o3來了！編程能力躋身人類全球前200，破解陶哲軒說難的數學測試，北大校友任泓宇現身直播間
“AGI重要里程碑”
夢晨 西風 發自 凹非寺
量子位 | 公眾號 QbitAI
OpenAI公布下一代模型，o1之后直接o3！
“雙12”直播活動最后一天，終于來了個大的，奧特曼本人也再次現身直播間。
o3相比o1最突出的成績，一是頂尖程序員競賽CodeForces分數超過2700，人類超過這個分數的目前只有不到200個。
二是在為AGI準備的測試ARC-AGI上分數從32%躍升到了75.7%、87.5%。
為什么有兩個成績呢？
因為o3有低思考程度和高思考程度兩種設置。
ARC-AGI是Keras之父Fran?ois Chollet發起的測試基準，典型題目為圖形邏輯推理。
另一項最難數學測試EpochAI Frontier Math，包含最新未公開前沿題目。
此前陶哲軒對這項測試的第一印象是“可能難住AI好幾年”。
o3比之前SOTA從2分提升到25分。
人類專業數學家解決其中一道題目也要花費數小時到數天，現在o3只需要思考幾分鐘。
這次還公布了o3-mini，支持低中高三種思考程度設置。
主要展示了代碼能力，低設置下o3-mini和o1-mini差不多，高設置已經超過了o1正式版。
參與o3-mini研究的北大校友任泓宇，現場展示了新模型的編程能力。
他使用了特殊版本的ChatGPT，稱為ChatGPT α。
任務如下：
寫一個Python腳本，在本地為一個帶有大文本框的HTML文件啟動服務器。當我在該框中輸入文本并按下提交時，它應該將該代碼請求發送到OpenAl o3-mini API ，使用medium reasoning_effort ，獲取生成的代碼，將其保存到桌面上的臨時文件中，然后在新的Python終端中執行該文件。還有一些細節：
可以在~/api_key中找到我的API密鑰
請在向API的請求中添加一些額外的提示，指定它只應返回沒有任何格式或Markdown的原始代碼
你將在Mac筆記本電腦環境運行
o3-mini的思考過程用了38秒，然后代碼秒出，一次運行成功。
這個演示可能不太直觀，但是看得沒去現場的另一位OpenAI研究員Aidan Clark直出汗。
總結一下，就是o3-mini用38秒給自己寫了一個UI，通過API調用“自己”。
后續演示中，任泓宇要求o3-mini在這個UI中編寫并執行一個腳本，來評估“它自己”在低思考程度下、在GPQA數據集上的表現。
腳本正確運行了評估，返回結果數值61.62%，與正式評估結果基本一致。
是不是有一點科幻的感覺了。
可惜吶～ o3和o3-mini目前都是早期預覽狀態，只給看不給玩。
安全研究者可以在OpenAI官網申請早期訪問權限。
北大校友、GPT-4o核心開發者現身直播間
這場直播中另外值得關注的，就是新出場的北大校友任泓宇了（最左邊）。
他去年剛加入OpenAI擔任研究科學家，主要負責語言模型訓練，是GPT-4o的核心開發者、GPT-Next項目組成員。
直播中最新透露，九月份的o1-mini他也有參與，證實了此前傳聞中o1-mini主要由三位華人負責（另兩位是Kevin Lu和Jiahui Yu）。
任泓宇博士畢業于斯坦福大學。加入OpenAI之前，他在Apple、Google、NVIDIA 和Microsoft均有大量研究實習經歷。
One More Thing
笑死，最后一天頂著圣誕帽的“青蛙”直接被擺到了最前面：
其實，之前每一場它們都在，不過是被擺在了后面的架子上，而且數量隨直播天數增加。
昨天是直播第11天，圣誕帽“青蛙”是醬嬸兒的：
你數出來有多少圣誕“青蛙”了嗎？
- 起底“豆包手機”：核心技術探索早已開源，GUI Agent布局近兩年，“全球首款真正的AI手機”2025-12-09
- 商湯分拆了一家AI醫療公司，半年融資10億，劍指“醫療世界模型”2025-12-02
- “豆包手機”在二手市場價格都翻倍了……2025-12-05
- OpenAI首席研究員Mark Chen長訪談：小扎親手端湯來公司挖人，氣得我們端著湯去了Meta2025-12-03
相關閱讀
微軟10億美元砸入OpenAI：明為AGI，暗爭谷歌，被指云計算換投資
按照《紐約時報》的說法，這筆錢實際以Azure云資源抵算，也并非10億美元真金白銀。
