OpenAI o3

OpenAI o3 是 OpenAI 于 2024 年 12 月首次公布、2025 年 1 月正式通过 API 提供的顶级推理模型。它代表了 LLM 从"预测下一个 token"进化到"进行深度推理"的里程碑，是 Test-Time Compute / Inference-Time Scaling 范式的典型代表。

发展历程

时间	事件
2024.12.20	OpenAI 在 "12 Days of OpenAI" 活动第 12 天首次展示 o3
2025.01	通过 ChatGPT Pro 和 API 正式提供
2025.04	o4-mini 作为高效版本同期发布

核心能力

• 深度推理: 在数学、物理学、化学等 STEM 领域的复杂问题上表现突出
• 编程能力: 在 Codeforces 等竞赛级编程任务上达到全球前 200 名选手水平
• 多模态输入: 支持文本和图像的联合推理
• 审慎对齐 (Deliberative Alignment): 模型在回答前进行内部检查，确保输出符合安全准则

技术亮点

审慎对齐 (Deliberative Alignment)

o3 采用了一种新的安全训练方法：模型在生成回答前，会自动进行多步推理，评估潜在风险，并确保输出符合人类价值观。这使得 o3 在强化学习 (RL) 训练中能够更好地平衡能力与安全性。

Test-Time Compute 优化

与传统模型不同，o3 在推理阶段会投入更多计算资源，通过"思考更久"来提升输出质量。这是 Test-Time Compute / Inference-Time Scaling 范式的典型实践——不再只追求更大的训练规模，而是让模型在回答时"想得更深入"。

Benchmarks 表现

基准测试	分数	说明
AIME 2024	~96.7%	美国数学邀请赛，接近满分
GPQA Diamond	~87.7%	研究生级科学问答
Codeforces Rating	~2727	竞赛编程平台，相当于全球前 200 名
SWE-bench Verified	顶尖	真实软件工程任务

定价与可用性

• ChatGPT Pro: $200/月 订阅用户可用
• API: 按 token 计费，属于高价位 API 层级
• 限制: 目前仅对高级订阅和企业 API 用户开放

与其他模型的关系

• vs GPT-4o: o3 在推理任务上显著强于 GPT-4o，但通用任务和多模态能力与 GPT-4o 相当
• vs DeepSeek-R1: 两者都是推理模型的代表，分别代表闭源和开源路线
• vs Claude 4: 两者在推理和编程能力上直接竞争

参考来源

• OpenAI o3 Announcement
• OpenAI 12 Days of OpenAI
• Deliberative Alignment 技术论文

相关页面

• Test-Time Compute / Inference-Time Scaling — o3 的核心训练范式
• Chain-of-Thought & Reasoning — 推理模型的基础技术
• OpenAI — OpenAI 公司概览
• GPT-4o — 前代通用模型