“12 Days of OpenAI”活动已拉上帷幕，OpenAI 的 o3 系列大模型压台登场，官方称在某些场景下，其推理能力非常接近通用人工智能（AGI）。
名称
最新的 AI 模型为何跳过 o2，叫做 o3 呢？OpenAI 公司首席执行官山姆・阿尔特曼（Sam Altman）在今天早上的直播活动，表示是为了规避和英国电信运营商 O2 的商标冲突。
邀请安全测试
o3 是 o1 推理模型的继任者，包含完整版和精简版（o3-mini），后者主要针对特定任务进行了微调。
OpenAI 公司暂未完全开放 o3 和 o3-mini 两款模型，即日起先邀请安全研究人员，注册测试预览版 o3-mini 模型，后续再推出 o3 预览版。
现在，感兴趣的朋友可以提交申请：https://openai.com/index/early-access-for-safety-testing/。
阿尔特曼并未公布 o3 模型的具体开放日期，仅透露 2025 年 1 月底推出 o3-mini，后续再推出 o3。
o3 模型推理
OpenAI o3 模型和主流 AI 模型的一个最大不同点，在于会展开事实核查，从而可以规避一些常见的模型陷阱，但这个过程会产生响应延迟，根据推理难度，通常是几秒到几分钟。
o3 系列模型的另一个亮点是使用“私人思想链”（private chain of thought）进行“思考”，它可以在响应前暂停，考虑相关提示并解释其推理过程，最终总结出最准确的答案。
o3 的新功能之一是可以调整推理时间，分为低、中、高三种计算级别，计算级别越高，o3 的任务执行性能越好。
性能和 AGI
AGI 的全称是 artificial general intelligence，直译过来就是通用人工智能，泛指 AI 可以像人类一样执行任何任务，OpenAI 公司官方定义为“在最具经济价值的工作中超越人类的高度自治系统”。
OpenAI 公司正积极朝 AGI 目标迈进，除了巩固其在 AI 领域的地位之外，还在投资领域有特别的含义。
根据 OpenAI 与密切合作伙伴和投资者微软的交易条款，一旦 OpenAI 达到 AGI，公司就不再有义务向微软提供其最先进的技术（即符合 OpenAI 的 AGI 定义的技术）。
而 o3 是 OpenAI 是迈向该目标的重要一步，在 ARC-AGI 基准测试中，o3 在高计算设置下获得了 87.5% 的分数，在低计算设置下得分为 75.7%，性能是 o1 的三倍。
ARC-AGI 联合创始人 François Chollet 表示，诚然高计算设置非常昂贵，每个任务要花费数千美元。
AI在线援引该媒体报道，在其他基准测试中，o3 表现出色：
在 SWE-Bench Verified 编程任务基准测试中，o3 比 o1 高出 22.8 个百分点；
在 Codeforces 编程技能测试中，o3 获得了 2727 的评分；
在 2024 年美国数学邀请赛中，o3 得分 96.7%；
在 GPQA Diamond 研究生水平生物、物理和化学测试中，o3 得分 87.7%；
在 EpochAI 的 Frontier Math 基准测试中，o3 解决了 25.2% 的问题（其他模型均不超过 2%），创造了新纪录。
这些结果来自 OpenAI 的内部评估，需要等待外部客户和机构的基准测试结果来进一步验证。
安全
o3 的发布标志着 OpenAI 在通用人工智能领域迈出了重要一步。虽然 o3 的能力令人印象深刻，但其潜在风险也需要引起重视。OpenAI 承诺将致力于模型安全，并与其他机构合作构建更完善的基准测试体系。
