OpenAI正式发布o3 - 通往AGI的路上，已经没有了任何阻_

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。OpenAI o3。

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-Bench Verified），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AIEM 2024和博士级科学考试GPQA Diamond。AIEM 2024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，Epoch AI 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 Gemini 1.5 Pro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% * o1 Pro (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。

网址在此：https://openai.com/index/early-access-for-safety-testing/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。Day 1：满血o1上线，ChatGPT Pro会员上线，o1 pro推出。