孟波新世界公司现场：当地时间1月31日，OpenAI正式推出了全新推理模型o3-mini，并首次向免费用户开放推理模型。这是OpenAI推理系列中最新、成本效益最高的模型，现在已经在ChatGPT和API中上线。

图片来源：OpenAI

轻量级推理大模型o3-mini最早于2024年12月的直播活动中亮相，一同亮相的还有“满血版”的o3模型。OpenAI宣称，o3具备更先进、近似人类的推理能力，在解决编程、数学、科学等理工科问题方面均超越现役的o1模型。OpenAI曾表示，o3-mini会在2025年1月底先上架，o3则“会在不久之后推出”。

OpenAI介绍称，o3-mini支持开发者调整“AI推理努力程度”的选项——分为低、中、高三个级别。这种灵活性使得o3-mini可以在面对难题时“更努力思考”，而需要效率时优先考虑回应速度。

在当地时间1月31日的新闻稿中，OpenAI披露，在2024年美国数学邀请赛（AIME 2024）的测试中，低推理努力的o3-mini准确率（60%）与o1-mini差不多，但速率更快；而在中等努力下，o3-mini准确率能够提升到79.6%，与o1模型相当。在最高努力水平时，o3-mini的准确率则能进一步提升至87.3%。

在博士级科学问题（GPQA Diamond）方面，三种努力程度模型的准确率分别为70.6%、76.8%和79.7%。

FrontierMath前沿数学与Codeforces等编程竞赛方面，o3-mini也显示出明显优势，甚至在某些评测中远超前代模型。

通用知识方面，在各种知识评测中，o3-mini的表现也超过了o1-mini，能够为用户提供更准确的答案。

在智能水平与o1相当的前提下，o3-mini提供了更快的性能和更高的效率。除了上述提及的STEM评估之外，采用中等推理努力的情况下，o3-mini在数学和事实性评估中也展现出更出色的表现。在A/B测试中，o3-mini的响应速度比o1-mini快24%，其平均响应时间为7.7 秒，而o1-mini为10.16 秒。延迟方面，o3-mini的首个token平均比o1-mini快2500毫秒。

横向对比，DeepSeek-R1模型在AIME 2024测试中的准确率为79.8%，而在GPQA Diamond测试中的准确率为71.5%。

有专家在社交媒体表示：受DeepSeek影响，OpenAl现在也显示推理模型的思维过程了。

此外，对于付费用户，o3-mini将在模型选择器中替代o1-mini。作为升级的一部分，每月花费20美元左右的ChatGPT Plus和Team用户，速率限制也从o1-mini的每天50条，提升到o3-mini的150条。每月支付200美元的ChatGPT Pro用户，能无限制地访问o3-mini。