划重点
01OpenAI推出o3系列大模型,称其推理能力非常接近通用人工智能(AGI)。
02o3模型和主流AI模型的最大不同点是展开事实核查,以规避常见模型陷阱。
03除此之外,o3模型使用“私人思想链”进行“思考”,可在响应前暂停并考虑相关提示。
04o3模型具有低、中、高三种计算级别,计算级别越高,任务执行性能越好。
05尽管o3模型能力令人印象深刻,但潜在风险仍需关注,OpenAI承诺致力于模型安全。
以上内容由腾讯混元大模型生成,仅供参考
IT之家 12 月 21 日消息,“12 Days of OpenAI”活动已拉上帷幕,OpenAI 的 o3 系列大模型压台登场,官方称在某些场景下,其推理能力非常接近通用人工智能(AGI)。
名称
最新的 AI 模型为何跳过 o2,叫做 o3 呢?OpenAI 公司首席执行官山姆・阿尔特曼(Sam Altman)在今天早上的直播活动,表示是为了规避和英国电信运营商 O2 的商标冲突。
邀请安全测试
o3 是 o1 推理模型的继任者,包含完整版和精简版(o3-mini),后者主要针对特定任务进行了微调。
OpenAI 公司暂未完全开放 o3 和 o3-mini 两款模型,即日起先邀请安全研究人员,注册测试预览版 o3-mini 模型,后续再推出 o3 预览版。
现在,感兴趣的朋友可以提交申请:https://openai.com/index/early-access-for-safety-testing/。
阿尔特曼并未公布 o3 模型的具体开放日期,仅透露 2025 年 1 月底推出 o3-mini,后续再推出 o3。
o3 模型推理
OpenAI o3 模型和主流 AI 模型的一个最大不同点,在于会展开事实核查,从而可以规避一些常见的模型陷阱,但这个过程会产生响应延迟,根据推理难度,通常是几秒到几分钟。
o3 系列模型的另一个亮点是使用“私人思想链”(private chain of thought)进行“思考”,它可以在响应前暂停,考虑相关提示并解释其推理过程,最终总结出最准确的答案。
o3 的新功能之一是可以调整推理时间,分为低、中、高三种计算级别,计算级别越高,o3 的任务执行性能越好。
性能和 AGI
AGI 的全称是 artificial general intelligence,直译过来就是通用人工智能,泛指 AI 可以像人类一样执行任何任务,OpenAI 公司官方定义为“在最具经济价值的工作中超越人类的高度自治系统”。
OpenAI 公司正积极朝 AGI 目标迈进,除了巩固其在 AI 领域的地位之外,还在投资领域有特别的含义。
根据 OpenAI 与密切合作伙伴和投资者微软的交易条款,一旦 OpenAI 达到 AGI,公司就不再有义务向微软提供其最先进的技术(即符合 OpenAI 的 AGI 定义的技术)。
而 o3 是 OpenAI 是迈向该目标的重要一步,在 ARC-AGI 基准测试中,o3 在高计算设置下获得了 87.5% 的分数,在低计算设置下得分为 75.7%,性能是 o1 的三倍。
ARC-AGI 联合创始人 François Chollet 表示,诚然高计算设置非常昂贵,每个任务要花费数千美元。
IT之家援引该媒体报道,在其他基准测试中,o3 表现出色:
在 SWE-Bench Verified 编程任务基准测试中,o3 比 o1 高出 22.8 个百分点;
在 Codeforces 编程技能测试中,o3 获得了 2727 的评分;
在 2024 年美国数学邀请赛中,o3 得分 96.7%;
在 GPQA Diamond 研究生水平生物、物理和化学测试中,o3 得分 87.7%;
在 EpochAI 的 Frontier Math 基准测试中,o3 解决了 25.2% 的问题(其他模型均不超过 2%),创造了新纪录。
这些结果来自 OpenAI 的内部评估,需要等待外部客户和机构的基准测试结果来进一步验证。
安全
o3 的发布标志着 OpenAI 在通用人工智能领域迈出了重要一步。虽然 o3 的能力令人印象深刻,但其潜在风险也需要引起重视。OpenAI 承诺将致力于模型安全,并与其他机构合作构建更完善的基准测试体系。