作者｜沐风
来源｜AI先锋官
就在今天凌晨，OpenAI以一场20分钟的极简直播发布了满血版o3和o4-mini。
o3满血版和o4-min的登场，堪称视觉推理领域的一次革命。
它首次实现了“用图像思考”，将图像推理与思维链相结合，这种能力使得模型可以像人类一样从图表、图形，甚至是对图像中提取信息、进行深度推理并解决问题。
据最新测试结果，o3和o4-mini（无工具版本）在AIME 2024数学竞赛题目中的准确率分别达91.6%和93.4%。
一旦允许它调用Python，o3准确率就飙到95.2%，而o4-mini则冲到98.7%。
另外，在AIME 2025中，o4-mini配合Python解释器取得了99.5%高分，几乎满分拿下这项基准测试。
在Codeforces编程竞赛评分中，o3和o4-mini得分均超2700分，显示出在复杂数学与代码任务中的强大推理与执行能力。
再来看PhD级科学题（GPQA Diamond）和专家级综合测试（Humanity’s Last Exam），无需额外工具时，o3在科学题上能以 83.3%稍微领先于o4-mini的81.4%。
而面对专家综合考题，不带插件的o3准确率约为20.3%，添上Python、网络浏览甚至调用多种工具后能推到24.9%。
相比之下，不带插件的o4-mini为14.3%，但借助插件也仅为17.7%，不及o3。
我们再来看看MMMU、MathVista、CharXiv-Reasoning三个数据集。
在大学级别的MMMU数据集上，o3直接达到了82.9%，o4-mini为81.6%，而o1在只拿到了77.6%，
面对直观的MathVista，o1只有71.8%，o3则直接冲到87.5%。
在CharXiv-Reasoning上，o3更是远超o1的55.1%，拿到了75.4%。
不得不说，这次o3满血版和o4-mini将视觉推理能力推到了一个全新的高度。
不过，这个成绩的代价是，需要投入o1十倍以上的算力。
从今天起，Plus、Pro和Team用户将第一时间体验到o3、o4-mini和o4-mini-high，它们将取代o1、o3-mini和o3-mini-high。
同时，这两款模型也将通过Chat Completions API和Responses API，向所有开发者提供。
在定价上，o3比o1的定价便宜了三分之一，o4-mini相比o3-mini没涨价。
与o1相比，o3和o4-mini不仅支持了OpenAI的所有工具，还新添了一个特性“视觉推理”。
o3和o4-mini可以将图像直接整合到他们的思维链中。
他们不仅看到图像，还可以随图像一起思考。它融合了视觉和文本推理，解锁了一类新的问题解决方式。
用户上传照片、教科书图表或手绘草图后，模型可以对其进行解释，即使图像模糊、颠倒或质量低下，模型也能放大看清细节。
比如，一个放在桌子上几乎与视线平行的笔记本，上面有两行倒置且模糊的字，问他“笔记本上写了什么？”
另外，最新的视觉推理模型还可以与 Python 数据分析、网络搜索、图像生成等其他工具协同工作，以创造性和有效地解决更复杂的问题。
不难看出，视觉推理让AI具备了在一种专业场景下的观察力，这也意味着很多原本需要人眼判断的岗位，会被彻底改写。
除了模型本身，OpenAI 这次还开源了一个新工具“Codex CLI”。一个可以直接在终端（terminal）运行的轻量级AI编程助手，支持调用 o3 和 o4-mini 等模型。
https://github.com/openai/codex
OpenAI还透露将在数周内推出 o3-pro，提供更全面的工具支持。
（文：AI先锋官）
