过去几年，OpenAI无疑是全球AI领域的领头羊。该公司推出的GPT-4o、o1等模型技术领先，推动ChatGPT成为最受欢迎的AI聊天机器人——估计当前月度活跃用户超3亿，付费订阅用户突破1100万。然而，近期中国AI公司DeepSeek凭借V3和R1模型的发布迅速走红，风头不亚于OpenAI。无论基准测试，还是真实体验，DeepSeek表现优异，被一些人认为是“除了ChatGPT之外最强的AI聊天机器人应用”。全球AI领域可能正从“百家争鸣”逐渐进入“王者巅峰对决”的时代：ChatGPT曾是绝对的王者，但DeepSeek的崛起可能改变用户的习惯。
一方面，根据AI产品榜最新数据：DeepSeek应用APP仅上线18天，它的日活跃用户就达到了1500万；而 ChatGPT突破1500万的日活跃用户，用了244天——DeepSeek的日活跃用户增速是ChatGPT的13倍。而且，截至目前，无论是苹果App Store应用商店，还是谷歌安卓Google Play应用商店，在多数国家/地区，DeepSeek在应用榜单上的排名都已经领先ChatGPT。可想而知，如果这种疯狂增长态势继续保持下去，那么用不了多久，DeepSeek的日活跃用户就会全面超过ChatGPT。
另一方面，就不得不说“人类的最后考试（Humanity's Last Exam）”——一个全新的超高难度AI测试基准。该基准由50个国家的500多个机构共1000多名专家共同设计，旨在评估当前和未来的AI模型的学术知识和推理能力。因为当前的AI系统已经变得过于强大，现有测试已无法满足，但所有AI模型在“人类的最后考试”面前都黯然失色。实际测试结果表明：DeepSeek R1推理模型足以媲美OpenAI o1推理模型。如果有人不愿意或者不方便付费使用OpenAI o1模型，那么DeepSeek R1绝对是不错的选择，比如用来帮助解决编程、数学和科学方面的难题，况且DeepSeek R1当前是免费提供用户使用，似乎也没有次数限制。
人类的最后考试（Humanity's Last Exam）
毫无疑问，OpenAI不会坐以待毙，更不会轻易让DeepSeek的AI模型技术、活跃用户等等超越自己。就在今天，OpenAI放出大招，紧急发布了新的推理模型o3-mini——一款最高性价比推理模型，现已在ChatGPT和API中上线。这款模型于2024年12月首次亮相，它不仅性能强大、响应迅速，进一步拓展了小模型的能力边界。o3-mini在STEM领域（科学、数学和编程）表现尤为出色，同时保持了与OpenAI o1-mini相同的低成本和低延迟优势。
OpenAI o3-mini是首款支持高需求开发者功能的小型推理模型，包括函数调用、结构化输出和开发者消息，让它从一开始就具备了生产级应用能力。与OpenAI o1-mini和OpenAI o1-preview（预览版）模型一样，o3-mini也支持流式响应。此外，开发者可以根据具体需求选择三种不同的推理强度——低、中、高，使模型在解决复杂问题时可以“深入思考”，而在对延迟敏感的场景下优先提升响应速度。不过，o3-mini不具备视觉处理能力，因此需要处理视觉推理任务的开发者仍得继续使用OpenAI o1推理模型。目前，o3-mini已在Chat Completions API、Assistants API和Batch API上线，并首先面向API使用等级为3-5的开发者开放。
对于ChatGPT用户，Plus、Team和Pro付费订阅者从今天起可以直接使用o3-mini，而Enterprise企业版用户将在2月份获得访问权限。作为升级的一部分，OpenAI将ChatGPT Plus和Team用户的消息次数o1-mini的每日50条提升至o3-mini的每日150条，是原来的三倍。此外，o3-mini支持搜索功能，能够提供带有相关网页链接的最新答案。目前这只是一个早期原型功能，OpenAI正致力于在所有推理模型中全面集成搜索功能。此外，从今天起，ChatGPT免费用户也可以通过在对话框中选择“Reason”模式或重新生成回答来体验OpenAI o3-mini推理模型——OpenAI首次向免费用户开放推理模型。
OpenAI表示，OpenAI o1仍是面向通用知识推理的核心模型，而OpenAI o3-mini则专注于需要高精度和高速响应的技术领域。在ChatGPT中，o3-mini采用中等推理强度，在速度和准确性之间取得平衡。所有付费用户也可在模型选项中选择更强大的o3-mini-high，该版本的智能水平更高，但响应时间略长。与使用o1模型的次数一样，Plus用户每周使用o3-mini-high的次数同样是50次，但Pro订阅者可无限制使用o3-mini和o3-mini-high。
与其前代模型OpenAI o1类似，OpenAI o3-mini专为STEM（科学、技术、工程、数学）领域的推理任务做了优化。在中等推理强度下，o3-mini在数学、编程和科学领域的表现可媲美o1，同时提供更快的响应速度。经过专家评测，o3-mini在推理能力方面比 OpenAI o1-mini更强，答案的准确度和清晰度均有所提升。测试者在56%的情况下更倾向于o3-mini的回答，并且在现实世界的高难度问题中，重大错误减少39%。在AIME（数学竞赛）和GPQA（博士级科学推理评测）等最具挑战性的推理和智力评测中，o3-mini的中等推理强度表可媲美o1。
数学竞赛（AIME 2024）
数学能力： 在低推理强度下，o3-mini的表现与o1 mini相当；中等推理强度下，o3-mini可与o1相匹配；高推理强度下，o3-mini超越了o1和o1-mini。
博士级科学问题（GPQA Diamond）
博士级科学推理（生物、化学、物理）：低推理强度下，o3-mini的表现已超越OpenAI o1-mini；高推理强度下，o3-mini的表现可媲美OpenAI o1。
前沿数学（FrontierMath）
在研究级数学领域，o3-mini高推理强度版本的表现优于前代模型。在FrontierMath测试中，当使用Python工具时，o3-mini首次尝试即可解出超过32%的问题，其中包括超过28%的高难度T3级别问题（这些数据仍在更新中）。
编程竞赛（Codeforces）
在Codeforces竞赛级编程测试中，o3-mini在增加推理强度的情况下获得更高的Elo评分，并全面超越o1-mini；在中等推理强度下，o3-mini的表现已与o1持平。
软件工程（SWE-bench Verified）
在软件工程任务上，o3-mini是我们迄今发布的最佳模型。在SWEbench-verified评测中：使用开源Agentless scaffold框架，o3-mini在高推理强度下达到了39%的正确率；使用内部工具scaffold，o3-mini的正确率达到了61%。
LiveBench编程
在LiveBench代码评测中，即使在中等推理强度下，o3-mini的表现也已超过o1-high；在高推理强度下，o3-mini进一步拉开差距，在各项关键指标上取得显著提升。
通用知识
在通用知识领域的测试中，o3-mini全面超越o1-mini，展现了更强的知识掌握能力。
人类偏好评测
外部专家测试表明，o3-mini的答案更准确、逻辑更清晰，推理能力更强，尤其在STEM领域表现突出；测试者在56%的情况下更喜欢o3-mini的回答，并观察到高难度现实问题中的重大错误减少了39%。
模型速度与性能
o3-mini在智能水平上可媲美OpenAI o1，但运行更快、效率更高；除了STEM评测之外，o3-mini在数学和事实准确性评估上也展现出更优的表现；在A/B测试中：o3-mini的平均响应速度比o1-mini提高了24%；o3-mini的平均响应时间仅为7.7秒，而o1-mini为10.16秒。
延迟对比
o3-mini（中等推理强度）相比o1-mini，首个Token 的生成时间平均减少了2500ms（2.5秒）。
有网友就这样发贴说：“o3-mini终于发布了！就得有人（暗指DeepSeek）治治他们，ChatGPT Plus和Team用户的o3-mini每日消息提升到150条……另外 ChatGPT的界面在向DeepSeek靠拢，而且现在还会展示较为详细的思维过程。”
有网友提问：“你们会考虑公开一些模型权重和研究成果吗？”OpenAI首席执行官萨姆·奥特曼这样回应：“是的，我们正在讨论。我个人认为我们在这个问题上走到了历史的反面，需要找出一种不同的开源策略。不过，并不是所有OpenAI内部的人都同意我的看法，而且这也不是我们目前的最高优先事项。”
@AI Dance在社交平台上发贴，他坚持认为，DeepSeek会在2025年融资（这可能与圈子内的绝大多数人不同）。马斯克的xAI公司也会融资。只不过有没有满足团队的条件，随着DeepSeek的爆火出圈，“现在感觉：越来越接近那个点。只不过估值可能会比我们想象的都高，会一跃成为创业大模型公司最高估值”。
@AI Dance在贴文中也提到：“DeepSeek的人会不会被挖，我们之前就说不会。最近更是发现一个有趣的点，他们的report人员有core contribution，只有几个人，把两句话写在脸上了：敬请来挖，你挖不动；你们别瞎传啊，挖个普通人就说是我的核心了，我告诉告诉你，我们的核心是谁（感觉我快成他们肚子里蛔虫了）。”他在贴文中还写道：“DeepSeek R1可能会开启AI应用的Iphone时刻。2025年的AI应用可能真的要火了，开源模型这么厉害、这么便宜。”
