OpenAI在人工智能領域再次邁出重要一步，于近日凌晨震撼發布了兩個全新的視覺推理模型——OpenAI o3與o4-mini。這兩款模型隸屬于OpenAI的o系列，最引人注目的特點是它們能夠首次將圖像融入思維鏈推理過程中，標志著OpenAI在多模態推理技術上的重大突破。
o3與o4-mini在功能上各有側重。o3被定位為目前最強大的推理模型，而o4-mini則是一個經過優化、體積更小、專為快速且具備成本效益的推理任務而設計的模型。它們不僅能解讀和分析圖像，還能自主調用工具，在極短時間內生成精準的答案。
為了最大化這些模型的推理能力，OpenAI還開源了一款輕量級的編程智能體Agent Codex CLI，允許用戶在終端直接運行。這款智能體的發布迅速獲得了市場的熱烈響應，發布后不到七個小時，其Star數已突破5500。
OpenAI的這次發布不僅限于技術層面的革新，在商業領域同樣掀起了波瀾。據外媒報道，OpenAI正洽談以高達30億美元的價格收購AI輔助編程工具Windsurf（前身為Codeium）。若交易成功，這將成為OpenAI有史以來規模最大的一筆收購，進一步鞏固其在AI編程領域的地位。
隨著新模型的發布，OpenAI也調整了用戶訪問權限。從即日起，ChatGPT Plus、Pro和Team用戶可以率先體驗o3、o4-mini和o4-mini-high，這些模型將逐步取代原有的o1、o3-mini和o3－mini－high。企業和教育用戶將在一周后獲得訪問權限，而免費用戶則可以在提交查詢前選擇“思考”功能來試用o4-mini。
新模型的核心優勢在于其強大的圖像處理能力。無論是白板照片、教科書圖表還是手繪草圖，o3和o4-mini都能輕松解讀，并在必要時借助工具對圖像進行旋轉、縮放或變換等操作。這使得它們能夠處理各種復雜的視覺推理任務，如分析圖表數據、識別圖像中的物體等。
在實際應用中，o3和o4-mini展現出了卓越的性能。例如，在面對一道數學難題時，o3可以在不使用搜索引擎的情況下給出正確答案，而之前的模型則無法做到。在處理收集和分析區域旅行數據、經濟統計數據和酒店入住率等復雜任務時，o3同樣表現出了更高的準確性和詳盡性。
在成本和性能方面，OpenAI預計o3和o4-mini將比前代模型更加智能且經濟高效。在一系列人類考試和機器學習基準測試中，新模型在所有測試的多模態任務上都顯著優于前代。特別是在視覺推理方面，新模型在多個基準測試上取得了顯著提升，準確率高達97.5%。
盡管新模型在多個方面表現出色，但它們仍存在一些局限性。例如，在推理鏈過程中可能會執行冗余或不必要的步驟，導致思維鏈過長；在某些情況下，模型可能會犯基本的感知錯誤，導致最終答案不準確；模型的可靠性也有待提高，因為在多次嘗試解決問題時可能會采用不同的視覺推理過程，其中一些可能導致錯誤結果。
為了應對這些挑戰，OpenAI正在不斷優化模型，并開發新的系統級緩解措施以提高模型的可靠性和安全性。同時，OpenAI還啟動了100萬美元的倡議，以支持使用Codex CLI和OpenAI模型的工程項目，推動人工智能技術的進一步發展。
