o3-mini物理推理粉碎DeepSeek R1 OpenAI王者归来

今日头条
Toutiao
最新回复:2025年2月2日 12点7分 PT
  返回列表
91482 阅读
47 评论
新智元

【新智元导读】一场改写AI历史的震撼对决正在上演!就在昨天,当DeepSeek R1还在用「降维打击」重构AI格局时,OpenAI王者回归之作o3-mini已悄然降临,用实力证明——王者,从未离场!

在科技界,一天的时间足以改写历史。

DeepSeek R1用「降维打击」重构了AI界,OpenAI不甘示弱放出了o3-mini,再次加冕为王。

o3-mini的进步可不是一点半点,在数学代码等基准测试中,均拿下了最高的成绩。

甚至,在「物理模拟」高难度挑战战场上,o3-mini直接粉碎R1,展现出惊人的实力。

能够清晰地看出,o3-mini具备更强的物理推理能力,DeepSeek表现出明显的「反重力」现象。

prompt:write a Python program that shows a ball bouncing inside a spinning hexagon. The ball should be affected by gravity and friction, and it must bounce off the rotating walls realistically

在另一个演示中,更加复杂,不仅要考虑小球与墙壁的碰撞,还要考虑不同小球之间的相互碰撞。

prompt:Simulate multiple small balls bouncing inside a spinning rectangle. The balls should collide with each other and the walls

从单球反弹到多球碰撞,从简单物理到复杂系统,OpenAI的仿佛在诉说着「王者,从未离场」。

教授Derya Unutmaz对o3 mini表现的进步非常激动:

o3-mini只需一次提示就能准确生成符合物理定律的代码!与此同时,DeepSeek-R1对此却显得很吃力。这场AI竞赛正在全速加速,后来居上者,拭目以待。目前,OpenAI明显处于领先地位!」

此外,在「人类最后一场考试」的纯文本测试集上,新模型03-mini(medium/high)在准确率上超越了DeepSeek-R1。

奥特曼甚至自信的表示:「不久,人类就需要另一场考试了……」

然而,这只是OpenAI新模型的冰山一角。

奥特曼剧透o3-mini接下来还有更大的惊喜!

o3-mini还有好东西,很快就会给你,我想我们把最好的留到了最后!

编码吊打o1,最好的编程模型

在代码补全基准Codeforces排名中,相对o1系列模型,o3-mini进步明显。

而独立于LLM提供商的性能基准和定价排行,Artificial Analysis表示:「o3-mini是从o1-mini向前迈出的一大步。」

同时,公布了o3 mini的初步结果,完整的基准测试结果稍后推出:

人工分析质量指数为89,与DeepSeek R1匹配,略低于o1更便宜 - 每百万个token1.1美元/4.4美元的输入/输出定价,低于许多 DeepSeek R1 API(高于DeepSeek的甲方R1 API定价)快速-与o1-mini的速度相似,为170个token/秒,尽管这意味着2000个代币的「思考」时间仍然需要 ~12 秒

其中人工分析质量指数(Artifical Analyssi Quality Index)包含了MMLU、GPQA Diamond、Math-500和HumanEVal等多个测试基准。

相关排名如下:

AI初创企业CEO,Bindu Reddy,整体上o3击败了R1,特别是在编码方面,让人大吃一惊。

她认为综合考虑性能、速度和价格,o3-mini high是目前最好的大语言模型(LLM):

在编程上,o3-mini high大幅度领先o1、Sonnet以及其他模型

o3-mini high比Sonnet便宜2倍,比o1便宜15倍

o3-mini high比R1快约5倍

在所有类别中,o3-mini high仅次于01,是第2名最佳模型

具体结果如下:

对此,OpenAI研究员Clive Chan表示:「我每天都在cursor中使用o3-mini,它绝对是最好的编程模型。我基本上完全信任它的Python代码(不再有误解/偷懒的问题),而且即使我当前的项目涉及3种我不熟悉的编程语言,o3-mini也帮了大忙!」

全网实测

那么,o3-mini真实实力究竟如何?

如下来自全网实测的最全演示,即可揭晓谜底。

o3-mini彻底掌握了arXiv

OpenAI研究科学家Sebastien Bubeck表示,o3-mini是一个了不起的模型。

在理解和解析arXiv论文方面,o3-mini达到了全球独一无二的水平,成为真正的科研伙伴!

下面是一个看似简单但会让所有其他模型都感到困惑的问题,而o3-mini却能给出极其有用的答案。

它完全说到了点子上:与自收缩曲线的联系、依赖于维度的界限,甚至还引用了相关论文。

下面这个例子是Sebastien在不同主题的另一个查询。

有趣的是,o3-mini-high给出的参考文献「Bubeck and Ganguly」并不完全正确,但确实非常相关。

总的来说,它给出的参考文献都是「模糊准确的」,可能会混淆作者/期刊/标题,但令人惊讶的是这些引用仍然很有用。

他又表示,这些都是相当冷僻的问题,能够回答这两个问题的论文少于100篇(实际上更接近约10篇)。

能有一个模型可以回答只有O(10)数量级的人类知道答案的问题,这确实令人惊叹。

此外,Sebastien又演示了一个用o3-mini构建「我的世界」的演示。

AI物理新巅峰,轻松击败R1

Hyperbolic联创Yuchen Jin测试后惊叹道,o3-mini可能是目前最强的物理推理LLM!

o3-mini竟然成功生成了四维超立方体(Tesseract)内反弹小球的Python代码,展现出惊人的物理推理和数学建模能力。

Prompt: Write a Python script of a ball bouncing inside a tesseract

再来看R1的表现,显然不如o3-mini。‍

再来看o3-mini-high,demo中竟然翻车不如o3-mini?

Yuchen Jin多次尝试后发现,o3-mini-high在这个任务上表现糟糕,甚至比一次性生成的o3-mini版本还差!

其中一个版本居然只生成了小球,没有四维空间结构……

另一个很好展现o3-mini理解物理世界的demo。

「被o3-mini震撼到了(不仅仅是因为它的编程能力),更因为它那闪电般的速度。

它仅用19秒就一次性生成了这四个演示。我从未见过类似的东西。一个新的AI时代已经到来」。

沃顿商学院教授Ethan Mollick让o3-mini-high首次挑战生成动态海洋风暴Shader,没想到竟然成功了!

18秒,克隆一个应用

另一位OpenAI研究员Aidan Clark表示:「o3-mini在智能和速度的组合方面令人难以置信,我不知道该说什么,你只能自己去试试看了。」

在下面demo中,Clark要求o3-mini用单个Python文件写一个Twitter克隆应用。

整个过程只用了8秒。

一句话,生成游戏

用一句话制作的「贪吃蛇」游戏。

prompt:create a snake game, where snakes compete with each other

另一个动漫小人射击游戏。

还有网友通过o3-mini-high制作的太阳系3D模拟。

网友adi让o1和o3-mini分别建造一个巨大的、令人惊叹的、史诗般的漂浮城市。

prompt:build me a massive amazing epic a floating city

OpenAI王者重归

OpenAI的策略,已经重新获得了用户的「芳心」。

开发者Mckay Wrigley已经用o3-mini模型代替AI智能体和工作流中的o1模型。一切都正常工作,甚至有一些表现的更好,但是便宜了9倍,速度快了4倍。

他认为:「OpenAI对新模型的宣传明显不足——这绝对令人难以置信。o3& o3 Pro会很疯狂。」

03-mini和o1系列定价比较

根据Information报道,OpenAI2024年快速增长:

2024年,ChatGPT付费订阅用户已达1550万。企业的模型采用率增长了7倍。新推出的200美元/月Pro订阅计划,年收入已达3亿美元。

网友Prakash,则在X上列出了OpenAI的各部分收入:

ChatGPT Plus月经常性收入(MRR):3.33亿美元订阅价格:20美元/月月活用户(MAU):1665万ChatGPT Pro月经常性收入(MRR):2500万美元订阅价格:200美元/月月活用户(MAU):12.5万ChatGPT总收入月经常性收入(MRR):3.58亿美元年经常性收入(ARR):43亿美元API收入每分钟处理Token数量:14亿每年处理Token数量:735万亿每百万Token价格(以o3 mini输入价格计算):1.1美元年经常性收入(ARR):8.09亿美元总收入年经常性收入(ARR):51亿美元

他表示:「有趣的是,API收入远小于ChatGPT订阅收入,真正推动增长的还是消费级应用。」

网友Andrew Gao表示Anthropic正在吃掉OpenAI的市场份额。

OpenAI在企业客户中的份额从2023年的50%下降到了2024年的34%,具体如下:

OpenAI早已与美国政府合作,确保AI领域的领先地位。

在参加特朗普的就职典礼并宣布「星际之门」后,OpenAI首席执行官奥特曼,连续第二周来到华盛顿特区。

就在近日,在国会山附近的一次非正式演示中,奥特曼向美国政府领导人、政策专家和记者展示了即将推出的技术。

目的不仅是展示美国如何最大化人工智能带来的经济利益,还希望让华盛顿的领导者提前了解即将到来的技术能力,以减少他们在未来措手不及的可能性。

谈到能够自主完成现实世界任务的新型自主智能技术时,奥特曼表示:[我的直觉是……对美国经济贡献,这些技术将占个位数百分比。」

但与政府合作,并不是OpenAI唯一的选择。

外媒报道称,OpenAI为了实现增长,寄希望于更高级模型驱动的ChatGPT的高价订阅

五十而立
1 楼
好吧,物理推理爱好者可改用o3-mini。你是吗? [1评]
f
fkxfh
2 楼
一个普通用户,没什么可争的,觉得哪个好用就用哪个。但无论哪家获胜,最后倒霉的都是没能力的低端人口。全世界的权贵和富人才是真正的利益共同体。
y
yuanfangzhi
3 楼
中国人推出了DeepSeek, 狗粮各种冷嘲热讽,造谣抹黑,并支持封杀。 美国人的OpenAI出招反击,一群狗粮摇旗呐喊,给美国人助威。 狗粮就是狗日的!
闲人老修
4 楼
媚洋崇美。喜形于色。至于如此欢呼雀跃?
开心小黄人
5 楼
再牛逼。deepseek免费开源。就跟所有的编程语言一样。免费开源通用性强的python迅速占领市场
美国之阳
6 楼
DeepSeek对OpenAI的威胁就好比是华为手机对苹果手机的威胁。
简单人
7 楼
傻逼文章。O3處處有抄襲Deepseek 的痕跡
开心小黄人
8 楼
物理爱好者用不着o3-mini。因为他们自己就可以调。
把酒问明月
9 楼
奥特曼基友,人品太差,这是拿用户当傻子啊 — 在DeepSeek出现前,一直以极贵的费率让人用落后的东西,好东西藏着掖着
f
flying72
10 楼
80分对50分属于碾压,99分对95分,价格更重要
c
chenfengjj
11 楼
狗粮比较微软,英伟达,亚马逊的专家都牛!
R
Riordan
12 楼
一句话概括,股市不能崩,ai必须是美国№ 1,哈哈 泡沫需要继续吹,风不能停
金山浪人
13 楼
感谢Deepseek你才有免费的CloseAI o3-Mini用!在Deepseek横空出世之前丑国的AI用钱堆算力搞垄断卖高价的方法已经走入死胡同,DeepSeek的出现给AI发展指出了正确的道路,用开源AI的民主化打破了丑国对AI的封闭垄断,给全世界人民带来共享AI红利的新希望。
T
TEC101
14 楼
美国主子出手了!狗狗们纷纷摇着尾巴表示激动万分😂😂😂
y
yidianm
15 楼
傻逼说领先,智者说性价比
r
renanxing3390
16 楼
真棒自嗨😄
故乡
17 楼
所有倒赞都是四个狗粮统一执行,哈哈哈
T
Tian_1_5
18 楼
哇哦 舔的真干净呢 我就知道FB X都是骂的 你是怎么舔得下去的
学术大湿
19 楼
小心再被中国企业给蒸馏了
小曉古今
20 楼
粉碎个屁,开源打破產業龚断才是真
k
kkk_kk
21 楼
看完真无语,反智的都去亲自试下就是
J
Jetta
22 楼
OpenAI 啥时候open source
闲人老修
23 楼
o3-mini宣布免费服务,不是应该感谢deep seek吗?你们这些哈美的中国垃圾!
e
echoboy
24 楼
最后大家都免费 幸福的是所有用户 狗粮终于有免费的chatgpt写文案了
q
qw12zx
25 楼
湾湾嘴炮第一。怎不见蛙岛推出AI模型?
大学第十一年
26 楼
用狗粮的一句话,别人以开源,自己就开始吹牛逼了 [1评]
z
zm830116
27 楼
就问你免没免费?没有deepseek你美爹会免费给你用吗?黄皮狗自己想想、不要每天抢你白皮猪野爹的屎吃。
不得有空格
28 楼
打简体字说普通话的精神美国人过年了?
文学少年
29 楼
Open AI 在风雨飘摇中,狗粮堆积如山也无济于事。
30 楼
你们理解一下,要是奥特曼这死逼不把CloseAI吹上天,川王就要对他动手了,就算川王不懂,花街也不会放过他。所以,总得有人上天。 而作为狗艹的傻逼绿殖港台狗支,你们只需要跪着领着16亿,然后死命吹DeepSeek,这样CloseAI才会赏你们多点免费狗粮。
b
bignoseyan
31 楼
哈哈哈哈,比个屁,网民会给出答案的!
老童生
32 楼
只有老夫看到了“竞争能给消费者带来实惠,无论是性能还是价格。而垄断则意味着停滞不前” 吗?
a
anywho
33 楼
1450💩❗️
E
Edmondon
34 楼
傻逼狗粮自媒体,r1是语言模型,还有一个文生图的模型,你麻痹瞎鸡巴比较
出自网络
35 楼
该查查有没有蒸馏伸缩的数据
f
fengfengloup
36 楼
用实力说话,而不是下作的抹黑,下绊子。 这才是竞争的正确打开模式。
这是神马情况
37 楼
哈哈,强国马上就会通过下三滥手段宣称再次“遥遥领先”!
a
albertjia!
38 楼
狗粮主子笑而不语,只觉得菊花一阵舒爽,隔夜大便喷涌而出,狗粮晚餐有了!
b
baihe_xianyang
39 楼
卧槽,看楼下狗粮傻逼统一的点踩数,就知道DS真的扎了狗粮的肺管子了。