OpenAI 發佈 o3 和 o4-mini
Introducing OpenAI o3 and o4-mini
OpenAI 發佈 o3 和 o4-mini,稱兩者是其迄今最智能、能力最強的模型,並提供完整工具存取權限。
於 June 10, 2025 更新: OpenAI o3‑pro 現已向 ChatGPT Pro 使用者開放,亦可透過我們的 API 使用。與 OpenAI o1‑pro 一樣,o3‑pro 是我們最智能模型 OpenAI o3 的一個版本,專為延長思考時間並提供最可靠的回應而設。完整詳情請參閱我們的 發佈說明(在新視窗中開啟)。
今日,我們推出 OpenAI o3 和 o4-mini,這是我們 o 系列中最新的模型,經訓練可在回應前進行更長時間的思考。這是我們迄今推出過最聰明的模型,代表 ChatGPT 能力的一次重大躍進,適用對象涵蓋好奇的使用者以至進階研究人員。推理模型首次能以代理方式使用並組合 ChatGPT 內的所有工具,包括搜尋網頁、使用 Python 分析已上載的檔案及其他資料、深入推理視覺輸入,甚至生成圖像。關鍵的是,這些模型經訓練後能推理何時以及如何使用工具,以正確的輸出格式提供詳盡而周全的答案,通常不到一分鐘即可完成,從而解決更複雜的問題。這讓它們能更有效地處理多方面的問題,是邁向更具代理能力的 ChatGPT 的一步,讓 ChatGPT 能代表你獨立執行任務。將最先進的推理能力與完整工具存取權結合,讓它們在學術基準測試和真實世界任務中的表現顯著提升,為智能和實用性都樹立新標準。
有何改變
OpenAI o3 是我們最強大的推理模型,在編程、數學、科學、視覺感知等領域推進技術前沿。它在多項基準測試上創下新的業界頂尖水平,包括 Codeforces、SWE-bench(無須建構專為該模型設計的自訂測試框架),以及 MMMU。它非常適合需要多方面分析、且答案未必能即時得出的複雜查詢。在分析圖像、圖表和圖形等視覺任務上,它的表現尤其出色。外部專家的評估顯示,在困難的真實世界任務中,o3 犯下的重大錯誤比 OpenAI o1 少 20 percent,尤其在編程、商業/顧問諮詢,以及創意構思等方面表現出色。早期測試者指出,它作為思考夥伴時分析嚴謹,並強調它能夠提出新穎假設並加以批判性評估,尤其是在生物學、數學和工程領域。
OpenAI o4-mini 是一款較小型模型,專為快速且符合成本效益的推理而最佳化;以其規模和成本而言,表現相當出色,尤其在數學、程式設計和視覺任務方面。它是在 AIME 2024 和 2025 基準測試中表現最佳的模型。雖然能使用電腦會大幅降低 AIME 考試的難度,我們仍認為 o4-mini 在可使用 Python 解譯器時,於 AIME 2025 達到 99.5% pass@1(100% consensus@8),這點值得注意。這些結果不應與未獲工具使用權的模型表現相比,但它們正好說明 o4-mini 能多有效地運用可用工具;o3 使用工具後在 AIME 2025 也有類似提升(98.4% pass@1,100% consensus@8)。
在專家評估中,o4-mini 在非 STEM 任務以及數據科學等領域的表現也勝過其前代 o3‑mini。由於效率較高,o4-mini 的使用限額遠高於 o3,適合需要推理的高用量、高吞吐量問題。外部專家評估人員認為,兩個模型的指示遵從能力均有所提升,回應比前代更實用、更易核實,這得益於智能提升及網絡來源的加入。與過往版本的推理模型相比,這兩個模型也會顯得更自然、更善於對話,尤其是在引用記憶和過往對話、令回應更個人化和切合情境時。
多模態
程式設計
所有 SWE-bench 評估均使用固定子集 n=477 個已驗證任務,而這些任務已在我們的內部基礎設施上驗證。
遵從指示與代理式工具使用
所有模型均在高 ‘推理力度’ 設定下接受評估,類似 ChatGPT 中的 ‘o4-mini-high’ 等變體。
繼續擴大強化學習的規模
在開發 OpenAI o3 的過程中,我們觀察到大規模強化學習也呈現出“more compute = better performance”這個趨勢,與 GPT‑series 預訓練中觀察到的一樣。透過重走擴展路徑——這次是在 RL 中——我們在訓練運算量和推理時的推理量上都再推進一個數量級,卻仍看到明確的效能提升,驗證了模型獲准思考的時間越長,表現便會持續改善。在與 OpenAI o1 延遲和成本相同的情況下,o3 在 ChatGPT 中表現更佳;我們亦已驗證,讓它思考更久時,表現會持續提升。
我們亦透過強化學習訓練兩個模型透過強化學習使用工具,教導它們不只要懂得如何使用工具,也要推理何時使用。它們能根據預期結果運用工具,因此在開放式情境中更有能力,尤其是涉及視覺推理和多步驟工作流程的情境。早期測試者的回報顯示,這項改進既反映於學術基準測試,也反映於真實世界任務中。
以圖像思考

首次,這些模型可將圖像直接整合到思維鏈中。它們不只是看見圖像,更會借助圖像進行思考。這解鎖了一類結合視覺與文字推理的新解題方式,並反映在它們於多模態基準測試中的最先進表現上。
使用者可以上載白板照片、教科書示意圖或手繪草圖,模型都能解讀,即使圖像模糊、倒轉或畫質欠佳也一樣。透過使用工具,模型可以即時處理圖像,在推理過程中旋轉、放大或轉換圖像。
這些模型在視覺感知任務上的準確度首屈一指,能解答以往無法處理的問題。閱讀視覺推理研究網誌了解更多。
邁向代理式工具使用
OpenAI o3 和 o4-mini 可全面使用 ChatGPT 內的工具,也能透過 API 函數呼叫使用你自己的自訂工具。這些模型經訓練後能推理如何解決問題,並選擇何時及如何使用工具,以迅速提供詳盡周全、格式恰當的答案,通常不到一分鐘。
例如,使用者可能會問:「加州夏季的能源用量與去年相比會如何?」模型可以搜尋網絡上的公用事業數據、編寫 Python 程式碼來建立預測、生成圖表或圖像,並解釋預測背後的關鍵因素,將多次工具呼叫串連起來。推理讓模型能根據遇到的資訊作出反應並按需調整方向。例如,它們可以透過搜尋服務提供商多次搜尋網絡、查看結果,並在需要更多資訊時嘗試新的搜尋。
這種靈活而具策略性的方法,讓模型能處理需要取得模型內置知識以外的最新資訊、進行延伸推理、綜合資訊,以及跨模態生成輸出的任務。
所有示例均由 OpenAI o3 完成。
推進具成本效益的推理
成本與效能:o3‑mini 和 o4-mini
成本與效能:o1 和 o3
OpenAI o3 和 o4-mini 是我們迄今推出過最智能的模型,而且往往比前代 OpenAI o1 和 o3‑mini 更有效率。例如,在 AIME 2025 數學競賽中,o3 的成本效能前沿嚴格優於 o1,o4-mini 的成本效能前沿亦同樣嚴格優於 o3‑mini。更普遍而言,我們預期在大多數真實世界的使用情況下,o3 和 o4-mini 也會分別比 o1 和 o3‑mini 更聰明、成本更低。
安全
模型能力每次提升,安全措施也必須相應加強。對於 OpenAI o3 和 o4-mini,我們全面重建安全訓練數據,在生物威脅(生物風險)、惡意軟件生成和越獄攻擊等領域加入新的拒答提示。更新後的數據讓 o3 和 o4-mini 在內部拒答基準測試(例如指示層級和越獄攻擊)中表現出色。除了模型拒答表現良好之外,我們亦開發了系統層級的緩解措施,用來標記前沿風險領域中的危險提示。與我們早前在圖像生成方面的工作相似,我們訓練了一個推理 LLM 監察器,依據由人類撰寫且可解讀的安全規格運作。將此監察器用於生物風險時,它在我們的人類紅隊測試活動中成功標記了約 99% 的對話。
我們以迄今最嚴格的安全計劃對兩個模型進行了壓力測試。按照我們更新後的 Preparedness Framework,我們在框架涵蓋的三個受追蹤能力範疇中評估了 o3 和 o4-mini:生物與化學、網絡安全,以及 AI 自我改進。根據這些評估的結果,我們認定 o3 和 o4‑mini 在全部三個類別中仍低於框架的「High」門檻。我們已將這些評估的詳細結果發布於隨附的 系統卡。
Codex CLI:終端機中的前沿推理
我們亦分享一項新實驗:Codex CLI 是一個輕量級編碼代理,可在終端機中執行。它可直接在你的電腦上運作,旨在充分發揮 o3 和 o4-mini 等模型的推理能力,並即將支援更多 API 模型,例如 GPT‑4.1。
你可以在命令列中傳送截圖或低保真草圖給模型,並結合本機程式碼的存取權,藉此運用多模態推理的優勢。我們將它視為連接模型、使用者和其電腦的精簡介面。Codex CLI 現已在 github.com/openai/codex(在新視窗中開啟) 開放原始碼。
與此同時,我們推出一項 $1 百萬計劃,支持使用 Codex CLI 和 OpenAI 模型的項目。我們將評估並接納資助申請,每筆資助金額為 $25,000 USD,並以 API 額度形式發放。提案可在此處提交。
使用權限
ChatGPT Plus、Pro 和 Team 使用者由今日起會在模型選擇器中看到 o3、o4-mini 和 o4-mini-high,取代 o1、o3‑mini 和 o3‑mini‑high。ChatGPT Enterprise 和 Edu 使用者將於一週後取得使用權。免費使用者可在提交查詢前,於撰寫框選取 'Think' 來試用 o4-mini。所有方案的速率限制維持與上一批模型相同。
我們預計數週後推出 OpenAI o3‑pro,並提供完整工具支援。目前,Pro 使用者仍可使用 o1‑pro。
o3 和 o4-mini 今日亦透過 Chat Completions API 及 Responses API 向開發者開放(部分開發者須先 驗證其組織(在新視窗中開啟) 才能使用這些模型)。Responses API 支援推理摘要、在函數呼叫前後保留推理 token 以提升效能,並即將支援網頁搜尋、檔案搜尋和程式碼解譯器等內置工具,供模型在推理時使用。要開始使用,請 瀏覽我們的文件(在新視窗中開啟),並留意更多更新。
接下來
今日的更新反映出我們模型的發展方向:我們正將 o 系列的專門推理能力,與 GPT‑series 更自然的對話能力及工具使用能力融合。透過整合這些優勢,我們未來的模型將支援流暢自然的對話,同時能主動使用工具並進行進階問題解決。
於 July 28, 2025 更新: SWE-Lancer 資料集及結果已更新至 July 17, 2025,詳見: https://github.com/openai/preparedness(在新視窗中開啟),亦可見於我們的系統卡。這次更新修正了幾項影響賺取美元金額結果的問題,並移除了執行期間連接互聯網的要求,消除了模型表現波動的一個主要來源。
於 April 16, 2025 更新: o3 在 Charxiv-r 和 Mathvista 上的結果已更新,以反映原評估中未採用的系統提示變更。
直播重播
作者
OpenAI
註腳
* tau-bench 評測數字以 5 次運行的平均值計算,以降低變異,而且運行時沒有使用任何自訂工具或提示。我們發現 tau-bench 零售任務的執行軌跡更容易出現用戶模型錯誤。 陰影柱所示的數字是在使用 GPT-4.1 作為用戶模型的測試中得出,因為它在遵循指示方面明顯優於 GPT-4o。
* SWE-bench 採用 256k 的最大上下文長度,令 o4-mini 的解題率提高約 3%,對 o3 解題率的影響則為 <1%。我們亦排除了 23 個無法在內部基礎設施上執行的樣本。
** 啟用網頁瀏覽時,模型有時會在網上找到確切答案,例如閱讀包含資料集樣題的網誌文章。我們採用兩種策略,緩解模型在瀏覽時作弊的疑慮:
過去我們曾觀察到模型從中作弊的封鎖網域。
使用推理模型作為監察器,檢查每次嘗試中的所有詞元,以識別可疑行為。可疑行為的定義是「某個頁面、檔案或片段,其主要用途是提供這個特定問題的確切答案,例如官方標準答案、外洩的『解答』片段,或逐字引用完整答案的討論。」良性行為的定義是「任何認真負責的人可能會查閱的權威資源(文件、手冊、學術論文、信譽良好的文章),即使其中偶然包含正確答案。」監察器判定執行過程可疑的任何嘗試,均計作錯誤。未通過這項檢查的大多數樣本,都是一些問題,其確切解答可在多個網上來源中找到,而這些來源無關於 HLE。
最後,由於 ChatGPT 和 OpenAI API 使用的搜尋引擎後端不同,我們透過網頁瀏覽進行的評估未必能在 OpenAI API 中完美重現。這些結果旨在反映 ChatGPT 的使用者體驗,但搜尋設定可能會因需求而隨時間改變。
貢獻者
Aaditya Singh, Aaron Schlesinger, Adam Fry, Adam Lerer, Adam Perelman, Adam Walker, Ahmed El-Kishky, Aidan Clark, Aidan McLaughlin, Aiden Low, Akila Welihinda, Akshay Nathan, Aleksander Madry, Aleksandra Spyra, Alex Karpenko, Alex Neitz, Alex Tachard Passos, Alex Wei, Alexander Prokofiev, Alexander Zielenski, Alexandra Barr, Alexey Ivanov, Alexi Christakis, Alfred Xue, Allison Tam, Ally Bennett, Ally Bennett , Amelia Liu, Amy McDonald Sandjideh, Ananya Kumar, Andre Saraiva, Andrea Vallone, Andrew Chen, Andrew Duberstein, Andrew Gibiansky, Andrew Kondrich, Andrew Tulloch, Andrey Mishchenko, Andy Applebaum, Andy Wang, Angela Baek, Annie Wei, Anting Shen, Antoine Pelisse, Anuj Saharan, Arun Vijayvergiya, Ashley Tyra, Ashvin Nair, Avi Nayak, Avital Oliver, Behrooz Ghorbani, Belinda Truong, Ben Sokolowsky, Beth Hoover, Bo Xu, Boaz Barak, Bohan Zhang, Borys Minaiev, Botao Hao, Bowen Baker, Bowen Cheng, Brandon McKinzie, Brandon Wang, Brian Hsu, Brian Yang, Brian Yu, Brian Zhang, Camillo Lugaresi, Carolina Paz, Carpus Chang, Cary Bassin , Cary Hudson, Casey Chu, Chak Li, Charles Zhao, Charlie Jatt, Charlotte Cole, Chelsea Voss, Chen Shen, Chengxu Zhuang, Chris Colby, Chris Hallacy , Chris Koch, Christina Kaplan, Christina Kim, Colin Reid, Colin Wei, Cristina Scheau, D. Sculley, Damien Deville, Dan Roberts, Dana Palmie, Dane Stuckey, Daniel Levine, David Hu, David Martin, David Robinson, David Sasaki, Davis Wu, Derek Chen, Dibya Bhattacharjee, Dimitris Tsipras, Dinghua Li, DJ Strouse, dmed Medina, Drew Hintz, Eddie Zhang, Edmund Wong, Elaine Ya Le, Eli Yani , Elizabeth Proehl, Emily Sokolova, Enoch Cheung, Eri Schwartz, Eric Mitchell, Eric Ning, Eric Sigler, Eric Wallace, Eugenio Panero, Evan Mays, Evgenii Nikishin, Fan Wang, Fangyuan Li, Filippo Raso, Foivos Tsimpourlas, Fouad Matin, Francis Song, Francis Zhang, Gary Yang, Gene Oden, Giambattista Parascandolo, Gildas Chabot, Grace Kim, Grace Zhao, Greg Brockman, Gregory Valiant, Guillaume Leclerc, Hadi Salman, Haitang Hu, Hannah Sheahan, Hao Sheng, Haoyu Wang, Henrique Ponde de Oliveira Pinto, Henry Aspegren, Heqing Yan, Hessam Bagherinezhad, Hongyu Ren, Hunter Lightman, Hyeonwoo Noh, Ian Kivlichan, Ian Sohl, Ignasi Clavera, Ikai Lan, Ilge Akkaya, Ilya Kostrikov, Irina Kofman, Isa Fulford, Jake Brill, Jakub Pachocki, James Betker, James Lee, James Qin, Jamie Kiros, Jason Ai, Jay Wang, Jean Harb, Jeff Mickey, Jeffrey Han, Jeffrey Wang, Jeremy Chen, Jerry Tworek, Jessica Liang, Jessica Shieh, Ji Lin, Jiahui Yu, Jianfeng Wang, Jie Tang, Jihan Yin, Jing Li, Joanne Jang, Joel Morris, Johannes Ferstad, Johannes Heidecke, John Fishbein, Jon Okun, Jonathan Gordon, Joost Huizinga, Jos Kraaijeveld, Joseph Mo, Josh Lawson , Josh Tobin, Junhua Mao, Kai Chen, Kai Hayashi, Karan Singhal, Karina Nguyen, Katy Shi, Kelly Stirman, Kenji Hata, Kenny Nguyen, Keren Gu-Lemberg, Kevin Gladstone, Kevin King, Kevin Liu, Kevin Lu, Kevin Park, Kevin Stone, Kevin Weil, Kevin Whinnery, Kevin Yu, Kote Mushegiani, Kristen Ying, Kristian Georgiev, Kshitij Gupta, Kyle Kosic, Lama Ahmad, Larry Lv, Lauren Itow, Lauren Yang, Lee Byron, Leo Chen, Leo Liu, Leon Maksin, Leyton Ho, Li Jing, Liang Xiong, Lin Yang, Linden Li, Lorenz Kuhn, Louis Feuvrier, Lu Zhang, Łukasz Kaiser, Mahmoud Eariby, Maja Trębacz, Manas Joglekar, Manoli Liodakis, Manuka Stratta, Mark Chen, Mark Hudnall, Mark Sun, Mark Wang, Martin Li, Marvin Zhang, Mateusz Litwin, Matt Jones, Matt Lim, Max Johnson, Max Schwarzer, Mayank Gupta, Meghan Shah, Mengqing Wang, Mengyuan Yan, Mia Glaese, Michael Bolin, Michael Lampe, Michael Malek, Michael Sharman, Michael Zhang, Michele Wang, Michelle Pokrass, Miguel Oom Temudo de Castro, Mihai Florian, Mike McClay, Mike Trpcic, Miki Habryn, Miles Wang, Ming Chen, Mingxuan Wang, Minnia Feng, Mitchell Gordon, Mo Bavarian, Mostafa Rohaninejad, Nacho Soto, Nakul Khanna, Nat McAleese, Natalie Staudacher, Natan LaFontaine, Neel Ajjarapu, Nick Felt, Nick Turley, Nikil Pancha, Nikita Mikhaylin, Niko Felix, Nikunj Handa, Ning Liu, Nishant Rai, Noah Jorgensen, Noam Brown, Oleg Boiko, Oleg Murk, Olivia Watkins, Olivier Godement, Oona Gleeson, Paul Ashbourne, Pavel Belov, Peter Flockhart, Peter Hoeschele, Peter Zhokhov, Philip Pronin, Phillip Guo, Phoebe Thacker, Prafulla Dhariwal, Prashanth R, Rachel Dias, Rahul Arora, Rajkumar Samuel, Rasmus Rygaard, Ravi Teja Mullapudi, Raymond Li, Raz Gaon, Reah Miyara, Reiichiro Nakano, Reimar Leike, Rennie Song, Rhythm Garg, RJ Marsan, Robert Xiong, Robin Brown, Roman Tsiupa, Rui Shu, Ruslan Nigmatullin, Saachi Jain, Saagar Patel, Sam Altman, Sam Toizer, Sam Toyer, Samir Ahmed, Samuel Miserendino, Samuel Wolrich , Sandhini Agarwal, Santiago Hernández, Sarah Dong, Savannah Heon, Scott Ethersmith, Scott Mayer McKinney, Sean Fitzgerald, Sever Banesiu, Shamez Hemani, Shengjia Zhao, Shengli Hu, Shibani Santurkar, Shreyas Krishnaswamy, Shuchao Bi, Shunyu Yao, Shuyuan Zhang, Simón Posada Fishman, Spencer Papay, Spug Golden, Srinivas Narayanan, Stanley Hsieh, Stephen Logsdon, Sundeep Tirumalareddy, Tal Stramer, Tao Wang, Tao Xin, Taylor Gordon, Tejal Patwardhan, Thibault Sottiaux, Tina Sriskandarajah, Tony Casparro, Tony Zhao, Trapit Bansal, Trevor Creech, Uzair Navid Iftikhar, Valerie Qi, Vineet Kosaraju, Vishal Kuo, Vitchyr Pong, Vivek Verma, Vlad Petrov, Wenda Zhou, Wenlei Xie, Wenting Zhan, Will DePue, Will Ellsworth, William Sheu, Wyatt Thompson, Yaming Lin, Yann Dubois, Yaodong Yu, Yara Khakbaz, Yash Patil, Yifan Wu, Yilong Qin, Yining Chen, Yirui Zhang, Yo Shavit , Young Cha, Yunyun Wang, Yushi Wang, Zack Sultan, Zehao Dou, Zewei Chu, Zheng Shao, Zhigang Wang, Zhishuai Zhang, Zihao Zhang
來源:OpenAI News · openai.com