Introducing OpenAI o3 and o4-mini
原标题
Introducing OpenAI o3 and o4-mini
中文标题
OpenAI发布o3与o4-mini：新一代推理模型的全面进化
一句话摘要
OpenAI于2025年4月16日正式发布o3和o4-mini两款推理模型，首次实现多模态推理与全工具集成，在数学、编程、视觉理解等基准测试中全面刷新纪录。
核心内容
发布背景
2025年4月16日，OpenAI正式发布了o3和o4-mini两款最新推理模型。这两款模型代表了OpenAI推理模型家族的重大飞跃——它们不仅是"会思考的AI"，更是首次能够在ChatGPT中使用所有工具的推理模型，包括网页搜索、Python代码分析、视觉输入推理和图像生成。
o3：旗舰推理模型
o3是OpenAI迄今最强大的推理模型。在外部专家的评估中，o3在困难的真实世界任务上比o1减少了20%的重大错误，尤其在编程、商业咨询和创意构思等领域表现突出。
o3在多项基准测试中创下新的最优成绩（SOTA）：
- AIME 2025（数学）：88.9%（无工具），98.4%（使用Python解释器）
- Codeforces（竞赛编程）：Elo评分2706
- SWE-Bench Verified（软件工程）：69.1%
- MMMU（多模态理解）：82.9%
o4-mini：高效推理的典范
o4-mini是一款针对快速、低成本推理而优化的小型模型，在数学、编程和视觉任务上的表现令人惊叹：
- AIME 2025：92.7%（无工具），99.5%（使用Python解释器，consensus@8达到100%）
- Codeforces：Elo评分2719（甚至超过o3）
- SWE-Bench Verified：68.1%
- MMMU：81.6%
多模态推理：用图像"思考"
这两款模型首次能够将图像直接整合到思维链中。它们不只是"看到"图像——而是"用图像思考"。这解锁了一类全新的问题求解方式，将视觉推理与文本推理融为一体，在多模态基准测试中表现卓越。
全工具集成
o3和o4-mini在ChatGPT中可以完整使用所有工具，同时通过API中的函数调用（function calling）支持开发者的自定义工具。这意味着推理模型不再是一个"只会思考"的黑箱，而是一个能够搜索网络、执行代码、分析文件的完整智能体。
定价策略
o4-mini的定价极具竞争力：输入$1.10/百万tokens，输出$4.40/百万tokens；而o3为输入$10、输出$40。两者价格相差近10倍，为不同需求的开发者提供了灵活选择。
可用性
付费ChatGPT用户（Plus、Pro、Team）可立即使用o3、o4-mini和o4-mini-high，企业版和教育版用户稍后将获得访问权限。
技术要点
- 多模态推理突破：首次在推理模型中实现图像融入思维链，模型能够"用图像思考"而非仅仅"看到图像"
- 全工具集成：推理模型首次获得ChatGPT全工具套件的完整访问权，包括网页搜索、Python执行、视觉推理和图像生成
- 效率与性能的平衡：o4-mini以不到o3十分之一的成本，在AIME数学基准上甚至超越了o3（99.5% vs 98.4%）
- 竞赛级编程能力：o3和o4-mini的Codeforces Elo评分分别达到2706和2719，超过99%的人类参赛者
- 软件工程实力：在SWE-Bench Verified上无需定制化脚手架即达到SOTA，证明了模型在真实代码库中的实用价值
深度解读
o3和o4-mini的发布标志着推理模型从"学术实验"走向"生产就绪"的关键转折点。
推理模型的范式转变：早期的推理模型（如o1）虽然在特定任务上展现了额外计算换取更高可靠性的潜力，但其应用场景相对有限。o3和o4-mini则通过全工具集成，将推理能力与实际操作能力融合，使模型不再只是一个"思考者"，而成为一个真正的"行动者"。
多模态推理的意义：将图像纳入思维链是一个看似简单却意义深远的创新。这意味着模型在解决包含图表、公式、代码截图等视觉信息的复杂问题时，能够像人类专家一样在视觉和语言两个维度之间自如切换。
o4-mini的战略价值：o4-mini的存在证明了一个重要趋势——推理能力不再是前沿专属功能。通过更高效的模型架构，高质量的推理能力可以以极低的成本交付给开发者，这将大幅降低AI应用的准入门槛。
对开发者生态的影响：API中的函数调用支持意味着开发者可以构建基于推理模型的智能体工作流，让模型在需要时深度思考、在适合时快速响应，实现真正的自适应智能。
延伸思考
- 推理模型与通用模型（如GPT系列）的融合趋势已经显现——未来是否会出现一个统一的"全能"模型，还是说专用推理模型仍有不可替代的价值？
- o4-mini以低成本实现接近o3的性能，这是否预示着推理能力将很快成为AI模型的"标配"而非"差异化优势"？
- 多模态推理在医疗影像分析、工程设计审查、科研数据解读等领域可能带来怎样的突破性应用？
- 当推理模型拥有工具使用能力后，如何确保模型在"思考"阶段不会对工具产生过度依赖，从而影响推理质量？