o3-mini物理推理粉碎DeepSeek R1，OpenAI王者歸來(lái)！全網(wǎng)最全實(shí)測(cè)來(lái)襲

作者：新智元 2025-02-03 14:06:32

一場(chǎng)改寫(xiě)AI歷史的震撼對(duì)決正在上演！就在昨天，當(dāng)DeepSeek R1還在用「降維打擊」重構(gòu)AI格局時(shí)，OpenAI王者回歸之作o3-mini已悄然降臨，用實(shí)力證明——王者，從未離場(chǎng)！

在科技界，一天的時(shí)間足以改寫(xiě)歷史。

DeepSeek R1用「降維打擊」重構(gòu)了AI界，OpenAI不甘示弱放出了o3-mini，再次加冕為王。

o3-mini的進(jìn)步可不是一點(diǎn)半點(diǎn)，在數(shù)學(xué)代碼等基準(zhǔn)測(cè)試中，均拿下了最高的成績(jī)。

甚至，在「物理模擬」高難度挑戰(zhàn)戰(zhàn)場(chǎng)上，o3-mini直接粉碎R1，展現(xiàn)出驚人的實(shí)力。

能夠清晰地看出，o3-mini具備更強(qiáng)的物理推理能力，DeepSeek表現(xiàn)出明顯的「反重力」現(xiàn)象。

prompt：write a Python program that shows a ball bouncing inside a spinning hexagon. The ball should be affected by gravity and friction, and it must bounce off the rotating walls realistically

在另一個(gè)演示中，更加復(fù)雜，不僅要考慮小球與墻壁的碰撞，還要考慮不同小球之間的相互碰撞。

prompt：Simulate multiple small balls bouncing inside a spinning rectangle. The balls should collide with each other and the walls

從單球反彈到多球碰撞，從簡(jiǎn)單物理到復(fù)雜系統(tǒng)，OpenAI的仿佛在訴說(shuō)著「王者，從未離場(chǎng)」。

教授Derya Unutmaz對(duì)o3 mini表現(xiàn)的進(jìn)步非常激動(dòng)：

o3-mini只需一次提示就能準(zhǔn)確生成符合物理定律的代碼！與此同時(shí)，DeepSeek-R1對(duì)此卻顯得很吃力。

這場(chǎng)AI競(jìng)賽正在全速加速，后來(lái)居上者，拭目以待。目前，OpenAI明顯處于領(lǐng)先地位！」

此外，在「人類(lèi)最后一場(chǎng)考試」的純文本測(cè)試集上，新模型03-mini（medium/high）在準(zhǔn)確率上超越了DeepSeek-R1。

奧特曼甚至自信的表示：「不久，人類(lèi)就需要另一場(chǎng)考試了……」

然而，這只是OpenAI新模型的冰山一角。

奧特曼劇透o3-mini接下來(lái)還有更大的驚喜！

o3-mini還有好東西，很快就會(huì)給你，我想我們把最好的留到了最后！

編碼吊打o1，最好的編程模型

在代碼補(bǔ)全基準(zhǔn)Codeforces排名中，相對(duì)o1系列模型，o3-mini進(jìn)步明顯。

而獨(dú)立于LLM提供商的性能基準(zhǔn)和定價(jià)排行，Artificial Analysis表示：「o3-mini是從o1-mini向前邁出的一大步。」

同時(shí)，公布了o3 mini的初步結(jié)果，完整的基準(zhǔn)測(cè)試結(jié)果稍后推出：

人工分析質(zhì)量指數(shù)為89，與DeepSeek R1匹配，略低于o1
更便宜 - 每百萬(wàn)個(gè)token1.1美元/4.4美元的輸入/輸出定價(jià)，低于許多 DeepSeek R1 API（高于DeepSeek的甲方R1 API定價(jià)）
快速-與o1-mini的速度相似，為170個(gè)token/秒，盡管這意味著2000個(gè)代幣的「思考」時(shí)間仍然需要 ~12 秒

其中人工分析質(zhì)量指數(shù)（Artifical Analyssi Quality Index）包含了MMLU、GPQA Diamond、Math-500和HumanEVal等多個(gè)測(cè)試基準(zhǔn)。

相關(guān)排名如下：

AI初創(chuàng)企業(yè)CEO，Bindu Reddy，整體上o3擊敗了R1，特別是在編碼方面，讓人大吃一驚。

她認(rèn)為綜合考慮性能、速度和價(jià)格，o3-mini high是目前最好的大語(yǔ)言模型(LLM)：

在編程上，o3-mini high大幅度領(lǐng)先o1、Sonnet以及其他模型
o3-mini high比Sonnet便宜2倍，比o1便宜15倍
o3-mini high比R1快約5倍
在所有類(lèi)別中，o3-mini high僅次于01，是第2名最佳模型

具體結(jié)果如下：

對(duì)此，OpenAI研究員Clive Chan表示：「我每天都在cursor中使用o3-mini，它絕對(duì)是最好的編程模型。我基本上完全信任它的Python代碼（不再有誤解/偷懶的問(wèn)題），而且即使我當(dāng)前的項(xiàng)目涉及3種我不熟悉的編程語(yǔ)言，o3-mini也幫了大忙！」

全網(wǎng)實(shí)測(cè)

那么，o3-mini真實(shí)實(shí)力究竟如何？

如下來(lái)自全網(wǎng)實(shí)測(cè)的最全演示，即可揭曉謎底。

o3-mini徹底掌握了arXiv

OpenAI研究科學(xué)家Sebastien Bubeck表示，o3-mini是一個(gè)了不起的模型。

在理解和解析arXiv論文方面，o3-mini達(dá)到了全球獨(dú)一無(wú)二的水平，成為真正的科研伙伴！

下面是一個(gè)看似簡(jiǎn)單但會(huì)讓所有其他模型都感到困惑的問(wèn)題，而o3-mini卻能給出極其有用的答案。

它完全說(shuō)到了點(diǎn)子上：與自收縮曲線的聯(lián)系、依賴(lài)于維度的界限，甚至還引用了相關(guān)論文。

下面這個(gè)例子是Sebastien在不同主題的另一個(gè)查詢(xún)。

有趣的是，o3-mini-high給出的參考文獻(xiàn)「Bubeck and Ganguly」并不完全正確，但確實(shí)非常相關(guān)。

總的來(lái)說(shuō)，它給出的參考文獻(xiàn)都是「模糊準(zhǔn)確的」，可能會(huì)混淆作者/期刊/標(biāo)題，但令人驚訝的是這些引用仍然很有用。

他又表示，這些都是相當(dāng)冷僻的問(wèn)題，能夠回答這兩個(gè)問(wèn)題的論文少于100篇（實(shí)際上更接近約10篇）。

能有一個(gè)模型可以回答只有O（10）數(shù)量級(jí)的人類(lèi)知道答案的問(wèn)題，這確實(shí)令人驚嘆。

此外，Sebastien又演示了一個(gè)用o3-mini構(gòu)建「我的世界」的演示。

AI物理新巔峰，輕松擊敗R1

Hyperbolic聯(lián)創(chuàng)Yuchen Jin測(cè)試后驚嘆道，o3-mini可能是目前最強(qiáng)的物理推理LLM！

o3-mini竟然成功生成了四維超立方體（Tesseract）內(nèi)反彈小球的Python代碼，展現(xiàn)出驚人的物理推理和數(shù)學(xué)建模能力。

Prompt: Write a Python script of a ball bouncing inside a tesseract

再來(lái)看R1的表現(xiàn)，顯然不如o3-mini。

再來(lái)看o3-mini-high，demo中竟然翻車(chē)不如o3-mini？

Yuchen Jin多次嘗試后發(fā)現(xiàn)，o3-mini-high在這個(gè)任務(wù)上表現(xiàn)糟糕，甚至比一次性生成的o3-mini版本還差！

其中一個(gè)版本居然只生成了小球，沒(méi)有四維空間結(jié)構(gòu)……

另一個(gè)很好展現(xiàn)o3-mini理解物理世界的demo。

「被o3-mini震撼到了（不僅僅是因?yàn)樗木幊棠芰Γ驗(yàn)樗情W電般的速度。

它僅用19秒就一次性生成了這四個(gè)演示。我從未見(jiàn)過(guò)類(lèi)似的東西。一個(gè)新的AI時(shí)代已經(jīng)到來(lái)」。

沃頓商學(xué)院教授Ethan Mollick讓o3-mini-high首次挑戰(zhàn)生成動(dòng)態(tài)海洋風(fēng)暴Shader，沒(méi)想到竟然成功了！

18秒，克隆一個(gè)應(yīng)用

另一位OpenAI研究員Aidan Clark表示：「o3-mini在智能和速度的組合方面令人難以置信，我不知道該說(shuō)什么，你只能自己去試試看了。」

在下面demo中，Clark要求o3-mini用單個(gè)Python文件寫(xiě)一個(gè)Twitter克隆應(yīng)用。

整個(gè)過(guò)程只用了8秒。

一句話，生成游戲

更令人驚嘆的是，開(kāi)發(fā)者Alex Finn僅用1個(gè)提示，o3-mini便能生成完整的太空游戲。

觀看更多轉(zhuǎn)載,o3-mini物理推理粉碎DeepSeek R1，OpenAI王者歸來(lái)！全網(wǎng)最全實(shí)測(cè)來(lái)襲新智元已關(guān)注分享點(diǎn)贊在看已同步到看一看寫(xiě)下你的評(píng)論視頻詳情

用一句話制作的「貪吃蛇」游戲。

prompt：create a snake game, where snakes compete with each other

另一個(gè)動(dòng)漫小人射擊游戲。

還有網(wǎng)友通過(guò)o3-mini-high制作的太陽(yáng)系3D模擬。

網(wǎng)友a(bǔ)di讓o1和o3-mini分別建造一個(gè)巨大的、令人驚嘆的、史詩(shī)般的漂浮城市。

prompt：build me a massive amazing epic a floating city

OpenAI王者重歸

OpenAI的策略，已經(jīng)重新獲得了用戶的「芳心」。

開(kāi)發(fā)者M(jìn)ckay Wrigley已經(jīng)用o3-mini模型代替AI智能體和工作流中的o1模型。一切都正常工作，甚至有一些表現(xiàn)的更好，但是便宜了9倍，速度快了4倍。

他認(rèn)為：「OpenAI對(duì)新模型的宣傳明顯不足——這絕對(duì)令人難以置信。o3& o3 Pro會(huì)很瘋狂。」

03-mini和o1系列定價(jià)比較

根據(jù)Information報(bào)道，OpenAI2024年快速增長(zhǎng)：

2024年，ChatGPT付費(fèi)訂閱用戶已達(dá)1550萬(wàn)。
企業(yè)的模型采用率增長(zhǎng)了7倍。
新推出的200美元/月Pro訂閱計(jì)劃，年收入已達(dá)3億美元。

網(wǎng)友Prakash，則在X上列出了OpenAI的各部分收入：

ChatGPT Plus
月經(jīng)常性收入（MRR）：3.33億美元
訂閱價(jià)格：20美元/月
月活用戶（MAU）：1665萬(wàn)
ChatGPT Pro
月經(jīng)常性收入（MRR）：2500萬(wàn)美元
訂閱價(jià)格：200美元/月
月活用戶（MAU）：12.5萬(wàn)
ChatGPT總收入
月經(jīng)常性收入（MRR）：3.58億美元
年經(jīng)常性收入（ARR）：43億美元
API收入
每分鐘處理Token數(shù)量：14億
每年處理Token數(shù)量：735萬(wàn)億
每百萬(wàn)Token價(jià)格（以o3 mini輸入價(jià)格計(jì)算）：1.1美元
年經(jīng)常性收入（ARR）：8.09億美元
總收入
年經(jīng)常性收入（ARR）：51億美元