今天凌晨，OpenAI宣布推出两款全新推理模型o3和o4-mini。据OpenAI介绍，o3堪称其史上最先进推理模型，在数学、编码、推理、科学及视觉理解能力测试中，成绩远超以往模型。o4-mini则巧妙平衡价格、速度与性能，成为一个极具吸引力的选择。与旧版推理模型不同的是，o3和o4-mini可借助ChatGPT中的网页浏览、Python代码执行、图像处理及图像生成等工具生成回复。

OpenAI强调，o3和o4-mini是首批具备“图像思考”能力的模型。用户可上传白板草图、PDF图表等图像至ChatGPT，模型会在“思维链”阶段分析图像后作答。该能力可以让模型处理模糊、低质量图像，还能在推理时执行图像缩放、旋转等操作。此外，两款模型还能通过ChatGPT的Canvas功能在浏览器中运行Python代码，并在用户询问时事时进行网页搜索。

性能数据显示，o3在衡量编码能力的SWE-bench验证测试（无定制架构辅助）中表现卓越，得分高达69.1%。o4-mini同样表现出色，得分68.1%，远超OpenAI的o3-mini（49.3%），也优于Claude 3.7 Sonnet的62.3%。

除ChatGPT外，o3、o4-mini和o4-mini-high三款模型还将通过OpenAI面向开发者的Chat Completions API和Responses API终端提供服务，工程师可按需付费，利用这些模型开发应用。在价格方面，鉴于o3性能提升，OpenAI定价还算亲民，输入每百万令牌收费10美元（约75万字），输出每百万令牌收费40美元。o4-mini收费标准与o3-mini一致，输入每百万令牌1.10美元，输出每百万令牌4.40美元。

在模型的使用方面，从发布日起，OpenAI的Pro、Plus和Team计划订阅用户将率先获得o3、o4-mini和o4-mini-high的使用权限，企业和教育用户需等待一周。OpenAI还将在未来几周内在API中发布这些模型，并支持工具使用功能。

有网友在测试之后，对o3的能力进行了总结，并称o3为“轻量级深度研究工具”。给它设定一项任务，然后过30秒或3分钟再来看，就能得到一个详尽的答案。它可以循环使用网页搜索、代码解释器、提醒功能和记忆等工具，这样一来，它可以编写复杂的功能代码，针对长篇文档回答棘手的研究问题，甚至还能为用户打造一门课程，并每天提醒用户去学习。

在测试中，o3始终比Anthropic的3.7 Sonnet和谷歌的Gemini 2.5 Pro速度更快，使用起来感觉很流畅。速度快。o3非常智能，给o3模型出了一些专家级别的数独难题，它一次就成功解出了，而Gemini 2.5 Pro和3.7 Sonnet都失败了。

它不像o1那样在社交互动方面表现生硬，也不像3.7 Sonnet那样刻意用力。它能理解用户的意图，并高质量地完成用户下达的指令。当让o3复一个漏洞时，它不会像Sonnet那样不管不顾地试图去做一些过于复杂的事。它也比其他o系列模型更有“氛围感”，和它交流更有趣，虽然它在写作方面不如GPT-4.5或Sonnet 3.5那么出色，但也很不错。

值得一提的是，o3险些与ChatGPT失之交臂。今年2月，OpenAI首席执行官萨姆·奥特曼曾暗示将资源投向融合o3技术的复杂替代方案。然而，DeepSeek、谷歌、Meta、xAI、Anthropic等竞争对手迅速跟进，推出性能相当甚至超越OpenAI的o1产品。紧接着，推理模型成为各AI实验室提升系统性能的核心发力点。最终在竞争压力下，OpenAI改变计划，决定推出o3。

OpenAI还透露，未来几周将推出o3-pro，该版本将利用更多计算资源生成答案，仅面向ChatGPT Pro订阅用户。萨姆·奥特曼指出，在GPT-5推出前，o3和o4-mini可能是ChatGPT中最后两款独立AI推理模型，而GPT-5将整合传统模型与推理模型。

参考资料：https://openai.com/index/thinking-with-images/

https://openai.com/index/introducing-o3-and-o4-mini/

https://x.com/aidan_mclau/status/1912580976456474812