【儀表網(wǎng) 產(chǎn)業(yè)報(bào)道】近日，美國(guó)開(kāi)放人工智能研究中心(OpenAI)介紹了其最新的人工智能(AI)推理模型——o3及其輕量版o3-mini。
 

　　o3能夠進(jìn)行復(fù)雜任務(wù)的推理，在科學(xué)、編碼、數(shù)學(xué)等領(lǐng)域的表現(xiàn)要優(yōu)于前一代o1模型，同時(shí)花費(fèi)的處理時(shí)間也會(huì)更長(zhǎng)。以一項(xiàng)評(píng)估AI高級(jí)數(shù)學(xué)推理能力的測(cè)試EpochAI Frontier Math為例，以往所有模型都未達(dá)到2%的準(zhǔn)確率，而o3準(zhǔn)確率達(dá)到了創(chuàng)紀(jì)錄的25%。
 

　　在2024年美國(guó)數(shù)學(xué)邀請(qǐng)賽中，o3模型的準(zhǔn)確率高達(dá)96.7%，僅答錯(cuò)了一個(gè)問(wèn)題。而在OpenAI研究人員認(rèn)為最嚴(yán)格的基準(zhǔn)測(cè)試之一——Frontier Math中，o3也解決了25.2%的問(wèn)題。盡管這一得分看似不高，但此前其他大型語(yǔ)言模型曾在此“集體翻車”，正確率均未超過(guò)2%。
 

　　在對(duì)科學(xué)知識(shí)的掌握方面，o3的表現(xiàn)也超出一般博士水平。在GPQA Diamond(衡量模型在博士級(jí)科學(xué)問(wèn)題上的表現(xiàn)，涵蓋化學(xué)、物理和生物學(xué)方面的專業(yè)知識(shí))基準(zhǔn)測(cè)試中，o3的準(zhǔn)確率達(dá)到87.7%，超過(guò)了人類博士的70%，也比之前o1表現(xiàn)高近10%。
 

　　此外，o3的編碼能力也比之前的o1系列更勝一籌。在 SWE-bench Verified(衡量AI模型解決現(xiàn)實(shí)世界軟件問(wèn)題的能力)基準(zhǔn)上，o3的準(zhǔn)確率約為71.7%，比o1高20%以上。在Codeforces編碼競(jìng)賽平臺(tái)中，o3的得分為2727，相當(dāng)于榜單上第175名人類編程員的水平，而o1得分僅為1891。
 

　　o3模型讓OpenAI在通往AGI的道路上又邁前了一步。在相關(guān)基準(zhǔn)測(cè)試ARC-AGI中，高配版o3得分為87.5%，低計(jì)算設(shè)置下o3得分為75.7%，是o1模型的三倍。但高計(jì)算模式需要花費(fèi)極其昂貴的成本，每個(gè)任務(wù)高達(dá)數(shù)千美元，低計(jì)算模式則需要20美元左右。