OpenAI正式發(fā)布o(jì)3 - 通往AGI的路上，已經(jīng)沒有了任何阻礙

　　今天凌晨2點(diǎn)，OpenAI的12天直播，終于來到了最終章。

　　奧特曼，也在一片圣誕的氣息中終于回歸。

　　為大家?guī)�來了最后的壓軸大戲。

　　OpenAI o3。

　　又一次超群，又一次把模型的能力，推到了新的高度。

　　也向全世界證明了，OpenAI，依然在鐵王座上牢不可摧。

　　我也想起了OpenAI研究員在發(fā)布o(jì)1之前的那句話:

　　“我們通往AGI的路上，已經(jīng)沒有任何阻礙了”

　　之所以O(shè)penAI直接發(fā)布o(jì)3沒有o2，原因也挺簡單的。

　　因?yàn)楦�英國電信服�?wù)提供商O2可能存在版權(quán)或商標(biāo)沖突，所以直接跳過了。。。

　　直接到o3。

　　而OpenAI直播一完，X上基本就沸騰了。

　　o3的能力，對現(xiàn)在所有模型，幾乎都直接是降維打擊。

　　看下o3的能力吧。

　　一些粗的評測集簡單過一下。

　　左邊的是軟件工程考試(SWE-Bench Verified)，這就像是一個(gè)考寫程序的考試，比如你寫一個(gè)軟件要它快速、準(zhǔn)確，還不能有 bug(小錯(cuò)誤)。這是考察 o3是否能像一流的軟件工程師一樣寫出完美的代碼。

　　o3的成績:71.7%，比o1還強(qiáng)了不少。

　　右邊的那個(gè)基準(zhǔn)比較猛，Codeforces，一個(gè)全球著名的編碼競賽平臺。

　　o3的得分是2727，這個(gè)得分，相當(dāng)于整個(gè)榜單的第175名，已經(jīng)超越了99.99%的人類了。

　　o1的代碼能力已經(jīng)強(qiáng)到爆炸了，而o3，又向AGI的山頂，前進(jìn)了一大步。

　　數(shù)學(xué)競賽AIEM2024和博士級科學(xué)考試GPQA Diamond。

　　AIEM2024接近滿分，如果我沒記錯(cuò)的話，這應(yīng)該也是第一次AI能達(dá)到有AIEM接近滿分的水平。

　　博士級科學(xué)考試有進(jìn)化，但沒數(shù)學(xué)和編程進(jìn)化的這么猛。

　　接下來的這個(gè)數(shù)學(xué)基準(zhǔn)比較有趣一點(diǎn)。

　　FrontierMath，Epoch AI 開發(fā)的一個(gè)數(shù)學(xué)基準(zhǔn)測試，由60多位頂尖數(shù)學(xué)家的合作開發(fā)，旨在評估人工智能在高級數(shù)學(xué)推理方面的能力。

　　而且為了避免數(shù)據(jù)污染，所有的題目都是原創(chuàng)的且從來沒有發(fā)布過的新題目。

　　之前GPT-4和 Gemini1.5Pro這種模型去評估的時(shí)候，成功功率不足2%，與其他傳統(tǒng)數(shù)學(xué)基準(zhǔn)(如 GSM-8K 和 MATH)中超過90%的成功率形成鮮明對比。

　　而這一次，o3直接達(dá)到了25.2。

　　當(dāng)各大其他模型都還在卷傳統(tǒng)數(shù)學(xué)基準(zhǔn)的時(shí)候，o3真的已經(jīng)進(jìn)入了另一個(gè)世界了。。。

　　就像大家還在大斗師階段互相卷，你是五星大斗師，我是八星大斗師。

　　兩者爭論不休，正準(zhǔn)備要比試比試，忽然就看到一個(gè)斗宗強(qiáng)者踏空而行，留下一地的臥槽。

　　這還比個(gè)鬼。

　　然后，就是我覺得，整個(gè)基準(zhǔn)里，最有趣的一個(gè)基準(zhǔn)了:

　　ARC-AGI。

　　先說說這是個(gè)啥玩意。

　　ARC-AGI于2019年首次提出，旨在通過一系列抽象和推理任務(wù)來測試AI系統(tǒng)的能力。

　　主要是因?yàn)閭鹘y(tǒng)的技能測量方法并不能有效代表智能，因?yàn)樗鼈兺�往依賴于先前知識和經(jīng)驗(yàn)，而真正的智能應(yīng)體現(xiàn)在廣泛的適應(yīng)能力和通用性上。

　　所以，ARC-AGI誕生了，里面的這些任務(wù)要求AI識別模式并解決新問題，每個(gè)任務(wù)由輸入輸出示例組成。這些任務(wù)以網(wǎng)格形式呈現(xiàn)，每個(gè)方塊可以是十種顏色中的一種，網(wǎng)格的大小可以從1x1到30x30不等。參與者需要根據(jù)給定的輸入生成正確的輸出，測試其推理和抽象能力。

　　可以簡單的理解成，找規(guī)律。

　　大概就是這樣的。

　　非常的難且抽象。

　　過去幾代模型的評分在此:

　　* GPT-2(2019):0%

　　* GPT-3(2020):0%

　　* GPT-4(2023):2%

　　* GPT-4o (2024):5%

　　* o1-preview (2024):21%

　　* o1(2024):32%

　　* o1Pro (2024): ~50%

　　但是今天，o3的分?jǐn)?shù)，達(dá)到了恐怖的87.5%。

　　從0%到5%，整整花了5年的時(shí)間，而如今，從5%到87.5%，僅僅只花了半年。

　　而對應(yīng)的，人類的閾值分?jǐn)?shù)，是85%。

　　我們通往AGI的路上，已經(jīng)沒有任何阻礙了。

　　不過o3強(qiáng)歸強(qiáng)，但是又是一個(gè)期貨，OpenAI目前只對紅隊(duì)開放，如果是巨佬的話，可以去申請?jiān)囋嚒?/p>

　　目前不知道o3什么時(shí)候放出，但是OpenAI又基于o3，訓(xùn)了3個(gè)小尺寸的o3模型。

　　目前o3-mimi，預(yù)估在1月底可以對外開放，但是感覺到時(shí)候，肯定又是pro會員專屬的模型了。

　　我越來越期待，2025年AI行業(yè)的進(jìn)化了。

　　推理模型、Agent、AI硬件、世界模型。

　　每一個(gè)都是比這個(gè)中間態(tài)的2024，都更讓人興奮的東西。

　　2025，必是AI行業(yè)，真正的星辰大海。

　　我們也在最后，回顧一下這12天的直播吧。

　　Day1:滿血o1上線，ChatGPT Pro會員上線，o1pro推出。

　　Day2:基于o1的強(qiáng)化微調(diào)。

　　Day3:Sora正式發(fā)布。

　　Day4:ChatGPT Canvas全員開放以及小功能更新。

　　Day5:給蘋果站臺，宣傳蘋果全系接入GPT。

　　Day6:4o的實(shí)時(shí)視頻理解上線。

　　Day7:ChatGPT發(fā)布新建文件夾“項(xiàng)目”功能。

　　Day8:ChatGPT Search全量開放，搜索體驗(yàn)大幅優(yōu)化。

　　Day9:發(fā)布了o1的API、更新了實(shí)時(shí)語音的API、發(fā)布了偏好微調(diào)能力(PFT)。

　　Day10:物理意義上的可以給ChatGPT打電話了。

　　Day11:炒冷飯，ChatGPT 桌面版能讀到別的應(yīng)用。

　　Day12:OpenAI o3正式發(fā)布。

　　這12天，稍微有點(diǎn)驚喜的日子大概只有2、3天，其他都是垃圾時(shí)間。

　　還好，今天的大貨，補(bǔ)上了之前的陰霾。

　　最后，還是忍不住感嘆一聲。

　　這12天，像一場漫長的馬拉松。

　　我們經(jīng)歷了深夜中數(shù)不勝數(shù)的垃圾時(shí)間。

　　卻也迎來了最后的高光時(shí)刻。

　　這感覺。

　　還挺AI的。