【DeepSeek】o3-mini物理推理粉碎DeepSeek R1，OpenAI王者歸來！全網最全實測來襲

一場改寫AI歷史的震撼對決正在上演！就在昨天，當DeepSeek R1還在用「降維打擊」重構AI格局時，OpenAI王者回歸之作o3-mini已悄悄降臨，用實力證明──王者，從未離場！

在科技界，一天的時間足以改寫歷史。

DeepSeek R1用「降維打擊」重構了AI界，OpenAI不甘示弱放出了o3-mini，再次加冕為王。

o3-mini的進步可不是一點半點，在數學程式碼等基準測試中，都拿下了最高的成績。

甚至，在「實體模擬」高難度挑戰戰場上，o3-mini直接粉碎R1，展現驚人的實力。

能夠清楚看出，o3-mini具備更強的物理推理能力，DeepSeek表現出明顯的「反重力」現象。

在另一個演示中，更加複雜，不僅要考慮小球與牆壁的碰撞，還要考慮不同小球之間的相互碰撞。

從單球反彈到多球碰撞，從簡單物理到複雜系統，OpenAI的彷彿在訴說著「王者，從未離場」。

教授Derya Unutmaz對o3 mini表現的進步感到非常激動：

o3-mini只需一次提示就能精確產生符合物理定律的程式碼！與此同時，DeepSeek-R1對此卻顯得很吃力。

這場AI競賽正全速加速，後來居上者，拭目以待。目前，OpenAI明顯處於領先地位！ 」

此外，在「人類最後一場考試」的純文字測試集上，新模型03-mini（medium/high）在精確率上超越了DeepSeek-R1。

奧特曼甚至自信的表示：「不久，人類就需要另一場考試了……」

然而，這只是OpenAI新模型的冰山一角。

奧特曼劇透o3-mini接下來還有更大的驚喜！

o3-mini還有好東西，很快就會給你，我想我們把最好的留到最後了！

編碼吊打o1，最好的程式設計模型

在程式碼補全基準Codeforces排名中，相對o1系列模型，o3-mini進步明顯。

而獨立於LLM提供者的性能基準和定價排行，Artificial Analysis表示：「o3-mini是從o1-mini向前邁出的一大步。」

同時，公佈了o3 mini的初步結果，完整的基準測試結果稍後推出：

• 人工分析品質指數為89，與DeepSeek R1匹配，略低於o1
• 更便宜- 每百萬個token1.1美元/4.4美元的輸入/輸出定價，低於許多DeepSeek R1 API（高於DeepSeek的甲方R1 API定價）
• 快速-與o1-mini的速度相似，為170個token/秒，儘管這意味著2000個代幣的「思考」時間仍然需要~12 秒

其中人工分析品質指數（Artifical Analyssi Quality Index）包含了MMLU、GPQA Diamond、Math-500和HumanEVal等多個測試基準。

相關排名如下：

AI初創企業CEO，Bindu Reddy，整體上o3擊敗了R1，特別是在編碼方面，讓人大吃一驚。

她認為綜合考慮性能、速度和價格，o3-mini high是目前最好的大語言模型(LLM)：

• 在程式設計上，o3-mini high大幅領先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快約5倍
• 在所有類別中，o3-mini high僅次於01，是第2名最佳模型

具體結果如下：

對此，OpenAI研究員Clive Chan表示：「我每天都在cursor中使用o3-mini，它絕對是最好的程式設計模型。我基本上完全信任它的Python程式碼（不再有誤解/偷懶的問題），而且即使我目前的項目涉及3種我不熟悉的程式語言，o3-mini 也幫了大忙！

全網實測

那麼，o3-mini真實實力究竟如何？

如下來自全網實測的最完整演示，即可揭曉謎底。

o3-mini徹底掌握了arXiv

OpenAI研究科學家Sebastien Bubeck表示，o3-mini是一個了不起的模式。

在理解與解析arXiv論文方面，o3-mini達到了全球獨一無二的水平，成為真正的科學研究夥伴！

以下是一個看似簡單但會讓所有其他模型都感到困惑的問題，而o3-mini卻能給出極其有用的答案。

它完全說到了點子上：與自收縮曲線的聯絡、依賴於維度的界限，甚至還引用了相關論文。

下面這個例子是Sebastien在不同主題的另一個查詢。

有趣的是，o3-mini-high給出的參考文獻“Bubeck and Ganguly”並不完全正確，但確實非常相關。

總的來說，它給出的參考文獻都是“模糊精準的”，可能會混淆作者/期刊/標題，但令人驚訝的是這些引用仍然很有用。

他又表示，這些都是相當冷僻的問題，能夠回答這兩個問題的論文少於100篇（實際上更接近約10篇）。

能有一個模型可以回答只有O（10）數量級的人類知道答案的問題，這確實令人驚嘆。

此外，Sebastien又示範了一個用o3-mini建構「我的世界」的示範。

AI物理新巔峰，輕鬆擊敗R1

Hyperbolic聯創Yuchen Jin測試後驚嘆道，o3-mini可能是目前最強的物理推理LLM！

o3-mini竟然成功產生了四維超立方體（Tesseract）內反彈小球的Python程式碼，展現出驚人的物理推理和數學建模能力。

Prompt: Write a Python script of a ball bouncing inside a tesseract

再來看R1的表現，顯然不如o3-mini。 ‍

再來看o3-mini-high，demo中竟然翻車不如o3-mini？

Yuchen Jin多次嘗試後發現，o3-mini-high在這個任務上表現糟糕，甚至比一次性生成的o3-mini版本還差！

其中一個版本居然只生成了小球，沒有四維空間結構…

另一個很好展現o3-mini理解物理世界的demo。

「被o3-mini震撼到了（不只是因為它的程式設計能力），更因為它那閃電般的速度。

它僅用19秒就一次性生成了這四個演示。我從未見過類似的東西。一個新的AI時代已經到來」。

華頓商學院教授Ethan Mollick讓o3-mini-high首次挑戰生成動態海洋風暴Shader，沒想到竟然成功了！

18秒，克隆一個應用

另一位OpenAI研究員Aidan Clark表示：「o3-mini在智能和速度的組合方面令人難以置信，我不知道該說什麼，你只能自己去試試了。」

在下面demo中，Clark要求o3-mini用單一Python檔案寫一個Twitter克隆應用。

整個過程只花了8秒。

一句話，生成遊戲

更令人驚嘆的是，開發者Alex Finn僅用1個提示，o3-mini便能產生完整的太空遊戲。

用一句話製作的「貪吃蛇」遊戲。

另一個動漫小人射擊遊戲。

還有網友透過o3-mini-high製作的太陽系3D模擬。

網友adi讓o1和o3-mini分別建造一個巨大的、令人驚嘆的、史詩般的漂浮城市。

OpenAI王者重歸

OpenAI的策略，已經重新獲得了使用者的「芳心」。

開發者Mckay Wrigley已經用o3-mini模型取代AI智能體和工作流程的o1模型。一切都正常工作，甚至有一些表現的更好，但是便宜了9倍，速度快了4倍。

他認為：「OpenAI對新模型的宣傳明顯不足——這絕對令人難以置信。o3& o3 Pro會很瘋狂。」

03-mini與o1系列定價比較

根據Information報導，OpenAI2024年快速成長：

• 2024年，ChatGPT付費訂閱使用者已達1,550萬。
• 企業的模型採用率成長了7倍。
• 新推出的200美元/月Pro訂閱計畫，年收入已達3億美元。

網友Prakash，則在X上列出了OpenAI的各部分收入：

ChatGPT Plus

• 月經常性收入（MRR）：3.33億美元
• 訂閱價格：20美元/月
• 月活使用者（MAU）：1665萬

ChatGPT Pro

• 月經常性收入（MRR）：2500萬美元
• 訂閱價格：200美元/月
• 月活使用者（MAU）：12.5萬

ChatGPT總收入

• 月經常性收入（MRR）：3.58億美元
• 年經常性收入（ARR）：43億美元

API收入

• 每分鐘處理Token數量：14億
• 每年處理Token數量：735兆
• 每百萬Token價格（以o3 mini輸入價格計算）：1.1美元
• 年經常性收入（ARR）：8.09億美元

總收入

年經常性收入（ARR）：51億美元

他表示：「有趣的是，API收入遠小於ChatGPT訂閱收入，真正推動成長的還是消費級應用。」

網友Andrew Gao表示Anthropic正在吃掉OpenAI的市場份額。

OpenAI在企業客戶中的份額從2023年的50%下降到了2024年的34%，具體如下：

OpenAI早已與美國政府合作，確保AI領域的領先地位。

在參加川普的就職典禮並宣佈“星際之門”後，OpenAI首席執行官奧特曼，連續第二周來到華盛頓特區。

就在近日，在國會山附近的一次非正式演示中，奧特曼向美國政府領導人、政策專家和記者展示了即將推出的技術。

目的不僅是展示美國如何最大化人工智慧帶來的經濟利益，還希望讓華盛頓的領導者提前理解即將到來的技術能力，以減少他們在未來措手不及的可能性。

當談到能夠自主完成現實世界任務的新型自主智慧技術時，奧特曼表示：[我的直覺是…對美國經濟貢獻，這些技術將佔個位數百分比。 」

但與政府合作，並不是OpenAI唯一的選擇。

外媒報導稱，OpenAI為了實現成長，寄望於更高級模型驅動的ChatGPT的高價訂閱。

參考資料：

https://x.com/EyeingAI/status/1885652167257940174

https://x.com/jam3scampbell/status/1885752009766137897

https://x.com/bindureddy/status/1885517599083307433 （新智元）