o3的能力，对现在所有模型，几乎都直接是降维打击。今天凌晨2点，OpenAI的12天直播，终于来到了最终章。奥特曼，也在一片圣诞的气息中终于回归。为大家带来了最后的压轴大戏。
又一次超群，又一次把模型的能力，推到了新的高度。
也向全世界证明了，OpenAI，依然在铁王座上牢不可摧。
我也想起了OpenAI研究员在发布o1之前的那句话：
“我们通往AGI的路上，已经没有任何阻碍了”
之所以OpenAI直接发布o3没有o2，原因也挺简单的。
因为跟英国电信服务提供商O2可能存在版权或商标冲突，所以直接跳过了……
直接到o3。
而OpenAI直播一完，X上基本就沸腾了。
o3的能力，对现在所有模型，几乎都直接是降维打击。
看下o3的能力吧。
一些粗的评测集简单过一下。
左边的是软件工程考试（SWE-BenchVerified），这就像是一个考写程序的考试，比如你写一个软件要它快速、准确，还不能有bug（小错误）。这是考察o3是否能像一流的软件工程师一样写出完美的代码。
o3的成绩：71.7%，比o1还强了不少。
右边的那个基准比较猛，Codeforces，一个全球著名的编码竞赛平台。
o3的得分是2727，这个得分，相当于整个榜单的第175名，已经超越了99.99%的人类了。
o1的代码能力已经强到爆炸了，而o3，又向AGI的山顶，前进了一大步。
数学竞赛AIEM2024和博士级科学考试GPQADiamond。
AIEM2024接近满分，如果我没记错的话，这应该也是第一次AI能达到有AIEM接近满分的水平。
博士级科学考试有进化，但没数学和编程进化的这么猛。
接下来的这个数学基准比较有趣一点。
FrontierMath，EpochAI开发的一个数学基准测试，由60多位顶尖数学家的合作开发，旨在评估人工智能在高级数学推理方面的能力。
而且为了避免数据污染，所有的题目都是原创的且从来没有发布过的新题目。
之前GPT-4和Gemini1.5Pro这种模型去评估的时候，成功功率不足2%，与其他传统数学基准（如GSM-8K和MATH）中超过90%的成功率形成鲜明对比。
而这一次，o3直接达到了25.2。
当各大其他模型都还在卷传统数学基准的时候，o3真的已经进入了另一个世界了……
就像大家还在大斗师阶段互相卷，你是五星大斗师，我是八星大斗师。
两者争论不休，正准备要比试比试，忽然就看到一个斗宗强者踏空而行，留下一地的卧槽。
这还比个鬼。
然后，就是我觉得，整个基准里，最有趣的一个基准了：
ARC-AGI。
先说说这是个啥玩意。
ARC-AGI于2019年首次提出，旨在通过一系列抽象和推理任务来测试AI系统的能力。
主要是因为传统的技能测量方法并不能有效代表智能，因为它们往往依赖于先前知识和经验，而真正的智能应体现在广泛的适应能力和通用性上。
所以，ARC-AGI诞生了，里面的这些任务要求AI识别模式并解决新问题，每个任务由输入输出示例组成。这些任务以网格形式呈现，每个方块可以是十种颜色中的一种，网格的大小可以从1x1到30x30不等。参与者需要根据给定的输入生成正确的输出，测试其推理和抽象能力。
可以简单的理解成，找规律。
大概就是这样的。
非常的难且抽象。
过去几代模型的评分在此：
*GPT-2（2019）：0%
*GPT-3（2020）：0%
*GPT-4（2023）：2%
*GPT-4o（2024）：5%
*o1-preview（2024）：21%
*o1（2024）：32%
*o1Pro（2024）：~50%
但是今天，o3的分数，达到了恐怖的87.5%。
从0%到5%，整整花了5年的时间，而如今，从5%到87.5%，仅仅只花了半年。
而对应的，人类的阈值分数，是85%。
我们通往AGI的路上，已经没有任何阻碍了。
不过o3强归强，但是又是一个期货，OpenAI目前只对红队开放，如果是巨佬的话，可以去申请试试。
目前不知道o3什么时候放出，但是OpenAI又基于o3，训了3个小尺寸的o3模型。
目前o3-mimi，预估在1月底可以对外开放，但是感觉到时候，肯定又是pro会员专属的模型了。
我越来越期待，2025年AI行业的进化了。
推理模型、Agent、AI硬件、世界模型。
每一个都是比这个中间态的2024，都更让人兴奋的东西。
2025，必是AI行业，真正的星辰大海。
我们也在最后，回顾一下这12天的直播吧。
Day1：满血o1上线，ChatGPTPro会员上线，o1pro推出。
Day2：基于o1的强化微调。
Day3：Sora正式发布。
Day4：ChatGPTCanvas全员开放以及小功能更新。
Day5：给苹果站台，宣传苹果全系接入GPT。
Day6：4o的实时视频理解上线。
Day7：ChatGPT发布新建文件夹“项目”功能。
Day8：ChatGPTSearch全量开放，搜索体验大幅优化。
Day9：发布了o1的API、更新了实时语音的API、发布了偏好微调能力（PFT）。
Day10：物理意义上的可以给ChatGPT打电话了。
Day11：炒冷饭，ChatGPT桌面版能读到别的应用。
Day12：OpenAIo3正式发布。
这12天，稍微有点惊喜的日子大概只有2、3天，其他都是垃圾时间。
还好，今天的大货，补上了之前的阴霾。
最后，还是忍不住感叹一声。
这12天，像一场漫长的马拉松。
我们经历了深夜中数不胜数的垃圾时间。
却也迎来了最后的高光时刻。这感觉。还挺AI的。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】