o3智商竟有157，堪比愛因斯坦？

今天，一張OpenAI模型智商圖，在全網傳遍了。

基于編程競賽Codeforces排名評分

圖中清晰可見，能夠達到o3智商水平的人類大約占比僅有0.0075%。

13333人當中，也僅有1人IQ是o3級別的。對于GPT-4o，6人當中就有1人能夠達到IQ 115的水平。

從GPT-4o、到o1系，再到o3系，模型IQ逐漸遞增，也僅用了1年時間，實現了質的飛躍。即便是最強o1 pro（IQ為139），o3完全領先近20分。

有網友表示，用不了多久，我們口袋里就會擁有一個IQ 157的智能。

還有人稱，陶哲軒智商大約在225-230之間，未來模型很快就能達到這個水平。

o3超高智商背后

o3發布之后，很多人都認為AGI實現了。

從o1到o3，OpenAI僅用了3個月；從o1 pro到o3，僅用了1個月。種種跡象表明，Scaling Law并未終結。

過去五年，OpenAI模型在ARC-AGI上的得分，也說明了一切。

OpenAI研究員Nat McAleese在o3發布當天，分享了一些關于模型的介紹。

他表示，o3代表著通過強化學習在通用領域的巨大進步。

o1是首個大規模推理模型，也僅僅是一個通過RL訓練的大模型。o3是通過在o1基礎上，進一步scaling強化學習而開發的。

我們已經看到，o3在世界上最具競爭的編程基準CodeForces中得分超2700，完全達到了國際大師的水平。

與此同時，o3在數學基準FrontierMath驚艷表現令人生畏，甚至擊穿了陶哲軒的預言。

在Keras之父Fran?ois Chollet轉寫的報告中，也解釋了o3與以往舊模型之間的區別：

o3的核心創新點在于，實現了token空間內自研語言程序搜索和執行。在測試時，它會搜索可能的CoT空間，并尋描述解決任務所需的步驟，由評估模型引導搜索過程。

而且，他表示，這種方式與AlphaZero的蒙特卡洛樹搜索并無太大差異。

本質上，o3是一種深度學習引導的程序搜索形式。

不過，即便o3進化速度如此瘋狂，OpnenAI研究員Will depue表示，這還不是AGI，我們還有很長的路要走。

o3 ARC-AGI測試被曝「作弊」？

而且就在最近，o3的ARC-AGI測試結果，在圈內引起了不小的爭議。

要知道，這個基準設立的初衷，就是專門找到那些對人類很容易，對AI來說卻很難的題目。

根據OpenAI的說法，在ARC-AGI這個基準測試中，o3在低計算模式下，在半私有評估中的得分為75.7%；在高計算模式下，得分為87.5%。

而人類在該任務上的表現通常在85%的水平，也就是說，o3在高計算模式下，已經超越了人類。

這個結果，引起了多人的質疑：OpenAI不會專門針對這個任務做過訓練吧？

要知道，在直播的第12天，奧特曼專門強調過，「并未對模型做過特殊處理」。

對此，心細的網友們紛紛展開調查。

比如這位名為Knight Lee的網友，就表示o3在ARC-AGI上的分數是經過微調的，而之前的AI分數并沒有被微調。

他表示，o3的一個主要優勢，就是接受過示例測試問題的明確訓練而已。

之所以有這樣的觀點，是他引用了ARC-AGI設計師Fran?ois Chollet的說法——

OpenAI分享說，他們測試的o3是在公共訓練集75%的數據上進行訓練的。他們尚未透露更多細節。我們尚未測試未經ARC數據訓的模型，因此尚不清楚其性能有多少歸因于ARC-AGI數據。

這個這個說法為真，那o3所取得的分數，顯然占了很大便宜。

OpenAI研究員Zach Stein-Perlman反駁說，他們沒有針對ARC對o3做過微調。

不過今天出來的o3智商157的結果，至少可以為它的性能稍稍正名了。

o4才是Orion？

而且，在o3之后，或許還會有IQ更強的模型現身。

Information獨家爆料稱，o3并不是代號為Orion的模型。相對的，Orion可能會作為o4的基礎模型。

但華爾街日報在此前的報道中表示，Orion是GPT-5……

OpenAI研究員Jason Wei稱，從o1到o3僅用了3個月的時間，這表明在新范式下，進展遠快于預訓練范式每1-2年更新一次模型的速度。

推理模型的優勢在于，利用更多計算資源思考之后，能夠彌補預訓練的放緩速度。

也正因此，o3推理代價是高昂的。ARC-AGI基準測試報告中，已經披露了o3在每個高計算任務中的成本會超過1000美金。

這也充分解釋了，OpenAI博士級AI助手能達到每月2000美元的原因。

另一位OpenAI研究員John Hallman對此表示，當Sam和我們研究人員說AGI即將到來時，我們不是為了給你畫大餅，不是為了推2000美元的訂閱，也不是為了誘騙你投資我們的下一輪融資。它真的要來了。

目前，不清楚的是，o3對普通ChatGPT用戶能帶來多大幫助。

o3可能在編程、數學、科學領域表現，對編程、數學和科學領域的人員幫助最大，包括那些研究極其困難問題（如核聚變能源）的研究人員。

而對于普通用戶而言，新模型可能有點「大材小用」。

雖然o3表現出色，其他科技巨頭也不甘示弱。

谷歌強勢推出了Gemini 2.0 Flash、視頻模型Veo 2，以及由耗資30億美金聘請AI研究員Noam Shazeer開發的推理模型。

一些對價格敏感的開發者，紛紛轉向了谷歌Flash模型。

可以看出，推理模型仍將繼續超進化迭代，2025年也將會如今年一樣令人興奮。