仅隔一天，OpenAI再次突然放大招：

一口气，o3和o4 mini同步上线。

依然是最热门推理模型，并且这一次，它们终于能够调用ChatGPT里的各种工具了，包括网络搜索、Python、图像分析、文件解释和图像生成。

也就是说，你现在可以也用o3来生成吉卜力风格的奥特曼抱子图了（doge）。

还不只是能看懂、生成图像，官方提到，o3和o4-mini是OpenAI首次能将上传图像集成到思维链中的模型——

这意味着，它们可以基于图像展开思考，be like：

OpenAI表示，o3是他们目前最强大的推理模型，在编程、数学、科学、视觉感知等多个维度的基准测试中都刷新了SOTA，在分析图像、图表和图形等视觉任务中表现尤为出色。

在外部专家评估中，o3在困难现实任务中，能比o1少犯20%的重大错误。

而o4-mini则是一款专为快速、经济高效的推理而优化的小模型。

在专家评估中，o4-mini在非STEM任务以及数据科学领域都超过了前代的o3-mini。

在AIME 2024和AIME 2025中，甚至有超过o3的表现。

即日起，ChatGPT的Plus、Pro会员以及Team用户，都能直接体验o3、o4-mini和o4-mini-high，而原本的o1、o3-mini和o3-mini-high则已悄然下架。

实测o3/o4-mini

所以，在基准测试上表现如此强势的o3和o4-mini，具体能带来哪些体验上的改变？

Talk is cheap，来看实测案例。

在OpenAI的官方直播中，研究员们展示了这样一个用法：

让o3直接读一份未完成的学术海报，让它根据其中的研究线索，帮忙估算质子的同位旋矢量标量电荷，并搜索相关最新研究成果，对比新成果跟估算值的不同。

思考了不到3分钟，o3完全没有被难住，吐出了这样的结果：

网友们也第一时间给o3和o4-mini上了小球测试：

△

还有医学教授在抢先体验后表示：完全停不下来。

我觉得o3的智能程度已经达到或接近天才水平了！

这位医学专家表示，他在向o3提出一些颇具挑战的临床或医学问题时，o3能给出像直接来自顶级专科医生的回答。

我们也简单测试了一下，比如让o3和o4-mini分别解读一下“洛就完了”表情包。

o3：

o4-mini：

你pick哪个答案？

强化学习的Scaling Law

值得注意的是，在OpenAI o3的开发过程中，研究人员观察到：

大规模强化学习呈现出与预训练一样的“更大计算量=更好性能”的趋势。

而o3正是通过在强化学习中践行Scaling Law，得到了明显的性能提升。

OpenAI表示：

这证明了模型性能会随着思考时间的增加而持续提升。

在延迟和成本与OpenAI o1相同的条件下，o3实现了更强的性能——而且我们已经验证，如果让它思考更长时间，它的性能还会持续提升。

不过自打DeepSeek成了搅动大模型格局的鲶鱼，OpenAI也是越来越强调“性价比”了：

相比o1和o3-mini，o3和o4-mini更强了，但却更经济了！

比如，在AIME 2025中，o4-mini比之o3-mini、o3比之o1，都能在同样的推理成本下拿到更高的分数。

API定价方面，拉上1天前刚刚亮相的GPT-4.1，具体价格如下：

One More Thing

OpenAI再次开源了！发布一款一款本地代码智能体Codex CLI。

可将自然语言转化为可运行的代码，兼容所有OpenAI模型，包括刚刚发布的o3、o4-mini和GPT-4.1。

Codex CLI为已经习惯使用终端，并希望拥有ChatGPT级别推理能力以及实际运行代码、操作文件和迭代能力的开发者打造。

它是一种聊天驱动的开发方式 ，能够理解并执行本地代码库。

GitHub项目：https://github.com/openai/codex

参考资料：

[1]https://openai.com/index/introducing-o3-and-o4-mini/

[2]https://x.com/sama/status/1912558064739459315

本文来自微信公众号“量子位”，作者：关注前沿科技，36氪经授权发布。