OpenAI 发布 O3 与 O4 Mini

OpenAI o3 与 o4-mini 是 o 系列推理模型的新一代版本。o3 被定位为目前最强的推理旗舰，在 Codeforces、SWE-bench（不依赖定制 scaffold）与 MMMU 上刷新 SOTA，外部测试中相对 o1 在编程、商业咨询与创意推理任务上把重大错误率压低 20%。o4-mini 是面向高吞吐、低成本场景的小尺寸模型，在 AIME 2024 与 2025 上取得同体量内最佳成绩，配合 Python interpreter 时在 AIME 2025 上达到 99.5% pass@1 与 100% consensus@8。

最大的范式转变是两款模型首次能 agentic 地组合使用 ChatGPT 内全部工具，包括 web 搜索、上传文件分析、Python 代码执行、视觉输入推理与图像生成。模型被训练在何时调用、如何组合工具上做权衡，通常在一分钟内给出包含合适输出格式的结果。这把推理模型从纯文本解题器扩展到能调动多种工具协同的任务执行者，对需要跨数据源、跨模态的研究与分析工作影响最直接。

训练方法上，OpenAI 报告大规模强化学习沿用 GPT 系列预训练中观察到的 "compute 越多、性能越好" 趋势，o3 在 RL 训练 compute 与 inference-time 推理上各推进一个数量级仍保持增益。模型还引入 reasoning effort 控制（类似 o4-mini-high 这类档位），调用方可以按任务难度切换 latency 与质量。配套的 o3-pro 后续向 ChatGPT Pro 与 API 开放，沿用 o3 设计、延长思考时间以追求最稳的回答。