OpenAI正式发布o3 - 通往AGI的路上，已经没有了任何阻碍

　　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AIEM2024和博士级科学考试GPQA Diamond。

　　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，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 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，ChatGPT Pro会员上线，o1pro推出。

　　Day2:基于o1的强化微调。

　　Day3:Sora正式发布。

　　Day4:ChatGPT Canvas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:ChatGPT Search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:OpenAI o3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。