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(fā)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(fā)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(yè)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(fā)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(zhí)行該文件。還有一些細節(jié)：
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(huán)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(xù)演示中，任泓宇要求o3-mini在這個UI中編寫并執(zhí)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(tài)，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(fā)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(fā)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(yè)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？
- 多人有聲視頻一體化生成！用百度最新AI生成營銷視頻，現在1.4元/5秒2025-08-22
- 馬斯克一覺醒來，Space X在京開賣了2025-08-21
- 離譜！現在的Agent都卷成100個成團了？3分鐘并行干完5個復雜任務，還能隨時改需求2025-08-18
- 國家級AI創(chuàng)新應用賽事殺瘋了！超200萬元獎金池+全場景賽道，沖線團隊速來2025-08-15
相關閱讀
