12天的公告系列以o3模型发布收官。目前o3尚未公开，将优先面向安全测试研究人员；同步发布的o3-mini预计1月底推出，o3正式版紧随其后。
o3模型技术细节
o3采用强化学习训练，引入“思维链”机制：生成回答前先思考，具备逻辑推理与前瞻性规划能力，并能执行多步行动以解决长周期任务。
接收提示后，o3会在回应前暂停并评估相关指令，公开推理过程，从而提供更精准的答案。
核心基准测试表现
o3性能显著优于o1，低算力配置下效能达o1三倍。在美国数学邀请赛（AIME）中，o3正确率达96.7%（o1为83.3%）。
在GPQA Diamond（物理化学）测试中得分为87.7%；EpochAI Frontier Math标准下解决率25.2%，刷新纪录（此前模型未超2%）。编程基准SWE-Bench Verified中，o3领先o1 22.8个百分点；Codeforces编码评级达2727分。
OpenAI研究高级副总裁Mark Chen透露，o3在常规测试中表现过强，迫使团队寻找更高难度基准。ARC-AGI（由ARC PRIZE开发）即为此类测试，旨在评估AI即时推理与学习能力。
通过ARC-AGI被视为迈向通用人工智能（AGI）的关键里程碑，自2019年发布以来尚无模型通过。该测试包含人类凭直觉可解的输入输出问题。o3在低算力下得分75.7%，高算力下提升至87.5%。
ARC Prize基金会主席Greg Kamradt认为此成绩媲美人类85%阈值，是重要突破。但ARC-AGI联合创始人François Chollet指出，o3在极简单任务上仍会失败，显示出与人类智能的本质差异。
o3-mini特性
o3-mini搭载自适应思考时间API（Adaptive Thinking Time API），提供低、中、高三档推理模式，允许用户调节思考时长。该模型能以较低成本实现媲美o1的推理效果。
开发者可通过OpenAI官网申请提前访问，截止日期为2025年1月10日。申请需提交研究重点、过往经验、发表论文及GitHub代码库等信息，并注明拟测模型（o3或o3-mini）及用途。