OpenAI并未让DeepSeek惊出一身冷汗
摘要：
出品 | 虎嗅科技组作者 | 房晓楠编辑 | 苗正卿头图 | 视觉中国“OpenAI的创新好像到瓶颈期了。”一位业界人士... 
出品 | 虎嗅科技组
作者 | 房晓楠
编辑 | 苗正卿
头图 | 视觉中国
“OpenAI的创新好像到瓶颈期了。”一位业界人士这样说道。
今日凌晨，预热了很久的OpenAI o3模型完整版终于面世，且与以往直播“挤牙膏”式的依次、慢吞发布方式不同的是，这次o3和o4-mini是同时发布。
在OpenAI官方的陈述中，o3和o4-mini的亮点主要在于可以组合调用ChatGPT中的各个工具，像是网络搜索、Python、图像分析、文件解释和图像生成等。这可以看作是OpenAI开始后发补足自身在Agent能力上的探索。
其中，o3作为推理模型，在编程、数学、科学、视觉感知等多个维度的基准测试中都刷新了纪录。比如在Codeforces、SWE-bench、MMMU基准测试中，视觉任务准确率高达87.5%，而MathVista达到75.4%。
其实分数、榜单，这些都是常规操作。相较于以往，这次的最大不同在于，o3和o4-mini将上传的图像直接集中到思维链中，这就意味着，图像不仅仅是被看到，还能被用来作为思考过程中的一部分。
从OpenAI团队成员、中科大校友Jiahui Yu发布的帖文来看，“用图像思考”应该是OpenAI去年9月发布o系列模型以来，就在研发计划中，之前还悄悄推出了o1 Vision并进行了初步预览，但并没有取得很好的效果，也没有引起关注，直到这次在o3和o4-mini上实现了这一能力。
根据外部专家评估，o3作为o1系列模型的继任者，其在复杂问题上的错误率要比后者低20%，适合在生物学、数学和工程领域的复杂问题查询。
针对这一点，国外一位医学博士在测评后发帖表示，这一点确实有很大进步，当他向o3来提问一些颇具挑战性的临床或医学问题时，回答精准、全面，符合对一位该领域真正专家的期望。
对于那些想亲自测评、体验的用户来说，OpenAI官方已经表示，目前ChatGPT的Plus、Pro会员以及Team用户，即日起就可以直接体验o3、o4-mini，以及o4-mini-high，而之前的o1、o3-mini和o3-mini-high已默默退出舞台。这一操作也被有些网友戏称为“内部赛马”，新的产品出来后，之前的通通让路。
到目前为止，之前预告要发布的GPT‑4.1全家桶系列、o3、o4-mini模型就已经全部亮相展示了。据Sam Altman表示，o3和o4-mini可能是ChatGPT在GPT-5发布之前的最后独立AI推理模型了，期间大概率是不会再有其他新款模型出来了，另外他也说了，预计将在几周内将o3-pro升级到专业版。
在OpenAI官方的宣传口径中，o3和o4-mini是OpenAI所有模型中最为强大、智能的模型，一些开发者、用户在使用时，也感受到了进步。但是，创新能力似乎并没有达到预期。
“OpenAI的步调已经不再挺胸阔步了，更不知所措。”在看完OpenAI这次发布的新品后，一位业内人士这样感叹道。
虽然o3、o4-mini模型作为新产品，效果不错，但相较于OpenAI以往的激进和高举旗帜式前进，如今在创新上面呈现出明显的心有余而力不足。
其实前两天在GPT4.1系列套餐发布后，不少业内人士就向虎嗅表示，“暂时还没看到有什么特别亮眼的突破。”“对o3期待值没有那么高。”
或者这种“失望”要来得更早一点。
去年12月，o3在OpenAI的系列直播尾声亮相，Sam Altman称其为“一个非常、非常聪明的模型”，完全将O1甩在身后，更是在ARC-AGI测试这一旨在评估AI系统适应新任务和展示流动智力能力的测试中，获得87.5%的成绩，也是首次超越人类平均水平（85%），令业界感到震惊，被认为是在通往AGI的道路上迎来了新突破。但在业界开发者看来，似乎并不是这样。
“这就好比高考成绩不能代表工作业务能力。”一位开源领域人士锐评道。而且，如今的行业趋势已经进入到对数据高要求、对Agent全适配方向中，这就意味着私有化和混合模型推理为主的时代到来了。但是OpenAI对于开源的态度，众所周知。
尤其是在年初，当DeepSeek-R1凭借着超低的训练成本和性能媲美o1精彩亮相时，无疑是给了OpenAI一记响亮的耳光，而DeepSeek的全方位、无死角开源，像是又给了OpenAI再一记更响亮的耳光。
之后，这两记耳光不仅打得OpenAI黯然失色，还乱了它的阵脚和节奏，模型命名混乱、功能创新不足、尝试开源但态度暧昧不明，再加上内部人员高频流失，等等，无疑正在让它慢慢失去竞争优势，再不复一年之前被视为通往AGI的正确的、领先的道路引领者角色……
而官方也说了，此次发布的GPT4.1系列、o3，以及o4-mini是GPT-5正式发布前的最后一次模型发布了，也被视为GPT-5时刻的关键一步，可以理解为是GPT-5的前菜，主打“量大管饱”。但是，在技术的攀登道路上，量变能够引起质变并非唯一真理，更何况，这个量还远远不足。
“GPT-5应该是多个GPT4.1组成的吧。”一位业内人士这样戏谑道，一直传GPT-5或将在5月发布，到底OpenAI还能不能重回巅峰，只有到时候揭晓了。
