OpenAI 深夜反擊 DeepSeek！緊急上線 o3-mini 免費用，體驗後發現差距在這
春節假期，來自東方神秘力量的 DeepSeek 撕裂了矽谷的輿論場。
一面是 OpenAI、Anthropic 等廠商的遊說打壓，一面卻又見證了其盟友口嫌體直的態度，短短一夜之間，微軟、英偉達、亞馬遜等美國雲計算平台紛紛向 DeepSeek R1 伸出橄欖枝。
面對 DeepSeek 聲勢的持續攀升，最有力的反製手段終究還是要靠實力說話。
今天淩晨，OpenAI 正式上線了 OpenAI o3-mini 系列模型。
作為 o1-mini 模型的繼任者，o3-mini 是目前推理系列中最新且最具性價比的模型。OpenAI 研究科學家 Noam Brown 在 X 平台發文稱：
「我們十分高興地推出了o3-mini，包括向免費用戶開放。在多項評估中，它的性能表現優於o1。我們正在徹底改變成本與智能之間的關係。模型智能將持續提升，而獲得相同智能水平的成本則會不斷降低。」
o3-mini 系列模型具體亮點如下：
o3-mini 主打快速推理，o3-mini（high）擅長編碼和邏輯
支持聯網搜索，暫不支持多模態功能
訓練數據經過嚴格篩選，安全合規表現有所增強
付費用戶方面，ChatGPT Plus、Team 和 Pro 用戶現已可以使用 o3-mini，企業版將在一週後開放訪問。
OpenAI 將 Plus 和 Team 用戶的每日消息限制從 o1-mini 的 50 條提升至 150 條。Pro 用戶可享受 o3-mini 以及 o3-mini-high 的無限次訪問，滿足更高強度或更專業的推理需求。
同時這也是 OpenAI 首次向免費用戶開放推理模型的使用權限，在 ChatGPT 消息輸入框下方選擇「Reason」按鈕即可使用。
值得一提的是，OpenAI o3-mini 集成了搜索功能，能夠實時獲取最新答案並附帶相關網頁鏈接，方便用戶進行深度調研。
不過，目前這還是一項原型功能，官方表示未來將持續完善和擴展到更多推理模型。
o3-mini 是 OpenAI 首個支持函數調用、結構化輸出和開發者消息等高級功能的小型推理模型，支持開箱即用。
與 o1-mini 和 o1-preview 一樣，o3-mini 支持流式傳輸。
開發者還可以根據具體需求在低、中、高三種推理強度中進行選擇，在複雜任務處理和響應速度之間取捨。
測試顯示，o3-mini 的平均響應時間為 7.7 秒，較 o1-mini 的 10.16 秒快了24%。同時，在專家評測中，有 56% 的評測者更傾向於選擇 o3-mini 的回答，在處理複雜實際問題時的重大錯誤率也降低了 39%。
o3-mini 的系統卡提到，在為期一週的評估中，七位人類生物學專家與 o3-mini(預訓練版本)就複雜的生物學問題展開了多輪對話。
專家一致認為，即便在無法接入互聯網的情況下，o3-mini 的問答能力依然強大，不僅能夠加速信息檢索過程，還能提供互聯網上難以找到的信息。
並且，專家們還發現該模型在文獻綜述與問題解答方面表現出色，能夠快速且全面地梳理文獻資料。不過也需要注意的是，模型偶爾會出現幻覺，導致細節信息有所偏差。
在核心能力評測中，o3-mini 交出了一份亮眼的成績單。在高等推理模式下，其在 2024 年 AIME 數學競賽中達到 87.3% 的準確率。
博士級別的科學問答任務 GPQA Diamond 得分高達 77.2%。
在競技編程平台 Codeforces 上，o3-mini（high） 更是斬獲 2130 的 ELO 評分。
在軟件工程領域，o3-mini 同樣表現不俗。
在 SWE-bench 驗證測試中，高等推理模式下的準確率達到 49.3%；使用內部工具框架時，這一數字更是攀升至 61%。即便是使用開源的 Agentless 框架，o3-mini 仍然保持了 39% 的通過率。
在人類偏好評估（Human preference evaluation）中，o3-mini (medium) 在多個任務場景下勝率均顯著高於 o1-mini，無論是在 STEM 任務、非 STEM 任務，還是用戶處於時間受限的情況下。
o1-mini 則更加平均，但在勝率和錯誤率方面不如 o3-mini (medium) 突出。
o3-mini 模型採用思維鏈推理（Chain-of-Thought Reasoning）訓練方法，能夠讓模型在回應用戶之前先對安全規範進行推理，因此在安全性和防越獄測試中的表現都有顯著提升。
系統卡顯示，o3-mini 風險控制能力表現優異。
模型在說服、CBRN（化學、生物、放射性、核）和模型自主性方面呈現中等風險，而在網絡安全方面則保持低風險，比如無法有效執行高難度黑客攻擊任務，對真實世界的網絡威脅能力有限。
此外，o3-mini 在識別和拒絕危險請求時與 GPT-4o 旗鼓相當，同時大幅降低了對無害請求的誤判，有效解決了過度謹慎的問題。
在幻覺控制方面，基於 PersonQA 數據集的測試顯示，其錯誤信息生成率已降至 14.8% 的可控水平。
跨語言處理能力是衡量大模型實用性的重要指標之一。
o3-mini 多語言處理能力測試橫跨 14 種主流語言，包括阿拉伯語、中文、法語、德語、日語和西班牙語等，較 o1-mini 有明顯提升。
o3-mini 的成本顯著低於 o1（約便宜 13.6 倍），緩存輸入（Cached Input）的成本是標準輸入費用的一半。
論文作者欄也出現了熟悉的名字——Hongyu Ren（任泓宇）。
任泓宇本科畢業於北大，對 o1 有過基礎性貢獻，也是 GPT-4o 的核心開發者，曾在蘋果、微軟和英偉達有過豐富的研究實習經歷。
光說不練假把戲，我們第一時間上手實測了剛剛上線的 o3-mini 和 o3-mini(high) 兩個版本。
首先測試 o3-mini 新增的搜索功能，讓它查詢 OpenAI 最新的融資消息，時效性不錯，而且還能準確追溯到《華爾街日報》的原始報導。
接著，我們拋出一道腦筋急轉彎「1=5，2=15，3=215，4=2145，那麼5=?」這道題有兩種解法：從腦筋急轉彎的角度看，既然1=5，那麼5=1；從數學邏輯推理來看，答案應為 21485。顯然，o3-mini 也沒答對。
為了進一步考驗性能更強的 o3-mini(high)，我們拋出了一道統計題
「100 個人回答五道試題，有 81 人答對第一題，91 人答對第二題，85 人答對第三題，79 人答對第四題，74 人答對第五題，答對三道題或三道題以上的人算及格， 那麼，在這 100 人中，至少有（ ）人及格。」
o3-mini 系列的「思考」過程都能顯現，但與 DeepSeek R1 「碎碎念」式的思考不同， o3-mini(high)的思考過程反而更加簡潔明了。
X 網民問了一道關於凸函數的梯度流路徑長度問題，o3-mini(high)成功經受了考驗。
當被要求創作一個龜兔賽跑的故事，且需要遵循「前詞尾字母等於後詞首字母」的規則，並將篇幅控制在 100 詞以內時，o3-mini(high)也交出了一份及格答卷。
從故事邏輯來看，儘管部分句子表達略顯生硬，但故事仍然清晰傳達了龜兔賽跑的核心寓意。
當然，也有網民抱著試試看的心態，請 o3-mini 挑戰數學界的終極難題——黎曼猜想。
而有心無力的 o3-mini 也沒上當，明確指出黎曼猜想仍然是數學界尚未解決的難題，因此無法提供一個正確的證明或反例。
事實上，AI 在過去幾年正以驚人的速度滲透至我們的生活。
從 2023 年的 ChatGPT，到 2024 年的 Sora，再到 2025 年的 DeepSeek，每一年都有新的驚喜，AI 的技術突破正在成為春節的賽博年貨。
DeepSeek 的崛起引發業界震動。各大 AI 巨頭們表面上與 DeepSeek 保持距離，實則暗中認可並致力複現其在基礎設施優化方面取得的「新穎的進展」。
Meta 甚至專門成立團隊，對其技術進行逐幀學習。
儘管如此，業內的一個共識是，DeepSeek 很難衝擊到必要的 AI 基建投資。
這一判斷很快在資本市場得到印證。朱克伯格在內部會議重申追加 600-650 億美元資本投資的計劃，OpenAI 也傳出與軟銀洽談巨額融資的消息，投後估值可能達到 3000 億美元。
生於斯長於斯，OpenAI o3-mini 一定程度上也是脫胎於先前的 AI 基建投資熱潮。
但就這款輕量級模型而言，o3-mini 同時也更深層次預示著 AI 行業競爭的小切口正在從規模轉向效能，如何以最優成本創造最大價值將成為發展的新命題。
對於 OpenAI 而言，短時間奪回輿論熱度並不難，但要想在這場日趨火熱化的競爭中確立真正的優勢，技術品牌形象的價值也同等重要。
尤其是，被譽為真正 OpenAI 的 DeepSeek 已經開始牢牢佔據開源 AI 榜首的生態位。
閉源的圍牆越高，開源的力量越顯珍貴。2025 年，開源與閉源真正的較量或許才剛剛開始。
