僅隔一天，OpenAI再次突然放大招：

一口氣，o3和o4 mini同步上線。

圖片

依然是最熱門推理模型，并且這一次，它們終于能夠調用ChatGPT里的各種工具了，包括網絡搜索、Python、圖像分析、文件解釋和圖像生成。

也就是說，你現在可以也用o3來生成吉卜力風格的奧特曼抱子圖了（doge）。

圖片

還不只是能看懂、生成圖像，官方提到，o3和o4-mini是OpenAI首次能將上傳圖像集成到思維鏈中的模型——

這意味著，它們可以基于圖像展開思考，be like：

OpenAI表示，o3是他們目前最強大的推理模型，在編程、數學、科學、視覺感知等多個維度的基準測試中都刷新了SOTA，在分析圖像、圖表和圖形等視覺任務中表現尤為出色。

圖片

在外部專家評估中，o3在困難現實任務中，能比o1少犯20%的重大錯誤。

而o4-mini則是一款專為快速、經濟高效的推理而優化的小模型。

在專家評估中，o4-mini在非STEM任務以及數據科學領域都超過了前代的o3-mini。

在AIME 2024和AIME 2025中，甚至有超過o3的表現。

圖片

即日起，ChatGPT的Plus、Pro會員以及Team用戶，都能直接體驗o3、o4-mini和o4-mini-high，而原本的o1、o3-mini和o3-mini-high則已悄然下架。

圖片

實測o3/o4-mini

所以，在基準測試上表現如此強勢的o3和o4-mini，具體能帶來哪些體驗上的改變？

Talk is cheap，來看實測案例。

在OpenAI的官方直播中，研究員們展示了這樣一個用法：

讓o3直接讀一份未完成的學術海報，讓它根據其中的研究線索，幫忙估算質子的同位旋矢量標量電荷，并搜索相關最新研究成果，對比新成果跟估算值的不同。

圖片

思考了不到3分鐘，o3完全沒有被難住，吐出了這樣的結果：

圖片

網友們也第一時間給o3和o4-mini上了小球測試：

圖片

△圖源：x@flavioAd

還有醫學教授在搶先體驗后表示：完全停不下來。

我覺得o3的智能程度已經達到或接近天才水平了！

圖片

這位醫學專家表示，他在向o3提出一些頗具挑戰的臨床或醫學問題時，o3能給出像直接來自頂級專科醫生的回答。

我們也簡單測試了一下，比如讓o3和o4-mini分別解讀一下“洛就完了”表情包。

圖片

o3：

圖片

o4-mini：

圖片

你pick哪個答案？

強化學習的Scaling Law

值得注意的是，在OpenAI o3的開發過程中，研究人員觀察到：

大規模強化學習呈現出與預訓練一樣的“更大計算量=更好性能”的趨勢。

而o3正是通過在強化學習中踐行Scaling Law，得到了明顯的性能提升。

OpenAI表示：

這證明了模型性能會隨著思考時間的增加而持續提升。

在延遲和成本與OpenAI o1相同的條件下，o3實現了更強的性能——而且我們已經驗證，如果讓它思考更長時間，它的性能還會持續提升。

不過自打DeepSeek成了攪動大模型格局的鯰魚，OpenAI也是越來越強調“性價比”了：

相比o1和o3-mini，o3和o4-mini更強了，但卻更經濟了！

比如，在AIME 2025中，o4-mini比之o3-mini、o3比之o1，都能在同樣的推理成本下拿到更高的分數。

圖片

API定價方面，拉上1天前剛剛亮相的GPT-4.1，具體價格如下：

圖片

One More Thing

OpenAI再次開源了！發布一款一款本地代碼智能體Codex CLI。

可將自然語言轉化為可運行的代碼，兼容所有OpenAI模型，包括剛剛發布的o3、o4-mini和GPT-4.1。

圖片

Codex CLI為已經習慣使用終端，并希望擁有ChatGPT級別推理能力以及實際運行代碼、操作文件和迭代能力的開發者打造。

它是一種聊天驅動的開發方式 ，能夠理解并執行本地代碼庫。

圖片

GitHub項目：https://github.com/openai/codex

參考資料：
[1]https://openai.com/index/introducing-o3-and-o4-mini/
[2]https://x.com/sama/status/1912558064739459315