4 月 17 日消息，今日凌晨的直播里，OpenAI 正式推出了 o3 以及 o4-mini 模型。IT 之家对相关内容进行了汇总，如下：
OpenAI 官方进行介绍，称这是其在 o 系列模型中最新训练出来的成果。它能够在回答之前进行更长时间的思考。同时还宣称自己是“迄今为止 OpenAI 发布的最智能的模型”。这代表了 GPT 能力的一次重大跨越。无论是好奇的用户，还是高级研究人员，都将因此而受益。
新的推理模型首次能够智能地使用 GPT 中的每一个工具，包括搜索网络。它还能够使用 Python 来分析上传的文件和其他数据。此外，它可以深入推理视觉输入，甚至能够生成图像。
关键的是，这些模型被训练用于推理使用工具的时机和方式，以产生详细且深思熟虑的答案，通常在不到一分钟的时间内就能做到，从而解决更复杂的问题。这使得它们能够更高效地处理多方面的问题，向着更智能、能够独立执行任务的 GPT 不断迈进。
性能表现
OpenAI 最强大的推理模型是 o3，它在编码领域、数学领域、科学领域以及视觉感知等领域都号称处于前沿地位，并且在包含 Codeforces、SWE-bench 和 MMMU 在内的基准测试中达到了新的 SOTA 水平。
OpenAI 表示，o3 很适合那些需要多方面进行分析且答案可能不那么明显的高级查询。它在对图像、图表和图形等视觉任务的分析方面表现得极为突出。在外部专家的评估里，o3 在较为困难的、现实世界的任务上比 OpenAI o1 少出现 20%的重大错误，尤其在编程、商业/咨询和创意构思等领域表现良好。
早期测试者强调了它具有作为思维伙伴的分析严谨性，还强调了它能够生成新颖假设并批判性地进行评估，尤其是在生物学、数学和工程的背景下。
OpenAI o4-mini 是一个被优化用于快速且具有成本效益推理的较小模型。它在自身的大小和成本方面展现出了“令人瞩目的性能”，尤其在数学、编码以及视觉任务上表现突出。在 AIME 2025 这个场合中，当给予 Python 解释器时，o4-mini 取得了 99.5%的得分。在专家的评估里，它在非 STEM 任务以及数据科学等领域比前辈 o3－mini 的表现更为优秀。因为它的效率高，所以 o4-mini 能够支持比 o3 高很多的使用限制，这使得它成为在推理方面能受益的问题的强大且具有高容量、高吞吐量的选项。
这两个模型与 OpenAI 的前几代推理模型相比，具有能够支持更加自然对话的特点。特别是当它们参考记忆以及过去的对话，从而使响应更加个性化且相关的时候。
能够推理图片
OpenAI 在整个 OpenAI o3 的开发进程里，发现大规模强化学习呈现出与 GPT 系列预训练时所观察到的相同趋势，即“更多计算能力就等于更好性能”。OpenAI 通过重走扩展路径，在训练计算和推理时间上推进了一个数量级，并且仍看到了明显的性能提升，这验证了随着模型被允许进行更多思考，其性能会持续提升。与 OpenAI o1 相比，在相同的延迟和成本下，o3 在 GPT 中能提供更高的性能，也就是说如果让它思考更长时间，其性能会持续攀升。
从这个实例能看出，这些模型能够把图像直接整合到它们的思维链里。它们并非仅仅是观看图像，而是运用图像来进行思考。这开启了一种新的问题解决类别，将视觉和文本推理融合在了一起。
人们能够上传白板的照片，也能够上传教科书的图表，还能够上传手绘的草图。即便这些图像存在模糊、颠倒或者质量很低的情况，模型依然可以对它们进行解读。借助使用工具，模型不但可以实时对图像进行操作，比如旋转、缩放，还可以将其作为推理过程的一部分来进行变换。
OpenAI 的 o3 和 o4-mini 能够完全访问 GPT 里的工具，并且可以通过 API 中的函数调用利用开发者自己的自定义工具。OpenAI 宣称，这些模型经过了训练，能够进行推理以解决问题，能够选择在何时以及如何使用工具，从而快速生成详细且经过深思熟虑的答案，通常在不足一分钟的时间内就能完成。
用户或许会询问：“加利福尼亚夏季的能源使用量跟去年相比是怎样的？”此模型能够搜索公共事业方面的数据，编写 Python 代码来进行预测，制作图表或图像，并且解释预测背后的关键因素，这些操作是通过多个工具的调用串联在一起的。推理能力让模型能够依据所遇到的信息进行反应和调整。它们能够借助搜索提供商多次对网络进行搜索，查看搜索结果，在需要更多信息时尝试进行新的搜索。
成本
从成本方面来讲，OpenAI 宣称 o3 和 o4-mini 是其曾经发布过的最为智能的模型。并且，它们通常比 o1 和 o3－mini 的效率要高。比如，在 2025 年的 AIME 数学竞赛里，o3 的性价比要比 o1 好。同样的，o4-mini 也比 o3－mini 更优秀。
安全性
安全性方面，OpenAI 的 o3 和 o4-mini 对安全训练数据进行了全新构建。在生物威胁（生物风险）、恶意软件生成以及越狱等领域，新增了拒绝提示。这些经过更新的数据使得 o3 和 o4-mini 在其内部的拒绝基准测试中表现出色，比如在指令层次结构、越狱等方面。
OpenAI 除了在模型拒绝方面有出色表现，还开发了系统级的缓解措施，用来标记前沿风险领域的危险提示。就像在图像生成方面做的早期工作一样，OpenAI 训练了一个推理 LLM 监控器，这个监控器依据人类编写的可解释安全规范来工作。当把它应用于生物风险时，该监控器成功地标记了大约 99%的对话。
怎么使用
GPT Edu 用户将在一周后获得访问权限。免费用户在提交查询之前能够选择“思考”，以此来尝试 o4-mini。所有计划内的速率限制和之前那一组模型的速率限制是一样的，没有发生改变。
OpenAI 预计在几周内会发布 OpenAI o3-pro ，并且会支持所有工具。当下，Pro 用户依然能够访问 o1-pro 。
今天更新的内容体现了 OpenAI 模型的发展趋向，即把 o 系列的专业推理能力与 GPT 系列的自然对话能力以及工具使用能力进行融合。
