速递｜GPT-5前的最后冲锋？OpenAI亮出o3与o4-mini双模型，实现“用图像思考”

Techcrunch 2025-04-17 17:58 上海

定价：o3以10美元/百万token，o4-mini则以4.4美元/百万token

图片来源：Unsplash

OpenAI 于4月16日，宣布推出 o3 和 o4-mini 两款新型 AI 推理模型，该公司称 o3 是其迄今为止最先进的推理模型，在数学、编程、推理、科学及视觉理解能力的测试中超越了此前所有模型。

而 o4-mini 则提供了 OpenAI 所称的在价格、速度与性能之间的理想平衡——这三个因素常是开发者选择 AI 模型驱动应用时的考量重点。

不同于以往的推理模型，o3 和 o4-mini 能利用 ChatGPT 中的工具生成回答，如网页浏览、Python 代码执行、图像处理及生成。

从今日起，这些模型及名为“o4-mini-high”的变体（该版本花费更多时间打磨答案以提高可靠性）已面向 OpenAI 的 Pro、Plus 和 Team 订阅计划用户开放。

新模型的推出是 OpenAI 在全球激烈 AI 竞赛中超越谷歌、Meta、xAI、Anthropic 和 deepseek 的努力之一。

尽管 OpenAI 率先发布了 AI 推理模型 o1，但竞争对手迅速跟进，推出了性能相当或超越 OpenAI 产品线的自有版本。事实上，随着 AI 实验室寻求从系统中榨取更多性能，推理模型已开始主导这一领域。

O3 几乎未能登陆 ChatGPT。OpenAI 的CEO Sam Altman 在二月份曾表示，公司计划将更多资源投入整合 o3 技术的复杂替代方案。但竞争压力最终似乎促使 OpenAI 改变了路线。

OpenAI 表示，o3 在衡量编码能力的 SWE-bench 验证测试（无自定义脚手架）中达到了最先进的性能水平，得分为 69.1%。o4-mini 模型表现相近，得分为 68.1%。OpenAI 次优模型 o3-mini 在该测试中得分为 49.3%，而 Claude 3.7 Sonnet 得分为 62.3%。

OpenAI 宣称 o3 和 o4-mini 是其首批能够“用图像思考”的模型。实际应用中，用户可向 ChatGPT 上传图片，如白板草图或 PDF 中的图表，模型会在“思维链”阶段分析图像后再作答。得益于这一新能力，o3 和 o4-mini 能理解模糊和低质量图像，并能在推理过程中执行放大或旋转图像等操作。

除图像处理能力外，o3 和 o4-mini 还能通过 ChatGPT 的 Canvas 功能直接在浏览器中运行并执行 Python 代码，并在查询时事时进行网络搜索。

除 ChatGPT 外，o3、o4-mini 及 o4-mini-high 三款模型都将通过 OpenAI 面向开发者的终端——Chat Completions API 和 Responses API 提供，工程师可按使用量付费，基于这些模型构建应用程序。

OpenAI 对开发者收取的 o3 价格相对较低，考虑到其性能提升，每百万输入 token（约 75 万字，比《指环王》系列还长）收费 10 美元，每百万输出 token 收费 40 美元。对于 o4-mini，OpenAI 的定价与 o3-mini 相同，每百万输入 token 收费 1.10 美元，每百万输出 token 收费 4.40 美元。