o3-mini物理推理粉碎DeepSeek R1，OpenAI王者归来！全网最全实测来袭

　　新智元

　　新智元报道

　　编辑：KingHZ 桃子

　　【新智元导读】一场改写AI历史的震撼对决正在上演！就在昨天，当DeepSeek R1还在用‘降维打击’重构AI格局时，OpenAI王者回归之作o3-mini已悄然降临，用实力证明——王者，从未离场！

　　在科技界，一天的时间足以改写历史。

　　DeepSeek R1用‘降维打击’重构了AI界，OpenAI不甘示弱放出了o3-mini，再次加冕为王。

　　o3-mini的进步可不是一点半点，在数学代码等基准测试中，均拿下了最高的成绩。

　　甚至，在‘物理模拟’高难度挑战战场上，o3-mini直接粉碎R1，展现出惊人的实力。

　　能够清晰地看出，o3-mini具备更强的物理推理能力，DeepSeek表现出明显的‘反重力’现象。

　　prompt：write a Python program that shows a ball bouncing inside a spinning hexagon． The ball should be affected by gravity and friction， and it must bounce off the rotating walls realistically

　　在另一个演示中，更加复杂，不仅要考虑小球与墙壁的碰撞，还要考虑不同小球之间的相互碰撞。

　　prompt：Simulate multiple small balls bouncing inside a spinning rectangle． The balls should collide with each other and the walls

　　从单球反弹到多球碰撞，从简单物理到复杂系统，OpenAI的仿佛在诉说着‘王者，从未离场’。

　　教授Derya Unutmaz对o3 mini表现的进步非常激动：

o3-mini只需一次提示就能准确生成符合物理定律的代码！与此同时，DeepSeek-R1对此却显得很吃力。

这场AI竞赛正在全速加速，后来居上者，拭目以待。目前，OpenAI明显处于领先地位！’

　　此外，在‘人类最后一场考试’的纯文本测试集上，新模型03-mini（medium/high）在准确率上超越了DeepSeek-R1。

　　奥特曼甚至自信的表示：‘不久，人类就需要另一场考试了……’

　　然而，这只是OpenAI新模型的冰山一角。

　　奥特曼剧透o3-mini接下来还有更大的惊喜！

o3-mini还有好东西，很快就会给你，我想我们把最好的留到了最后！

　　编码吊打o1，最好的编程模型

　　在代码补全基准Codeforces排名中，相对o1系列模型，o3-mini进步明显。

　　而独立于LLM提供商的性能基准和定价排行，Artificial Analysis表示：‘o3-mini是从o1-mini向前迈出的一大步。’

　　同时，公布了o3 mini的初步结果，完整的基准测试结果稍后推出：

人工分析质量指数为89，与DeepSeek R1匹配，略低于o1
更便宜 - 每百万个token1.1美元/4.4美元的输入/输出定价，低于许多 DeepSeek R1 API（高于DeepSeek的甲方R1 API定价）
快速-与o1-mini的速度相似，为170个token/秒，尽管这意味着2000个代币的‘思考’时间仍然需要 ~12 秒

　　其中人工分析质量指数（Artifical Analyssi Quality Index）包含了MMLU、GPQA Diamond、Math-500和HumanEVal等多个测试基准。

　　相关排名如下：

　　AI初创企业CEO，Bindu Reddy，整体上o3击败了R1，特别是在编码方面，让人大吃一惊。

　　她认为综合考虑性能、速度和价格，o3-mini high是目前最好的大语言模型（LLM）：

在编程上，o3-mini high大幅度领先o1、Sonnet以及其他模型

o3-mini high比Sonnet便宜2倍，比o1便宜15倍

o3-mini high比R1快约5倍

在所有类别中，o3-mini high仅次于01，是第2名最佳模型

　　具体结果如下：

　　对此，OpenAI研究员Clive Chan表示：‘我每天都在cursor中使用o3-mini，它绝对是最好的编程模型。我基本上完全信任它的Python代码（不再有误解/偷懒的问题），而且即使我当前的项目涉及3种我不熟悉的编程语言，o3-mini也帮了大忙！’

　　全网实测

　　那么，o3-mini真实实力究竟如何？

　　如下来自全网实测的最全演示，即可揭晓谜底。

　　o3-mini彻底掌握了arXiv

　　OpenAI研究科学家Sebastien Bubeck表示，o3-mini是一个了不起的模型。

　　在理解和解析arXiv论文方面，o3-mini达到了全球独一无二的水平，成为真正的科研伙伴！

　　下面是一个看似简单但会让所有其他模型都感到困惑的问题，而o3-mini却能给出极其有用的答案。

　　它完全说到了点子上：与自收缩曲线的联系、依赖于维度的界限，甚至还引用了相关论文。

　　下面这个例子是Sebastien在不同主题的另一个查询。

　　有趣的是，o3-mini-high给出的参考文献‘Bubeck and Ganguly’并不完全正确，但确实非常相关。

　　总的来说，它给出的参考文献都是‘模糊准确的’，可能会混淆作者/期刊/标题，但令人惊讶的是这些引用仍然很有用。

　　他又表示，这些都是相当冷僻的问题，能够回答这两个问题的论文少于100篇（实际上更接近约10篇）。

　　能有一个模型可以回答只有O（10）数量级的人类知道答案的问题，这确实令人惊叹。

　　此外，Sebastien又演示了一个用o3-mini构建‘我的世界’的演示。

　　AI物理新巅峰，轻松击败R1

　　Hyperbolic联创Yuchen Jin测试后惊叹道，o3-mini可能是目前最强的物理推理LLM！

　　o3-mini竟然成功生成了四维超立方体（Tesseract）内反弹小球的Python代码，展现出惊人的物理推理和数学建模能力。

　　再来看R1的表现，显然不如o3-mini。

　　再来看o3-mini-high，demo中竟然翻车不如o3-mini？

　　Yuchen Jin多次尝试后发现，o3-mini-high在这个任务上表现糟糕，甚至比一次性生成的o3-mini版本还差！

　　其中一个版本居然只生成了小球，没有四维空间结构……

　　另一个很好展现o3-mini理解物理世界的demo。

　　‘被o3-mini震撼到了（不仅仅是因为它的编程能力），更因为它那闪电般的速度。

　　它仅用19秒就一次性生成了这四个演示。我从未见过类似的东西。一个新的AI时代已经到来’。

　　沃顿商学院教授Ethan Mollick让o3-mini-high首次挑战生成动态海洋风暴Shader，没想到竟然成功了！

　　18秒，克隆一个应用

　　另一位OpenAI研究员Aidan Clark表示：‘o3-mini在智能和速度的组合方面令人难以置信，我不知道该说什么，你只能自己去试试看了。’

　　在下面demo中，Clark要求o3-mini用单个Python文件写一个Twitter克隆应用。

　　整个过程只用了8秒。

　　一句话，生成游戏

　　更令人惊叹的是，开发者Alex Finn仅用1个提示，o3-mini便能生成完整的太空游戏。

　　用一句话制作的‘贪吃蛇’游戏。

　　另一个动漫小人射击游戏。

　　还有网友通过o3-mini-high制作的太阳系3D模拟。

　　网友adi让o1和o3-mini分别建造一个巨大的、令人惊叹的、史诗般的漂浮城市。

　　OpenAI王者重归

　　OpenAI的策略，已经重新获得了用户的‘芳心’。

　　开发者Mckay Wrigley已经用o3-mini模型代替AI智能体和工作流中的o1模型。一切都正常工作，甚至有一些表现的更好，但是便宜了9倍，速度快了4倍。

　　他认为：‘OpenAI对新模型的宣传明显不足——这绝对令人难以置信。o3& o3 Pro会很疯狂。’

　　根据Information报道，OpenAI2024年快速增长：

2024年，ChatGPT付费订阅用户已达1550万。
企业的模型采用率增长了7倍。
新推出的200美元/月Pro订阅计划，年收入已达3亿美元。

　　网友Prakash，则在X上列出了OpenAI的各部分收入：

ChatGPT Plus

月经常性收入（MRR）：3.33亿美元

订阅价格：20美元/月

月活用户（MAU）：1665万

ChatGPT Pro

月经常性收入（MRR）：2500万美元

订阅价格：200美元/月

月活用户（MAU）：12.5万

ChatGPT总收入

月经常性收入（MRR）：3.58亿美元

年经常性收入（ARR）：43亿美元

API收入

每分钟处理Token数量：14亿

每年处理Token数量：735万亿

每百万Token价格（以o3 mini输入价格计算）：1.1美元

年经常性收入（ARR）：8.09亿美元

总收入

年经常性收入（ARR）：51亿美元