谷歌发布BIG-Bench超难基准：DeepSeek-R1得分6.8，只有o3-mini超过10分
近日，谷歌发布了一项高难度基准BIG-Bench Extra Hard（BBEH），旨在评估AI模型的高阶推理能力。该基准包含了23个任务，并将每个任务替换为更难的任务，覆盖更多方面的技能需求。如o3-mini (high)得分为44.8分不及格，而其它模型得分不超过10分。
O3-mini
GPT4.5正式发布，效果不及o3-mini，价格是DeepSeek三百倍
OpenAI发布号称最好和最大的聊天模型GPT 4.5，虽然在基准测试中表现一般，但其强大的无监督学习能力、更低的幻觉率以及新引入的安全技术备受关注。
o3-mini数学推理暴打DeepSeek-R1？AIME 2025初赛曝数据集污染大瓜
在AIME 2025 I数学竞赛中，o3-mini和DeepSeek R1分别取得了78%和65%的成绩。然而，一名教授发现某些小模型也能取得高分，质疑是否存在数据集污染。
🔥 OpenAI 官宣开放 o3 模型思维链，DeepSeek 实力抢镜！
今早OpenAI开放了o3-mini和o3-mini-high两个模型的思维链。作者对比测试了这三个模型对同一问题的不同回答过程，发现DeepSeek-R1的回答更真实可信。
OpenAI 突然公开 o3-mini 思维链！首秀遭质疑，实测对比 DeepSeek R1，差距太明显
OpenAI 公开了其最新模型 O3-mini 系列的新功能，用户现在可以看到模型在解答井字棋问题过程中的详细推理步骤。但 OpenAI 仍保留了部分处理步骤来确保安全性与透明度平衡。
突发！o3-mini思维链公开，却被曝光全是「作假」，奥特曼现身解释网友炸锅
OpenAI公开了o3-mini的思维链功能，但后续发现并非原始CoT。OpenAI研究员表示，他们正在努力整理原始的CoT并提供翻译，以保持内容的忠实度。
感谢DeepSeek，ChatGPT开始公开o3思维链，但不完整
OpenAI为ChatGPT上线了展示详细思维链内容的更新，但其展示的内容是经过总结和可能错误的版本。相比而言，DeepSeek可以展示完整的思维过程，并且在某些情况下能提供更好的用户体验。
DeepSeek影响还在持续！OpenAI突然宣布放开 o3 mini 思维链，但不是原始版本
DeepSeek R1 开源引发冲击，OpenAI 为 o3-mini 推出实时思维链功能。但 OpenAI 的“原始思维链”仍然保持高度保密。