就在中国模型 DeepSeek 对 ChatGPT 领导地位发起挑战的一周后，OpenAI 终于做出回应，正式发布了其最新的推理模型 o3-mini。

图 | OpenAI CEO 奥特曼宣布 o3-mini 发布（来源：X）

更值得关注的是，这是该公司首次向免费用户开放最新的推理模型。这也是 AI 领域激烈竞争的真实写照：中国公司在 1 月 20 日发布的 DeepSeek R1 模型，以其惊人的性能和极低的成本引发了美国 AI 行业震动。

如果说 OpenAI 可能早就定好了模型发布日期，DeepSeek 半路杀出是出乎意料的，那么其定价或许在一定程度上受到了后者的影响：o3-mini 的定价是 1.10 美元/百万输入 token，4.40 美元/每百万输出 token。

这个价格比 OpenAI o1-mini 便宜了 63%，比完全体 o1 便宜 93%，可谓是“骨折价”。当然，定价还是比 DeepSeek 贵了很多（0.14 美元/百万输入 token，0.55 美元/百万输出 token）。

图 | o3-mini 定价（来源：OpenAI）

OpenAI 表示，作为小型模型系列中的最新成员，o3-mini 在科学、数学和编程等 STEM 领域表现出色。与其前辈 o1-mini 相比，它不仅保持了低成本运行的优势，而且在响应速度上也实现了显著提升。

o3-mini 的训练过程融合了公开数据和 OpenAI 内部开发的专有数据集。

为了满足不同场景的需求，o3-mini 创新地提供了低、中、高三种不同级别的“推理强度选项”，让用户可以根据具体任务灵活调整速度和准确度之间的平衡。

即便是在最低推理级别下，o3-mini 在数学和编程基准测试中的表现也能与 o1-mini 相媲美。而当设置为最高推理级别时，其表现甚至能够超越功能更全面的 o1 模型。

图 | LiveBench 编码：OpenAI o3-mini 在中等推理强度下超越了 o1-high，凸显了其在编码任务中的效率。在高推理强度下，o3-mini 进一步扩大领先优势，在关键指标上实现了显著增强的性能。（来源：OpenAI）

从具体数据来看，o3-mini 的表现确实令人印象深刻。测试人员反馈显示，与 o1-mini 相比，o3-mini 将重大错误率降低了 39％，其回答的受欢迎程度提高了 56％。

图 | 人类偏好评估（来源：OpenAI）

“外部专家测试人员的评估还表明，OpenAI o3-mini 的答案更准确、更清晰，推理能力比 OpenAI o1-mini 更强，尤其是在 STEM 方面。”OpenAI 写道。

即便在中等推理级别下，o3-mini 的平均响应时间也从 o1-mini 的 10.16 秒缩短到了 7.7 秒，提速达 24％。

图 | 中等推理强度下，o1-mini 与 o3-mini 之间的延迟比较（来源：OpenAI）

在具体评估中，o3-mini 在多个领域都展现出了不错的表现。

在 2024 年 AIME 竞赛数学题目中，高强度推理模式下的准确率达到了 83.6％。在博士级别的科学问题测试中，其准确率也达到了 77％。

在软件工程方面，o3-mini 成为了目前表现最好的模型。此外，在代码竞赛平台 Codeforces 上，o3-mini 也取得了超过 2000 的等级分，展现出了强大的编程能力。

图 | 竞赛编程：在 Codeforces 竞赛编程中，OpenAI o3-mini 随着推理强度的提升而获得越来越高的 Elo 分数，均优于 o1-mini。在中等推理强度下，它的表现与 o1 相当。（来源：OpenAI）

图 | 软件工程 SWE-bench 验证（来源：OpenAI）