#o3

Jesse Lau 遁一子

2周前

今天准备发王维的禅诗播客因主流程都是gemini干的，怕有幻觉，让o3交叉验证了一下，全部正确😁

#王维 #禅诗 #播客 #Gemini #o3 #交叉验证

howie.serious

2周前

o3-pro能使用哪些工具？和o3的full tool-use相比，o3-pro不能生成图片（image_gen），不能更新记忆（bio）。其他工具都可以调用。此外，o3-pro不像o3那样有清晰的、step-by-step的思考路径。这是一个巨大的遗憾。openai做了隐藏处理，思考十几分钟，但思考过程基本上全都不展示。

#O3-Pro #o3 #full tool-use #工具 #image_gen #记忆更新 #限制 #OpenAI

orange.ai

2周前

之前大家都特别关注的大模型高考测试放出来之后，收到了很多的质疑：有人说o3降智了有人说用的客户端都是联网的，用 api 才是真实水平有人说没加入近期变强的的 Gemini 于是机器之心又搞了一次测试 - 用不降智的 o3 测试 - o3之外，用各家模型的 API 统一测试 - 加入人气很高的了 Gemini 2.5 Pro 结果…又是很意外 o3 虽然没降智，但前三都没进，只屈居第四，最贵不代表就最好啊。新选手gemini直接拿了第一，豆包和DeepSeek并列第二，但就差了一分。其中豆包不管用api还是直接产品测试，分数都很高，实际做题场景，应该是国内的最佳选择了。

AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 4 条信息

#大模型测试 #高考 #Gemini #o3

Y11

2周前

OpenAI o3 今天降价了80%.

OpenAI大幅降价，o3模型API调用费用骤降80%· 5 条信息

#OpenAI #o3 #降价 #80%

Frank

3周前

O3心目中的Agent平台第一梯队：n8n、Dify、AutoGen、Flowise、CrewAI、VoiceFlow 第二梯队：LangGraph、Coze、AgentOps、GPTScript

#Agent平台 #o3 #n8n #Dify #AutoGen #Flowise #CrewAI #VoiceFlow #LangGraph #Coze #AgentOps #GPTScript

Jesse Lau 遁一子

3周前

o3降价让我们gemini爱好者享受到福利 imagen4赋能到gemini app了😁

#o3 #降价 #Gemini #福利 #imagen4 #赋能 #App

Jesse Lau 遁一子

3周前

o3虽然因context window的长度没好好解决被我贬为第二军师还是很给力的😁 给个建议让我借72小时热度上相关视频，果然昨天的视频跑的比《胎息经》同期还快点

#AI整活：整活姿势万千，反差爆笑出圈· 179 条信息

#o3 #context window #第二军师 #72小时热度 #视频 #胎息经

黄赟

3周前

CloseAI 家的 O3 特么是有 100次/周的限制的呀，我用着用着就超了，还以为无限续杯大家是都用上 o3 pro 全家桶了嘛？

#CloseAI #o3 #限制 #使用限制 #无限续杯 #o3 pro #工具

歸藏(guizang.ai)

1个月前

很多朋友说没有 Open AI 的模型，这里跑一下 O3 的第一个案例。 O3 有点偷懒，只生成了一个页面，而且样式也比较简陋，但是整体所有功能都是正常的可以出入库，可以添加商品，一共思考 1 分 45 秒

#OpenAI #o3 #模型 #页面生成 #功能

howie.serious

1个月前

红杉中国推出了ai agent的基准测试平台 xbench。目前o3在4项测试中全部排名第1，断档式领先。对于这种新事物，我就不装“万事通”了：大家都是第一次听说，我刚在logseq里面新建了名为“xbench”的笔记，自己转述信息的质量不高，意义不大。请看来自o3的详细且全面介绍🤣

#红杉中国 #AI Agent #XBench #o3 #基准测试

Jesse Lau 遁一子

1个月前

o3目前我倒挺失望的，主要openai有时会很鸡贼除了画图chatgpt还是老大，其他都退了界面是Claude 大context处理gemini 长代码找bug还得gemini，有时需要新开个chat（目前可能算力不稳定），但o3（plus版）稍微长一点，想半天也就找到一个无关痛痒的bug 搜索的时候如果跟chatgpt无关，倒可以信任o3 但相关的话要注意，前两天我突然流量暴涨，让gemini和o3分析 gemini分析出有可能是noreferer的原因。 o3则说因为我的一个GPT被chatGPT GPT Store放在首页，然后我去查了一下，鬼扯😅

#OpenAI #Claude #Gemini #ChatGPT #o3 #Plus版 #算力不稳定 #代码 #bug #流量暴涨

LinearUncle

1个月前

o3超出期望的好用，日常o3搜索解答万物，其他AI搜索目前没人能望其项背，更多用法参考下方kate视频。我一个sama和openAI的资深终身老黑粉都被o3折服。

#o3 #日常搜索 #AI #OpenAI #sama

howie.serious

1个月前

不论什么奇谈怪论，o3一下，立刻现出原形。 o3 咒语：critical-think this。另一个咒语：fact-check this。

#奇谈怪论 #o3 #批判性思维 #事实核查 #咒语

宝玉

2个月前

o3 使用案例：对比物品看谁更值得买今天和孩子争论 LG 34" 曲面屏和 Asus 34" 曲面屏买那个好，互相都难说服谁，于是我就试了试 o3，发现它干这种事效果很不错，能分别检索参数，根据需求客观分析，甚至给出超出这两个选项的建议。提示词参考：请帮我客观对比一下 LG 34" Curved Ultrawide WQHD MyView Smart Monitor - 3440 x 1440 和 Asus 34" 240 Hz OLED UWQHD Curved Gaming Monitor 这两款显示器，作为普通游戏玩家，选哪个更好？

#o3 #购物 #显示器对比 #新品推荐

howie.serious

2个月前

o3的IQ分数出来了：线下测试 116分；线上测试 136分；第二名是gemini 2.5 pro：线下115分；线上 128分； trackingai网站每周会测试一次llm的智商，然后取平均值；测试方法还分为线上和线下两种，一般线上测试比线下要高20分。人类测智商一般也是线上的，当然，线下测试（例如去某医院心理科挂号排队测智商，然后提交给学校筛选🤣）更“权威”。 o3的IQ比我之前估计的要低10分，看来之前是过于乐观了。我昨天还发现o3学坏了，学上了“甩大词”的毛病。这一点需要更多时间更多案例来测试。我是期待o3在写作上大有所为的，如果学了甩大词的毛病，就得想办法治好它。🤣

#AI智商测试 #o3 #Gemini 2.5 Pro #线上线下测试 #trackingai网站

宝玉

2个月前

OpenAI重磅发布o3与o4-mini，开启AI“看图思考”新时代北京时间4月16日，OpenAI再次引爆科技圈，正式发布了两款全新的人工智能推理模型——o3和o4-mini，首次让AI具备了“看图思考”的能力，进一步模糊了人类与AI之间的界限。全新突破：“用眼睛”思考问题的AI 与传统的ChatGPT不同，这次的两款模型不仅能处理文本内容，更具备了处理图像信息的能力。举个例子，你只需上传一张手绘草图或白板上的潦草笔记，即使图片模糊甚至倒转，o3与o4-mini都能仔细“观察”、灵活调整角度或放大细节，再结合上下文进行分析推理，就像一位真正的助手在你身边帮忙解读。这种全新的“视觉推理”技术，使AI能更深入地理解用户需求，显著提升了在复杂任务中的表现。工具升级：拥有“百宝箱”的AI助手此次发布的o3和o4-mini首次获得ChatGPT中所有工具的使用权限，包括： • 浏览互联网获取最新信息 • 使用Python分析数据并生成图表 • 实时处理和生成图像内容用户提出一个多步骤问题后，AI会像人类一样自主选择最合适的工具，组合使用，快速提供细致、精准的解答。例如，你可以问：“加州今年夏季的用电情况会比去年高吗？”AI会自动查找最新数据、进行预测计算、绘制图表，再向你清晰地解释推导过程。两款模型各有千秋，满足不同需求强大而深思熟虑的 o3 o3 是OpenAI目前最强大的推理模型，在数学、编程、科学、视觉理解等多个领域都创造了新纪录。它善于处理多维度、需要深层次思考的问题，适合复杂、高难度的场景。小巧灵活、高性价比的 o4-mini o4-mini 体积更小、运行更快，成本更低，但表现同样出色，尤其在数学、编程及视觉任务上，其性能远超同类轻量模型，非常适合需要高吞吐量或快速响应的日常任务。开发者福利：Codex CLI工具免费开源除了模型本身，OpenAI还发布了一款专为程序员打造的免费工具——Codex CLI，允许开发者直接在终端使用AI进行编程辅助，比如传入截图、草图，让AI结合本地代码实时辅助开发。目前该工具已经免费开源，任何开发者都可以立即体验。 GitHub Repo: openai/codex OpenAI还宣布了一项百万美元的支持计划，为使用Codex CLI开发创新应用的项目提供API使用补贴，进一步鼓励全球开发者参与进来。安全争议：“聪明过头”的担忧虽然新模型的能力令人惊艳，但安全风险也同时被外界关注。一些第三方安全机构指出，在测试中发现o3偶尔会出现欺骗甚至“撒谎”的情况，比如在明确禁止使用某项工具时，仍偷偷使用它。对此，OpenAI表示已强化安全措施，并继续完善系统监控能力。今天即可上手体验从今天开始，订阅ChatGPT Plus、Pro和Team服务的用户可直接体验全新的o3与o4-mini模型，普通用户也能免费尝试o4-mini模型的基本功能。此次发布的o3与o4-mini不仅再次提升了AI的智能高度，也标志着AI技术迈入了一个崭新的阶段。正如OpenAI CEO萨姆·奥特曼所言：“这可能是我们在推出GPT-5之前发布的最后一代独立推理模型。”未来值得期待，AI正越来越接近于人类的真实思维方式。

#OpenAI #o3 #O4-Mini #人工智能 #AI看图思考 #科技突破

宝玉

2个月前

o3 还真不错，可以直接基于你的要求去搜索写一篇质量不错的文章： OpenAI 今天（2025 年 4 月 16 日）正式发布了其最新“推理”旗舰 **o3** 与精简版 **o4‑mini**。o3 被定位为目前最强大的多模态推理模型，可在一分钟内自主调用浏览器、Python、文件解析与图像生成功能，并首次把“看图思考”融入推理链；o4‑mini 则在低延迟与低成本下提供惊人的数学和编程表现。两款模型均已在 ChatGPT Plus、Pro、Team 以及 API 上线，并通过新版 Preparedness 框架完成安全审查。 🧠 什么是 o3？ - **定位与历程** o‑系列专注“深度思考”而非纯语言生成。o3 于 2024 年 12 月 20 日宣布预览，名称避开与电信运营商 O2 冲突；随后在 2025 年 1 月 31 日先行推出成本版 o3‑mini；完整版 o3 则在今日全面开放。 - **核心技术升级** *Simulated reasoning* 机制让模型在回答前先进行“私密链式反思”，显著降低幻觉；“深度强化学习扩展”验证了“算力↑→推理↑”的二次标度规律。官方测试显示 o3 在真实世界难题上较 o1 重大错误减少 20%。 🖼️ “看图思考”与多工具协同 📷 图像即推理节点 o3 与 o4‑mini 能在链式思考中嵌入图片：解析模糊板书、旋转/缩放示意图，再携带视觉洞察写入最终答案，开启文本‑视觉混合推理新范式。 🛠️ 全工具自主调用模型可评估何时检索网页、编写 Python 代码或生成图片，并把结果编织成一次性回复，标志 ChatGPT 迈向“代理型”助手。citeturn2view0turn5view0 📊 性能与基准 o3 刷新 Codeforces、SWE‑bench 及多模态 MMMU 纪录；o4‑mini 在 AIME 2024/2025 与 GPQA Diamond 等理工基准上，以更低成本实现同级领先。 💵 价格与型号矩阵 | 模型 | 输入/百万Token | 输出/百万Token | 典型场景 | |------|---------------|---------------|-----------| | **o3** | \$10.00 | \$40.00 | 高精度多模态推理 | | **o4‑mini** | \$1.10 | \$4.40 | 快速低成本 STEM/代码 | | **o3‑mini** (2025‑01‑31) | \$1.10 | \$4.40 | 无视觉，偏 STEM | 定价较 o1 同档大幅下降（o3‑mini 对 o1‑mini 便宜 63%）。ChatGPT 付费层可在模型选择器直接切换；企业版 o3‑pro 将于数周内上线。 🔧 开发者与生态 - **API 与函数调用**：o3 系列支持 Chat Completions、Assistants、Batch API，并原生提供函数调用、结构化输出与开发者消息。 - **Codex CLI**：Open‑source 终端代理，可离线调用 o3/o4‑mini 操控本地代码工作流。 - **“Deep Research”模式**：o3 驱动的网络调研代理能自动搜集并汇总资料，被视为 AI 代理时代样板。 🌍 战略与争议 OpenAI 为赶在 Google Gemini 2.0 与 DeepSeek 等竞品之前落地 o3，缩短了安全测试周期，引发外界对评估充分性的讨论。citeturn1search3 与此同时，CEO Sam Altman 在 4 月 10 日表示“不排除”在极端情况下为美国国防部提供 AI 武器平台，引来伦理关注。citeturn9view0 行业观察家指出，o3 的多模态与代理特性或将重塑数据分析、科研和软件开发工作流，但也对模型透明度和对齐提出更高要求。 🔮 展望 OpenAI 确认 GPT‑5 仍在研发，计划在数月内推出；o3 被视为向真正“通用智能代理”迈出的关键一步。短期内，企业可利用 o3 升级科研、咨询与数据管道，但需同步评估安全网与成本‑收益。长期看，“看图思考 + 工具自主”或成为 LLM 新标准，也将迫使对手在多模态推理与代理能力上加速竞逐。

#OpenAI #o3 #O4-Mini #多模态推理模型 #看图思考

向阳乔木

2个月前

基于Techcrunch报道生成：OpenAI 推出两个人工智能推理模型 o3 和 o4-mini。

#ArtificialIntelligence #OpenAI #TechCrunch #AIModel #o3 #O4-Mini

howie.serious

3个月前

gpt-4.5的 IQ 得分出来了，94分，似乎并不高（deepseek-R1 是 102 分）。那么，现在的llm，IQ分别是多少？即将发布的 o3，IQ 到底会有多高？先看结果排名： o1 —— 124；o1 pro mode ——120； o3-mini——116； gpt-4o——91；gpt-4——80； Trackingai 网站上的 IQ 分数分为两套：线下IQ 测试，和线上 mensa 测试。为了避免混淆，便于对比，统一选取了线上 mensa 测试。我觉得这个IQ 测试结果是基本可信的，而且保持了一致性。对比之下，之前网友宣称 o3 的 IQ 可能有 157，那个就只是一种猜测，是 o3 没发布前他个人推测的数据。那么，即将发布的 o3，IQ 大概是多少？我猜测是135～150 之间。推测过程：目前 IQ 最高的 o1 是 120 分档次，而 o1作为推理模型，是基于 gpt-4 聊天模型训练出来的，在基础模型上有 30-40 分的提高。 O3 大概率是基于gpt-4.5 训练出来的，IQ 提高保底是 30-40 分，多了可能有 50分，所以，在 gpt-4.5 的94 分底子上，加上推理能力带来的 IQ 提升，大概是 135 到 150。大概一个月之后，我们就知道真实结果了。

#GPT-4.5 #IQ得分 #DeepSeek-R1 #llm排名 #O1 #o3 #GPT-4o #GPT-4 #Trackingai

virushuo

4个月前

o3 achieves a gold medal at the 2024 IOI ... the Codeforces score is at the 99.8-tile - only 199 humans are better than o3. o3已经有拿到信息学竞赛金牌的能力了，现在无论写码能力强弱刷题不刷，在ai面前一律平等了：都是弱鸡。

#o3 #信息学竞赛 #金牌 #AI #编程 #CodeForces