轉自 | 新智元
【新智元導讀】最強推理模型一夜易主！深夜時分，o3-pro 毫無預警地悄然上線，瞬間刷新數學、程式設計與科學領域的基準測試紀錄，並強勢碾壓 o1-pro 和 o3。更令人驚豔的是，o3 的價格直接暴降 80%，直接叫板 Gemini 2.5 Pro。
毫無一絲防備，o3-pro 就這樣低調地登場了！
昨夜，OpenAI 連連放出大招，先是將 o3 價格暴降 80%，接著又正式宣布推出史上最強的推理模型——o3-pro。
相較於 o3，o3-pro 可要強大太多了。
奧特曼表示：「當我第一次看到它相對於 o3 的勝率時，我完全驚呆了。」
o3-pro 不再僅僅是一個通用型助理，它是一個兼具長思考、超長上下文及工具調用於一身的超級智慧 AI。
在多項基準測試中，o3-pro 在數學、科學和程式設計方面的表現令人驚豔，大幅超越了 o1-pro。
甚至，在各界大佬首次測試後發現，連 Gemini 2.5 Pro（0605）和 Claude 4 Opus 都被它碾壓。
甚至，它的價格只有 o1-pro 的 87%，輸入每百萬 token 20 美元，輸出每百萬 token 80 美元。
隨之而來降價的 o3，更是讓 AI 圈為之震驚。現在，輸入每百萬 token 2 美元，輸出每百萬 token 8 美元，簡直媲美 GPT-4o。
目前，o3-pro 已向所有 ChatGPT Pro、Team 用戶推出，o1-pro 模型則直接被淘汰。
o3-pro 一發布，奧特曼隨即發布最新長文《溫和的奇點》，直接暗示人類已經跨越了臨界點，科技大爆發正式開始。
更值得期待的是，奧特曼劇透，OpenAI 的開源模型將於夏末發布，但不會在六月。
o3-pro 一夜封神，數學程式設計全開掛
模型卡介紹，o3-pro 是 o3 最強的推理版本，專為深度思考和提供超可靠答案而生。
它可以自動調用工具，包括網頁搜尋、文件分析、視覺輸入推理、Python 程式碼執行，還能透過記憶功能實現個人化回答。
在專家評估中，評審者更青睞 o3-pro，尤其是在科學、教育、程式設計、商業和寫作輔助等領域。
此外，他們還一致認為，o3-pro 在清晰度、全面性、指令遵循度及準確性方面表現更為優異。
在 AIME 2024、GPQA、Codeforces 這三大測試中，o3-pro 取得了最高分，完全輾壓 o1-pro 和 o3。
另外，在更嚴格的「4/4 可靠性」評估標準下——只有模型在 4 次嘗試中均回答正確，才算成功。
如下所示，o3-pro 在數學、程式設計及博士級科學問答中，大幅超越了 o1-pro 和 o3。
最終結論是，o3-pro 與 o3 基本持平，而 o3 的新定價則刷新了 ARC-AGI-1 的 SOTA（State Of The Art，最新技術水準）。
OpenAI 表示，由於 o3-pro 會調用工具並拉長思考時間，其回應速度通常會比 o1-pro 慢。
有網友 Yuchen Jin 實際測試後發現，自己僅輸入「Hi im sam Altman」，o3-pro 就足足思考了 3 分 54 秒，最長甚至能達到 13 分鐘。
燒了這麼多錢，卻只回覆一句「Hi」，ChatGPT 此刻的內心獨白還無法得知。
當然，OpenAI 也發出提醒，最好是在可靠性優先於速度的複雜問題上，才使用 o3-pro。
除此之外，o3-pro 還存在一些限制：
由於正在解決技術問題，o3-pro 暫時不支援臨時對話功能。
o3-pro 不支援圖像生成，如需生成圖像，仍需尋求 GPT-4o、o3 或 o4-mini 的協助。
o3-pro 也不支援 Canvas 功能。
即便如此，o3-pro 已經足夠聰明、足夠智慧。
AI 業界大佬首次測試，感受 AGI
Raindrop.ai 的 Ben Hylak 提早獲得了 o3-pro 的實際測試資格，並帶來了世界上首個早期的 o3-pro 評測。
Hylak 表示，OpenAI 將 o3 價格降低了 80%，以作為 o3-pro 發布的預熱。
售價為 20/80 美元，這恰好支持了一個未經證實的社群理論：-pro 變體是基礎模型的 10 倍調用成本。
超長上下文
試用 o3-pro 一週的 Hylak 表示，他最大的感受就是，它的超長上下文能力太厲害了！
此前，他一直與 o 系列的推理模型打交道，對 o1/o1-pro 的第一印象相當負面，但隨後他意識到自己錯了。
關鍵在於，不要與推理模型聊天，而是將它們視為報告生成器：提供上下文，設定目標，然後放手讓它們自行運作。
利用這個方法實際測試後，他發現：o3-pro 比 o3 聰明太多、智慧太多了！
為了體現這一點，你需要給它提供更多的上下文。為此，他和聯創 Alexis 整理了 Raindrop 所有過去的規劃會議記錄，包括所有目標，甚至錄下了語音備忘錄：然後讓 o3-pro 來制定計畫。
他們立刻被驚豔了！
o3-pro 生成了一個非常具體的計畫和分析，包括目標指標、時間表、優先事項，以及嚴格指示必須削減的內容。
相較於 o3，o3-pro 提供的計畫更加具體、更加扎實，直接改變了公司領導層對於未來的思考方式。
與真實世界整合
如今的模型，就像一個智商極高的 12 歲少年，需要融入工作環境。而這種整合，主要依賴於工具調用，以考驗模型與人類、外部資料以及其他 AI 的協作能力。
在這方面，o3-pro 實現了真正的飛躍！
它能出色地辨別自身環境；能準確傳達自己可訪問的工具，知道何時向外部世界詢問資訊（而不是假裝自己擁有資訊/權限），並選擇合適的工具來完成工作。
從下圖可以看出，o3-pro（左）明顯比 o3（右）更清楚地了解自己所處環境的限制。
當然，如果說 o3-pro 有什麼缺點，那就是如果不給它足夠的上下文，它就容易想太多。
它在分析和利用工具完成任務上都令人驚嘆，但直接完成任務的能力就不那麼強了。
總而言之，o3-pro 與 Gemini 2.5 Pro、Claude Opus 的使用體感截然不同，直接輾壓後兩者。
而令人期待的是，OpenAI 正大力推動這一垂直強化學習（RL）的路徑（深度研究、Codex），不僅教導模型如何使用工具，還教導它們如何推理何時使用這些工具。
總而言之，要實現推理模型的最佳效能，上下文至關重要，這就像給餅乾怪獸餵食餅乾一樣。可以認為，這是一種啟動大型語言模型記憶的方式。
網友實際測試
另有網友已經秘密測試 o3-pro 一段時間了，他發現 o3-pro 比 o1-pro 更便宜（許多）、更快、更精確！
而且使用 o3 和 o3-pro 進行編碼簡直是天壤之別。
o3-pro 是第一個能夠近乎完美地處理球與牆壁之間真實碰撞的模型。
有網友要求 o3-pro 識別我們人類天然免疫系統的關鍵局限性，並向 o3 模型提出了同樣的問題。
結果是 o3-pro 的回覆無疑更加明智、更加深思熟慮，表明新模型對免疫系統的理解更加深刻。
還有網友用 o3-pro 來玩《當個創世神》（Minecraft）。
比如創建自己的「宏偉形象」（提示：A majestic representation of yourself），效果也很驚豔。
還有要求 o3 創建「細節豐富的海盜船」和「登月」場景，完成度非常之高。
還有網友只用 2 個提示，o3-pro 就用純 HTML、CSS 和 JS 在一個文件中製作出非常酷的極限太空漫步模擬器。
空間中包含復古風格的著色器、螢光燈、工作霧氣、標誌、地面通風口，還有黑色空隙。
在 o1-pro 也失敗的多層編碼理解能力測試中，o3-pro 也一次性通過。
輸入以下亂碼，模型需要先解碼再找到隱式提示詞，並最終輸出正確的單詞內容。
「YVdZZ2VXOTFJSFZ1WkdWeWMzUmhibVFnZEdocGN5d2dZVzV6ZDJWeUlIZHBkR2dnZEdobElIZHZjbVFnSW5KbGFXNWtaV1Z5SWdvPQo=」
Ethan Mollick 認為 o3-pro 相當智慧，它解決了一個其他模型都無法解決的問題：製作從 Space 到 Earth 的單詞階梯。（註：即每次改變一個字母，從 space—spare—...—garth—earth）
在這個問題上，o3-pro（左）擊敗了 Gemini 2.5 Pro（右）。
其他網友在使用 o3-pro 進行研究後，甚至提出了「Vibe Research」（氛圍研究）的說法！
他大膽預測，進行科學研究的方式將很快徹底改變並顯著提升。
網友讓 o3-pro 創建一個包含曼德博集合的 Excel 表格。
要求每個單元格都是一個像素，並包含一個數字。最終 o3-pro 給出的結果非常完美！
o3 價格暴降 80%，Google 繃不住了嗎？
o3-pro 的上線，註定要拉低 o3 的 token 價格。
原來 o3 輸入每百萬 token 10 美元，輸出每百萬 token 40 美元，現在直接擊穿底價，狂降 80%。
這麼說吧，如今 1 美元，就能用上 5 倍的 o3 token 量。
在 Artificial Analysis 報告中，將其與競爭對手模型的價格進行了視覺化對比。
現在，o3 的價格比 Gemini 2.5 Pro 還要便宜，與 Claude 4 Sonnet 相當，但相較於 Claude 4 Opus，更是暴降 8 倍。
相較於自家模型，o3 價格與 GPT-4o 不相上下，甚至輸出價格還要更低。
除了生成圖像無法替代，o3 的智慧足以超越 GPT-4o。
此外，o3 還與 GPT-4.1 每 token 價格持平。不過，前者輸出 token 量是 GPT-4.1 的 7 倍，因此每次查詢成本也要高得多。
o3 價格拉低，延續了智慧成本持續快速下降的趨勢。
自發布以來，達到 GPT-4 級別智慧的成本已降低超過 100 倍，同時突破新智慧門檻的成本也在同步下降。
此外，在輸出長度比較中，o3 回覆內容比 Gemini 2.5 Pro 和 DeepSeek R1 少很多，但比 Claude 4 Opus 多。
參考資料：
https://x.com/gdb/status/1932561536268329463
https://www.latent.space/p/o3-pro
https://x.com/ArtificialAnlys/status/1932489573462081898
https://x.com/OpenAIDevs/status/1932532777565446348
https://help.openai.com/en/articles/9624314-model-release-notes
好康來襲：
重磅推出 ChatGPT、Claude、Gemini、Grok3、Midjourney 六合一系統！端午節優惠活動來了，還有續費福利。
GPT-4o、Claude、Grok3+Gemini pro 全面開放了！
購買半年多送 1 個月（共 7 個月）
包年多送 3 個月（共 15 個月）
購買方法：加我微信【hsst1901】，備註：gpt，我會立刻通過您的微信好友請求。
備註：gpt 加我微信諮詢
購買這個帳號，一直有售後服務，不用擔心中途被封號或無法使用，非常省心！