o3-mini 发布，但仍未走出DeepSeek 阴影

OpenAI在2月1日宣布推出全新的o3-mini模型。

这个被Sam Altman称为「智能且快速」的模型现已在ChatGPT和API中正式上线，但其表现却未能引起市场预期的轰动效应。

在访问权限设置上，OpenAI采用了差异化策略。

Pro用户可无限制使用o3-mini，Plus和Team用户的速率限制是o1-mini的三倍，而免费用户只需点击「reason」按钮即可体验基础功能。付费用户还可以选择「o3-mini-high」版本，该版本虽然响应较慢，但能提供更深入的思考和更优质的答案。

在定价方面，o3-mini展现出极强的竞争力。其成本仅为o1的十五分之一、Sonnet的一半，输入价格为每百万tokens 1.10美元（缓存token享50%折扣），输出价格为每百万tokens 4.40美元。

这一定价策略虽然得到了开发者社区的广泛肯定，该定价或受迫于DeepSeek  AI 圈拼多多定价所带来的压力。

o3-mini 模型目前还不支持图像输入，但支持搜索功能，这使得它在某些应用场景下非常有用。

在技术创新方面，OpenAI为o3-mini引入了「审议对齐」训练方法。

这种方法通过两个关键阶段来提升模型性能：监督微调阶段让模型学习将安全政策融入推理过程；强化学习阶段则通过法官模型的奖励信号，确保响应符合训练数据和安全政策。

这一创新使o3-mini的幻觉率从GPT-4o的52.4%大幅降至14.8%。

在最新的软件工程基准测试（SWE-bench）中，o3-mini（高配置）仅略优于o1。这一结果表明，尽管o3-mini在性能上有所提升，但与o1的差距并不显著。

值得注意的是，当前测试的是o3-mini版本，而完整的o3模型尚未发布。

在实际应用测试中，University of Washington的研究员Yuchen Jin设计了一个极具挑战性的编程任务：要求模型创建一个在超立方体内弹跳的球体模拟程序，需要处理重力效应、摩擦力和真实的碰撞检测。o3-mini不仅完美完成了任务，还在性能和速度上超越了DeepSeek R1。这个测试展示了o3-mini在复杂物理模拟和编程任务上的卓越能力。

o3-mini 模型在一个真实物理模拟中表现较DeepSeek R1 也较好。在简单的提示「写一个Python脚本，模拟一个在超立方体内弹跳的球」下，其通过生成Python脚本，成功模拟了球在超立方体内的弹跳运动。

而在与DeepSeek R1的对比中，o3-mini在相同任务上表现更优，进一步证明了其在处理复杂物理模拟任务上的潜力。

HyperWriteAI的CEO Matt Shumer 也分享了他的深入的使用体验。他指出，尽管基准测试未能完全反映o3-mini的真实实力，但在实际代码生成任务中，该模型的表现远超o1和o1 pro。不过，他也强调，当缺乏具体实现细节时，模型的表现会变得不够稳定，这一点仍需改进。

在LiveBench AI测试中，o3-mini-high虽然超越了R1和o1模型，但仍存在一些问题。Bindu Reddy的测试显示，模型在计算数学平均值时出现了错误，需要修正。这也反映出模型在某些基础运算上的不稳定性。

创意开发者Jonathan Whitaker的实践案例展示了o3-mini的应用潜力。他利用该模型快速开发了一系列创意应用：Facewave实现了通过摄像头控制MIDI；Beetle Sketch能自动生成独特的甲虫图案；Opalescent Nudibranch Shader创造了彩虹色海蛞蝓的视觉效果；还有一个具有炫酷声音视觉效果的网页合成器。这些应用虽然偶有小错误，但充分展示了模型在快速应用开发方面的能力。

但据分析，o3-mini 模型在指令跟随和工具格式指定方面存在问题，其在执行复杂指令时显示出明显的不足，这限制了其在多步骤任务中的应用。同时o3-mini 还存在工具格式指定问题：模型在处理需要特定格式输入的工具时，显示出混淆和错误，这进一步影响了其性能。

此外，虽然o3-mini 在特定领域的突破仍值得关注，但在代理任务上，o3-mini的表现并未超越o1-mini。

而在Every公司内部，已经提前对o3-mini 模型进行了几天的测试。根据Cora GM Kieran Klaassen的反馈，o3-mini相比o1模型速度更快，但在处理HTML、CSS和UX方面，Sonnet模型仍然表现更佳。

在一项内部基准测试中，o3-mini在技术上表现完美，但在艺术性上不如Sonnet 3.5。Kieran Klaassen通过其等距森林生成器基准测试发现，o3-mini优于o1 pro和r1，但在视觉效果上Sonnet 3.5仍然领先。

在Aidan McLaughlin 的对比测试中，o3-mini与o1模型展现了不同的特点。o3-mini在创意和速度上表现出色，超越了o1模型，但在构建逻辑上略显不足。（该测试在中等推理水平下进行，o3-mini的高推理水平因速度问题未进行测试）

o3-mini在生成「一个巨大的漂浮城市」的提示下，展现了更高的创意和速度。但尽管o3-mini在创意和速度上占优，但其构建逻辑不如o1模型严谨。

此外，o3-mini在生成「一个基于你的巨大有机教堂」的提示下，也展现了其独特的创意能力。

Aidan McLaughlin建议在最高推理努力下测试o3-mini，以进一步探索其潜力。更多测试结果和投票将在mcbench.ai上公布。

在发布会后的Reddit的AMA活动中，OpenAI团队透露了更多激动人心的计（大）划（饼）。

他们表示完整版o3模型将在4-6周内发布，同时还将推出超越dalle-3的图像生成技术。此外，模型还将支持文件附件功能、更长的上下文窗口，以及o3-memory功能。对于担心价格上涨的Plus用户，团队明确承诺不会调整价格。

然而，o3-mini的发布似乎未能激起预期的市场热情。

Even公司的内部测试显示，尽管o3-mini在技术层面表现不俗，但在视觉和用户体验方面仍逊于Sonnet 3.5。Cursor开发团队甚至直言，他们在大多数任务中仍然偏好使用Sonnet模型。

这种平淡的市场反应与中国AI领域的快速发展有关——显然，OpenAI 需要更具实力的模型才能从DeepSeek moment 的阴影之下走出。Lex Fridman 指出，即使在5 年后，科技史上的DeepSeek 时刻仍将被人们铭记。

Wenhu Chen所指出，中国公司的创新正在将OpenAI的最佳成果推向新的高度。在DeepSeek展现出惊人实力后，市场对AI巨头的期待似乎已经提升到了新的水平。

对于o3-mini的表现，TDM研究员指出一个关键观点：这个版本主要面向开发者而非终端用户，其目标是提供与o1相似的性能但大幅降低API使用成本。

这解释了为什么即便是ChatGPT Plus用户，除非需要快速进行小改动，否则仍建议继续使用o1。

OpenAI似乎也意识到了市场的期待。

在AMA中，他们暗示即将发布的o3-pro可能会成为一个重要转折点，「让人们真正感受到AGI的存在」。

该画的饼，还得继续先画起来。

但实际情况则是，在DeepSeek带来的技术冲击之下，市场显然需要看到更多实质性的突破，而不仅仅是美好的承诺。

否则，DeepSeek moment 代表的开源力量或将成为OpenAI 难以走出的阴影。

o3-mini 的本次发布虽然不够「炸裂」，但确实又将人类对人工智能的探索往前小挪了一小步。

期待Grok、Gemini 的新模型。

也更期待DeepSeek、Qwen、豆包、Kimi 们的新发布！

希望美国公司勇敢面对来自中国公司的挑战，而不是推动出口控制来维护自己的AI 霸权。

期待对全人类普惠的AGI / ASI 的到来！

👇