OpenAI的12天12場直播收官，離AGI（artificial general intelligence，通用人工智能）似乎又更近了一步。

　　當地時間12月20日，和網友猜測的一樣，人工智能（AI）巨頭OpenAI發布最新推理模型o3和o3-mini。前一天，OpenAI公司CEO山姆·奧特曼（Sam Altman）就曾發文提到三個“o”暗示了o3的到來。

　　為何新模型跳過了o2直接命名o3？奧特曼表示是為了避免和英國電信運營商O2沖突，“按邏輯應該稱為o2，但我們起名字的能力實在太糟了，只能把它稱作o3”。

　　據介紹，在編碼測試SWE-Bench Verified中，o3性能比o1高出22.8%；在Codeforces競技編程中得分為2727分，相當于位列第175名的人類選手，甚至超過了OpenAI的首席科學家（2655分）；在數學競賽AIME 2024和專家級科學問題基準測試GPQA Diamond中成績都得到明顯提升；而在令很多AI和數學家都束手無策的最難數學和推理挑戰FrontierMath中，o3解決了25.2%的問題，其他模型均未超過2%。

　　不過，o3和o3-mini并未正式發布，安全研究人員目前可以注冊獲取o3-mini的預覽版，o3預覽版也將在之后的某個時間推出，OpenAI沒有給出具體時間。在直播的一開始，奧特曼也強調了此次并不是發布，只是宣布o3。他表示，計劃在1月底發布o3-mini，然后再發布o3。

　　據外媒報道，AI安全測試人員發現，與傳統的“非推理”模型相比，OpenAI此前發布的o1的推理能力使其試圖欺騙人類用戶的比例更高，同樣，Meta、Anthropic和谷歌的領先模型也是如此。而o3試圖欺騙用戶的比例可能比它的前身更高。

　　OpenAI在博客中表示，正在使用一種新技術“慎重對齊”（deliberative alignment），來使o3等模型符合其安全原則。

　　通過OpenAI所謂的“私人思維鏈”，o3被訓練成在做出反應之前先“思考”。可以對任務進行推理并提前規劃，在較長時間內執行一系列動作，幫助找出解決方案。

　　在實踐中，當收到一個提示時，o3會在做出反應之前暫停，考慮一些相關的提示，并沿途“解釋”其推理過程。一段時間后，模型會總結出它認為最準確的答案。o3 的新功能是“調整”推理時間，可以設置為低、中或高計算量（即思考時間），計算時間越長，執行任務時的表現就越好。

　　ARC-AGI（通用人工智能抽象與推理語料庫）發起者、Keras（用Python編寫的高級神經網絡API）之父弗朗索瓦·肖萊（Francois Chollet）在o3發布后公布了一篇測試報告。

　　報告顯示，o3在高計算量模式下獲得了87.5%的分數，在低計算量模式下，性能是o1的三倍。成本方面，低計算量模式下，每個任務需要花費20美元，而在高計算量模式中每個任務需要數千美元。

　　肖萊表示：“它非常昂貴，但并不只是‘蠻干’——這些能力是全新的領域，需要科學界的認真關注?！?/p>

　　肖萊認為，雖然o3給人留下了深刻印象，是邁向AGI的一個重要里程碑，但并不就是AGI，仍然有相當多非常簡單的ARC-AGI-1的任務是o3無法解決的，同時還有跡象表明ARC-AGI-2對o3來說仍極具挑戰性，“這表明在不涉及專業知識的情況下，創建對人類來說容易但對人工智能來說不可能的不飽和、有趣的基準仍然是可行的。當創建這樣的測試變得完全不可能時，我們將擁有AGI”。

　　當然，ARC-AGI只是AI領域的重要基準之一，對AGI的定義只是其中之一。

　　肖萊稱，主要需要解決的問題是o3背后技術的擴展瓶頸在哪。如果人類標注的CoT數據（Chain-of-Thought，思維鏈）是一個主要瓶頸，那么它的能力就會像大模型一樣迅速達到頂峰（直到下一個架構出現）。如果唯一的瓶頸是測試時間搜索（Test-Time Search），那么未來我們將看到持續的擴展。

　　值得一提的是，除了OpenAI，各家AI公司近期也紛紛發布推理模型。

　　11月16日，月之暗面（Moonshot AI）Kimi推出新一代數學推理模型k0-math；11月20日，DeepSeek發布了首個推理模型DeepSeek-R1-Lite預覽版。11月28日，阿里云通義團隊發布全新AI推理模型QwQ-32B-Preview；在當地時間12月19日，谷歌發布首個推理模型Gemini 2.0 Flash Thinking。

　　英偉達CEO黃仁勛在10月的一次訪談中曾表達了對于推理的看好。他認為：“現在我們在后訓練和推理階段看到了擴展，預訓練再也不被視為艱難，推理也變得復雜。推理方面即將因推理鏈的出現而大幅增長……這是一場智能生產的革命，推理的增長將達到億倍的規模，這就像上學是為了將來在社會中有所貢獻，訓練模型很重要，但最終的目標是推理”。

　　月之暗面Kimi創始人楊植麟也在11月表示，推理的占比必然會遠超訓練，AI產品包括AI技術接下來的發展，很重要的能力就是更加深度的推理，能夠把現在只是短鏈路的簡單的問答，變成更長鏈路的組合式任務的操作。