今日清晨，奥特曼忽然发文宣告推出自家最新的 o 系列模型：满血版 o3 和 o4-mini，一起表明这两款模型都不能自制自在调用 ChatGPT 里的各种东西，包含但不限于图画生成、图画剖析、文件解说、网络查找、Python。

总的来说，便是比前一代的功用更强并且价格更低。

音讯一出，立刻就有网友晒出了两个模型的“小球测验”效果，并配文：“这确实是迄今为止看到的最好的测验效果了。”。

也有网友晒出了满血版 o3 和 o4-mini 在 HLM 基准的中的排名，其间 OpenAI 的两款新模型仅用了几个小时的时刻就稳稳的“盘”上了榜单前三，引得网友大喊震动。

o3 与 o4 mini 全面进化。

除了网友们的测评效果外，不露锋芒也来看一下 OpenAI 给出的两个模型的官方数据。

首要，o3 在多个基准测验中体现优异，包含 Codeforces、SWE-bench 和 MMMU 等，改写了多项纪录。除此之外，o3 在应对杂乱实践使命时，比 OpenAI o1 减少了 20% 的严重过错，尤其在编程、商业咨询和构思构思领的方面才干最为杰出。

o4 mini 这边，别看它体量不大，但专为快速、高效的推理使命而规划，不能自制支撑比 o3 更高的运用频率。

在数学、编程和视觉使命上的体现依然十分亮眼。在 2025 年 AIME 数学比赛中，凭借 Python 解说器的协助，o4-mini 取得了99.5%的高分，简直达到了该测验的满分水平。专家评价相同显现，它在非 STEM 使命以及数据科学范畴的体现现已逾越了 o3-mini。

此外，o3 和 o4-mini 初次完结了将图画直接融入思想链的才干，它们不只“看得见”图画，更能“经过图画考虑”。这带来了视觉与文本推理的全新交融方法，明显提升了它们在多模态使命中的体现。

关于这点，OpenAI 图画推理研讨员 Jiahui Yu 发文称：“自开始推出 o 系列以来，“图画考虑”始终是不露锋芒在感知范畴的中心战略之一。前期发布的 o1 vision，曾为这一方向供给了开始的探究与预览；而现在，跟着 o3 和 o4-mini 的发布，这一战略总算以更为老练和完好的方法落地。多模态才干的继续演进，不只推动了模型在了解国际方法上的跃升，也成为 OpenAI 完结 AGI 愿景中不可或缺的要害一环。”。

模型功用毋庸置疑，而关于这两款模型不能自制自在调用 ChatGPT 里的各种东西的才干，OpenAI 首席研讨官 Mark Chen 也发文表明：一旦推理模型学会了端到端地运用东西，它们就会变得愈加强壮，而最新的 o 系列模型正在“向未来迈出的质的一步”。

所谓“质的一步”，无非是将大模型的才干扩展到现在最火的 Agent 范畴，值得一提的是，这现已不是 OpenAI 第一次向 Agent 范畴进发了。

今年年初，OpenAI 连续推出 Operator 和 Deep Research 两个产品宣告向 Agent 进发，在此之前，他们还推出过一个类似于代理帮手的 Agent 产品 —— ChatGPT tasks，来试了试水花。

而这次的满血版 o3 和 o4 mini 则是支撑直接调用 ChatGPT 里的各种东西，从之前的“聪明大脑”直接进化为了“灵活双手”。

有网友在试过了 o3 最新模型的调用才干后表明，模型帮他做了一些需求跨东西才干完结的喜欢，这让他感觉到了 Agent 给人们带来的快捷。

OpenAI 做 Agent，得天独厚。

关于怎么才干做出真实的 Agent，现在坊间的干流观念是：强化学习加基座模型。

但在 Agent 的实践研制中，大多数专心于 Agent 的公司并不具有自研基座模型的才干，不能自制组成强化学习团队的更是百里挑一。它们仅有的时机，往往在于依托强悍的工程才干继续打磨产品体会，或经过差异化定位，探究某些功用层面的立异。

但是，因为缺少底层模型的掌控权，这样的尽力毕竟仅仅为自己在与大模型公司的赛道上争夺少许缓冲时刻。正因如此，那些具有练习根底模型才干的公司，在开发 Agent 时，往往不能自制完结事半功倍的作用，占有天然优势。

偶然的是，Deep Research 团队曾在屡次访谈中着重，他们以为根据强化学习的端到端练习是当时 Agent 技能革新的要害所在，原因在于强化学习不能自制有用打破传统 AI 系统在杂乱场景中面对的灵活性缺乏和泛化才干受限的问题。

在此根底上，叠加 OpenAI 本身在根底模型上的强壮优势，或许不久之后，Agent 就会被吃进 ChatGTP 的某个版别之中。

一位长时间从事 Agent 方向的研讨人员曾对 AI 科技谈论表明：“用强化学习练习 Agent，实质上更像是将言语模型的才干在特定环境中进行定向强化和适配。也便是说，强化学习更多是在协助言语模型在某一特定场景中“训得很好”。但是，现在许多学术研讨仍停留在运用较根底的 base model 进行环境内练习，这样的喜欢即使做到极致，其效果也往往仅仅某个环境下的“特化版别”，难以完结跨环境的泛化才干，因而其实践意义和使用价值依然有限。”。

顺着这个点往下看，不难发现其实 OpenAI 现已一起把握了根底模型和练习方法，具有从底层才干到上层产品的完好控制权，也因而在定价便利具有了更大的自主权。

例如，Deep Research 的 Agent 以每月 200 美金的价格对外订阅，悉数收入不能自制留在系统内部，而那些依靠第三方模型的独立 Agent 团队，不只遭到 API 本钱和模型功用动摇的约束，在产品定价上也显得绰绰有余。

“略知皮毛”不如洞彻实质，“套壳”并不是长久之计，这么一看，OpenAI 做 Agent，就得天独厚。

开源 Codex CLI。

新模型之外，OpenAI 还开源了一款本地代码智能体：Codex CLI。它是一个轻量级的编码帮手，可直接在用户的终端命令行中运转，为的是充分发挥 o3、o4-mini 等模型的推理才干，紧密连接本地开发环境，未来还会支撑 GPT 4.1 等其他模型。

值得一提的是，它乃至支撑经过截图或手绘草图进行多模态编程，直接改写了代码交互与内容了解的鸿沟。

(大众号：)观察到，为了测验这个功用，在发布会的直播中，开发人员还现场用 Codex CLI 展现了一波施行拍摄的 ASCII 画面，让不少直播间网友大喊：“Intresting！”参阅链接：

https://x.com/sama/status/1912558495997784441。

https://news.ycombinator.com/item?id=43707719#43711155。

https://github.com/openai/codex。

https://x.com/jhyuxm/status/1912562461624131982。

原创文章，未经授权制止转载。概况见转载须知。

内容来源：https://artdesignphuong.com/app-1/bigbet88,http://chatbotjud-teste.saude.mg.gov.br/app-1/hype-games

(责任编辑：人文)