首頁 > 科技要聞 > 科技> 正文

o3-mini物理推理粉碎DeepSeek R1，OpenAI王者歸來！全網(wǎng)最全實(shí)測來襲

新智元 整合編輯：吳利虹 發(fā)布于：2025-02-02 18:57

在科技界，一天的時(shí)間足以改寫歷史。

DeepSeek R1用‘降維打擊’重構(gòu)了AI界，OpenAI不甘示弱放出了o3-mini，再次加冕為王。

o3-mini的進(jìn)步可不是一點(diǎn)半點(diǎn)，在數(shù)學(xué)代碼等基準(zhǔn)測試中，均拿下了最高的成績。

甚至，在‘物理模擬’高難度挑戰(zhàn)戰(zhàn)場上，o3-mini直接粉碎R1，展現(xiàn)出驚人的實(shí)力。

能夠清晰地看出，o3-mini具備更強(qiáng)的物理推理能力，DeepSeek表現(xiàn)出明顯的‘反重力’現(xiàn)象。

prompt：write a Python program that shows a ball bouncing inside a spinning hexagon． The ball should be affected by gravity and friction， and it must bounce off the rotating walls realistically

在另一個(gè)演示中，更加復(fù)雜，不僅要考慮小球與墻壁的碰撞，還要考慮不同小球之間的相互碰撞。

prompt：Simulate multiple small balls bouncing inside a spinning rectangle． The balls should collide with each other and the walls

從單球反彈到多球碰撞，從簡單物理到復(fù)雜系統(tǒng)，OpenAI的仿佛在訴說著‘王者，從未離場’。

教授Derya Unutmaz對o3 mini表現(xiàn)的進(jìn)步非常激動：

o3-mini只需一次提示就能準(zhǔn)確生成符合物理定律的代碼！與此同時(shí)，DeepSeek-R1對此卻顯得很吃力。

這場AI競賽正在全速加速，后來居上者，拭目以待。目前，OpenAI明顯處于領(lǐng)先地位！’

此外，在‘人類最后一場考試’的純文本測試集上，新模型03-mini（medium/high）在準(zhǔn)確率上超越了DeepSeek-R1。

奧特曼甚至自信的表示：‘不久，人類就需要另一場考試了……’

然而，這只是OpenAI新模型的冰山一角。

奧特曼劇透o3-mini接下來還有更大的驚喜！

o3-mini還有好東西，很快就會給你，我想我們把最好的留到了最后！

編碼吊打o1，最好的編程模型

在代碼補(bǔ)全基準(zhǔn)Codeforces排名中，相對o1系列模型，o3-mini進(jìn)步明顯。

而獨(dú)立于LLM提供商的性能基準(zhǔn)和定價(jià)排行，Artificial Analysis表示：‘o3-mini是從o1-mini向前邁出的一大步。’

同時(shí)，公布了o3 mini的初步結(jié)果，完整的基準(zhǔn)測試結(jié)果稍后推出：

人工分析質(zhì)量指數(shù)為89，與DeepSeek R1匹配，略低于o1

更便宜 - 每百萬個(gè)token1.1美元/4.4美元的輸入/輸出定價(jià)，低于許多 DeepSeek R1 API（高于DeepSeek的甲方R1 API定價(jià)）

快速-與o1-mini的速度相似，為170個(gè)token/秒，盡管這意味著2000個(gè)代幣的‘思考’時(shí)間仍然需要 ~12 秒

其中人工分析質(zhì)量指數(shù)（Artifical Analyssi Quality Index）包含了MMLU、GPQA Diamond、Math-500和HumanEVal等多個(gè)測試基準(zhǔn)。

相關(guān)排名如下：

AI初創(chuàng)企業(yè)CEO，Bindu Reddy，整體上o3擊敗了R1，特別是在編碼方面，讓人大吃一驚。

她認(rèn)為綜合考慮性能、速度和價(jià)格，o3-mini high是目前最好的大語言模型（LLM）：

在編程上，o3-mini high大幅度領(lǐng)先o1、Sonnet以及其他模型

o3-mini high比Sonnet便宜2倍，比o1便宜15倍

o3-mini high比R1快約5倍

在所有類別中，o3-mini high僅次于01，是第2名最佳模型

具體結(jié)果如下：

對此，OpenAI研究員Clive Chan表示：‘我每天都在cursor中使用o3-mini，它絕對是最好的編程模型。我基本上完全信任它的Python代碼（不再有誤解/偷懶的問題），而且即使我當(dāng)前的項(xiàng)目涉及3種我不熟悉的編程語言，o3-mini也幫了大忙！’

全網(wǎng)實(shí)測

那么，o3-mini真實(shí)實(shí)力究竟如何？

如下來自全網(wǎng)實(shí)測的最全演示，即可揭曉謎底。

o3-mini徹底掌握了arXiv

OpenAI研究科學(xué)家Sebastien Bubeck表示，o3-mini是一個(gè)了不起的模型。

在理解和解析arXiv論文方面，o3-mini達(dá)到了全球獨(dú)一無二的水平，成為真正的科研伙伴！

下面是一個(gè)看似簡單但會讓所有其他模型都感到困惑的問題，而o3-mini卻能給出極其有用的答案。

它完全說到了點(diǎn)子上：與自收縮曲線的聯(lián)系、依賴于維度的界限，甚至還引用了相關(guān)論文。

下面這個(gè)例子是Sebastien在不同主題的另一個(gè)查詢。

有趣的是，o3-mini-high給出的參考文獻(xiàn)‘Bubeck and Ganguly’并不完全正確，但確實(shí)非常相關(guān)。

總的來說，它給出的參考文獻(xiàn)都是‘模糊準(zhǔn)確的’，可能會混淆作者/期刊/標(biāo)題，但令人驚訝的是這些引用仍然很有用。

他又表示，這些都是相當(dāng)冷僻的問題，能夠回答這兩個(gè)問題的論文少于100篇（實(shí)際上更接近約10篇）。

能有一個(gè)模型可以回答只有O（10）數(shù)量級的人類知道答案的問題，這確實(shí)令人驚嘆。

此外，Sebastien又演示了一個(gè)用o3-mini構(gòu)建‘我的世界’的演示。

AI物理新巔峰，輕松擊敗R1

Hyperbolic聯(lián)創(chuàng)Yuchen Jin測試后驚嘆道，o3-mini可能是目前最強(qiáng)的物理推理LLM！

o3-mini竟然成功生成了四維超立方體（Tesseract）內(nèi)反彈小球的Python代碼，展現(xiàn)出驚人的物理推理和數(shù)學(xué)建模能力。

再來看R1的表現(xiàn)，顯然不如o3-mini。‍

再來看o3-mini-high，demo中竟然翻車不如o3-mini？

Yuchen Jin多次嘗試后發(fā)現(xiàn)，o3-mini-high在這個(gè)任務(wù)上表現(xiàn)糟糕，甚至比一次性生成的o3-mini版本還差！

其中一個(gè)版本居然只生成了小球，沒有四維空間結(jié)構(gòu)……

另一個(gè)很好展現(xiàn)o3-mini理解物理世界的demo。

‘被o3-mini震撼到了（不僅僅是因?yàn)樗木幊棠芰Γ�，更因�(yàn)樗情W電般的速度。

它僅用19秒就一次性生成了這四個(gè)演示。我從未見過類似的東西。一個(gè)新的AI時(shí)代已經(jīng)到來’。

‍

沃頓商學(xué)院教授Ethan Mollick讓o3-mini-high首次挑戰(zhàn)生成動態(tài)海洋風(fēng)暴Shader，沒想到竟然成功了！

18秒，克隆一個(gè)應(yīng)用

另一位OpenAI研究員Aidan Clark表示：‘o3-mini在智能和速度的組合方面令人難以置信，我不知道該說什么，你只能自己去試試看了�！�

在下面demo中，Clark要求o3-mini用單個(gè)Python文件寫一個(gè)Twitter克隆應(yīng)用。

整個(gè)過程只用了8秒。

一句話，生成游戲

更令人驚嘆的是，開發(fā)者Alex Finn僅用1個(gè)提示，o3-mini便能生成完整的太空游戲。

用一句話制作的‘貪吃蛇’游戲。

另一個(gè)動漫小人射擊游戲。

還有網(wǎng)友通過o3-mini-high制作的太陽系3D模擬。

網(wǎng)友a(bǔ)di讓o1和o3-mini分別建造一個(gè)巨大的、令人驚嘆的、史詩般的漂浮城市。

OpenAI王者重歸

OpenAI的策略，已經(jīng)重新獲得了用戶的‘芳心’。

開發(fā)者M(jìn)ckay Wrigley已經(jīng)用o3-mini模型代替AI智能體和工作流中的o1模型。一切都正常工作，甚至有一些表現(xiàn)的更好，但是便宜了9倍，速度快了4倍。

他認(rèn)為：‘OpenAI對新模型的宣傳明顯不足——這絕對令人難以置信。o3& o3 Pro會很瘋狂�！�

根據(jù)Information報(bào)道，OpenAI2024年快速增長：

2024年，ChatGPT付費(fèi)訂閱用戶已達(dá)1550萬。

企業(yè)的模型采用率增長了7倍。

新推出的200美元/月Pro訂閱計(jì)劃，年收入已達(dá)3億美元。

網(wǎng)友Prakash，則在X上列出了OpenAI的各部分收入：

ChatGPT Plus

月經(jīng)常性收入（MRR）：3.33億美元

訂閱價(jià)格：20美元/月

月活用戶（MAU）：1665萬

ChatGPT Pro

月經(jīng)常性收入（MRR）：2500萬美元

訂閱價(jià)格：200美元/月

月活用戶（MAU）：12.5萬

ChatGPT總收入

月經(jīng)常性收入（MRR）：3.58億美元

年經(jīng)常性收入（ARR）：43億美元

API收入

每分鐘處理Token數(shù)量：14億

每年處理Token數(shù)量：735萬億

每百萬Token價(jià)格（以o3 mini輸入價(jià)格計(jì)算）：1.1美元

年經(jīng)常性收入（ARR）：8.09億美元

總收入

年經(jīng)常性收入（ARR）：51億美元

他表示：‘有趣的是，API收入遠(yuǎn)小于ChatGPT訂閱收入，真正推動增長的還是消費(fèi)級應(yīng)用�！�

網(wǎng)友Andrew Gao表示Anthropic正在吃掉OpenAI的市場份額。

OpenAI在企業(yè)客戶中的份額從2023年的50%下降到了2024年的34%，具體如下：

OpenAI早已與美國政府合作，確保AI領(lǐng)域的領(lǐng)先地位。

在參加特朗普的就職典禮并宣布‘星際之門’后，OpenAI首席執(zhí)行官奧特曼，連續(xù)第二周來到華盛頓特區(qū)。

就在近日，在國會山附近的一次非正式演示中，奧特曼向美國政府領(lǐng)導(dǎo)人、政策專家和記者展示了即將推出的技術(shù)。

目的不僅是展示美國如何最大化人工智能帶來的經(jīng)濟(jì)利益，還希望讓華盛頓的領(lǐng)導(dǎo)者提前了解即將到來的技術(shù)能力，以減少他們在未來措手不及的可能性。

談到能夠自主完成現(xiàn)實(shí)世界任務(wù)的新型自主智能技術(shù)時(shí)，奧特曼表示：[我的直覺是……對美國經(jīng)濟(jì)貢獻(xiàn)，這些技術(shù)將占個(gè)位數(shù)百分比。

但與政府合作，并不是OpenAI唯一的選擇。

外媒報(bào)道稱，OpenAI為了實(shí)現(xiàn)增長，寄希望于更高級模型驅(qū)動的ChatGPT的高價(jià)訂閱。

本文來源：新智元
新智元

網(wǎng)友評論

聚超值•精選

推薦 手機(jī) 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
二維碼 回到頂部