OpenAI正式发布o3 - 通往AGI的路上，已经没有了任何阻碍

声明:本文来自于微信公众号 数字生命卡兹克，作者:数字生命卡兹克，授权站长之家转载发布。

今天凌晨2点，OpenAI的12天直播，终于来到了最终章。

奥特曼，也在一片圣诞的气息中终于回归。

为大家带来了最后的压轴大戏。

OpenAI o3。

又一次超群，又一次把模型的能力，推到了新的高度。

也向全世界证明了，OpenAI，依然在铁王座上牢不可摧。

我也想起了OpenAI研究员在发布o1之前的那句话:

“我们通往AGI的路上，已经没有任何阻碍了”

之所以OpenAI直接发布o3没有o2，原因也挺简单的。

因为跟英国电信服务提供商O2可能存在版权或商标冲突，所以直接跳过了。。。

直接到o3。

而OpenAI直播一完，X上基本就沸腾了。

o3的能力，对现在所有模型，几乎都直接是降维打击。

看下o3的能力吧。

一些粗的评测集简单过一下。

左边的是软件工程考试（SWE-Bench Verified），这就像是一个考写程序的考试，比如你写一个软件要它快速、准确，还不能有 bug（小错误）。这是考察 o3是否能像一流的软件工程师一样写出完美的代码。

o3的成绩:71.7%，比o1还强了不少。

右边的那个基准比较猛，Codeforces，一个全球著名的编码竞赛平台。

o3的得分是2727，这个得分，相当于整个榜单的第175名，已经超越了99.99%的人类了。

o1的代码能力已经强到爆炸了，而o3，又向AGI的山顶，前进了一大步。

数学竞赛AIEM2024和博士级科学考试GPQA Diamond。

AIEM2024接近满分，如果我没记错的话，这应该也是第一次AI能达到有AIEM接近满分的水平。

博士级科学考试有进化，但没数学和编程进化的这么猛。

接下来的这个数学基准比较有趣一点。

FrontierMath，Epoch AI 开发的一个数学基准测试，由60多位顶尖数学家的合作开发，旨在评估人工智能在高级数学推理方面的能力。

而且为了避免数据污染，所有的题目都是原创的且从来没有发布过的新题目。

之前GPT-4和 Gemini1.5Pro这种模型去评估的时候，成功功率不足2%，与其他传统数学基准（如 GSM-8K 和 MATH）中超过90%的成功率形成鲜明对比。

而这一次，o3直接达到了25.2。

当各大其他模型都还在卷传统数学基准的时候，o3真的已经进入了另一个世界了。。。

就像大家还在大斗师阶段互相卷，你是五星大斗师，我是八星大斗师。

两者争论不休，正准备要比试比试，忽然就看到一个斗宗强者踏空而行，留下一地的卧槽。

这还比个鬼。

然后，就是我觉得，整个基准里，最有趣的一个基准了:

ARC-AGI。

先说说这是个啥玩意。

ARC-AGI于2019年首次提出，旨在通过一系列抽象和推理任务来测试AI系统的能力。

主要是因为传统的技能测量方法并不能有效代表智能，因为它们往往依赖于先前知识和经验，而真正的智能应体现在广泛的适应能力和通用性上。

所以，ARC-AGI诞生了，里面的这些任务要求AI识别模式并解决新问题，每个任务由输入输出示例组成。这些任务以网格形式呈现，每个方块可以是十种颜色中的一种，网格的大小可以从1x1到30x30不等。参与者需要根据给定的输入生成正确的输出，测试其推理和抽象能力。

可以简单的理解成，找规律。

大概就是这样的。

非常的难且抽象。

过去几代模型的评分在此:

* GPT-2（2019）:0%

* GPT-3（2020）:0%

* GPT-4（2023）:2%

* GPT-4o （2024）:5%

* o1-preview （2024）:21%

* o1（2024）:32%

* o1Pro （2024）: ~50%

但是今天，o3的分数，达到了恐怖的87.5%。

从0%到5%，整整花了5年的时间，而如今，从5%到87.5%，仅仅只花了半年。

而对应的，人类的阈值分数，是85%。

我们通往AGI的路上，已经没有任何阻碍了。

不过o3强归强，但是又是一个期货，OpenAI目前只对红队开放，如果是巨佬的话，可以去申请试试。

网址在此:https://openai.com/index/early-access-for-safety-testing/

目前不知道o3什么时候放出，但是OpenAI又基于o3，训了3个小尺寸的o3模型。

目前o3-mimi，预估在1月底可以对外开放，但是感觉到时候，肯定又是pro会员专属的模型了。

我越来越期待，2025年AI行业的进化了。

推理模型、Agent、AI硬件、世界模型。

每一个都是比这个中间态的2024，都更让人兴奋的东西。

2025，必是AI行业，真正的星辰大海。

我们也在最后，回顾一下这12天的直播吧。

Day1:满血o1上线，ChatGPT Pro会员上线，o1pro推出。

Day2:基于o1的强化微调。

Day3:Sora正式发布。

Day4:ChatGPT Canvas全员开放以及小功能更新。

Day5:给苹果站台，宣传苹果全系接入GPT。

Day6:4o的实时视频理解上线。

Day7:ChatGPT发布新建文件夹“项目”功能。

Day8:ChatGPT Search全量开放，搜索体验大幅优化。

Day9:发布了o1的API、更新了实时语音的API、发布了偏好微调能力（PFT）。

Day10:物理意义上的可以给ChatGPT打电话了。

Day11:炒冷饭，ChatGPT 桌面版能读到别的应用。

Day12:OpenAI o3正式发布。

这12天，稍微有点惊喜的日子大概只有2、3天，其他都是垃圾时间。

还好，今天的大货，补上了之前的阴霾。

最后，还是忍不住感叹一声。

这12天，像一场漫长的马拉松。

我们经历了深夜中数不胜数的垃圾时间。

却也迎来了最后的高光时刻。

这感觉。

还挺AI的。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

>/ 作者:卡兹克