OpenAI掀桌子，新模型力壓Google，o3降到地板價

香港時間6月11日淩晨1點，擁有數十億用戶的ChatGPT連續宕機了9個小時後，OpenAI在社交媒體平台X上宣佈將在今天發佈o3-pro，即OpenAI最強推理大模型的加強版。

兩個小時後，OpenAI宣佈o3-pro已經向所有ChatGPT和API的Pro用戶開放。為了滿足Plus用戶的需求，OpenAI決定將Plus用戶的使用限制從一週100次提升至一週200次。

o3-pro的上線毫無預兆，OpenAI的CEO奧特曼稱，當第一次看到它相對o3的勝率時，自己完全驚呆。官方發文稱，o3-pro旨在延長思考時間並提供最可靠的響應。專家評估中，評審者一致認為o3-pro在所有測試類別中都優於o3版本，尤其是在科學、教育、編程、商業和寫作幫助等關鍵領域。

OpenAI每一次發佈都足夠引起業內關注，尤其當Google憑藉Gemini 2.5 Pro一雪前恥，跟上行業步伐後，OpenAI的表現更令人關注。這次，它的表現又如何？

更強大但更慢

OpenAI 官方發文稱，o3-pro在數學、科學和編程等領域和o1-pro一樣表現出色。與o3 一樣，o3-pro 使用工具的能力出色，它可以使用 ChatGPT 所需的工具，比如搜索網頁、分析文件、推理視覺輸入、使用 Python、利用記憶個性化響應等等。

在更嚴格的「4/4 可靠性」評估（即只有在四次嘗試中正確回答問題，模型才被視為成功中）測試表明，在數學基準測試AIME2024 、博士級別科學測試 GPQA Diamond和編程競賽中，o3-pro都優於o1-pro和o3（Medium）。

Artificial Analysis的報告指出，在智力水平上， o3-pro以微弱優勢領先Gemini 2.5 pro。

根據模型文檔，o3-pro支持文本和圖像兩種輸入模態，上下文窗口大小為200k，最大輸出token數為100k。o3-pro在上下文窗口上並不佔優勢，甚至比不過Gemini 2.0 Pro Experimental和Gemini 1.5 Pro。

o3-Pro的知識截至時間為 2024 年 6 月 1 日，它本身並不具備近一年內的信息，但用戶可以通過搜索和知識庫等工具為其提供更多上下文。

目前，o3-pro還存在一些限制，臨時聊天功能已被禁用；o3-pro 不支持圖像生成，用戶可以選擇GPT-4o、OpenAI o3 或 OpenAI o4-mini 來生成圖像；目前也並不支持Canvas。

在ARC-AGI（通用人工智能能力基準測試）半封閉評估中，o3-pro完成ARC-AGI-1高難度任務通過率59.3%；在ARC-AGI-2中，其在所有推理任務僅有4.9%通過率，從推理通過率來看，它的表現略均低於o3（High）。這表明，即便上最強的推理大模型，依然和人類能力有較大差距。

網民實測，兩極分化

在用戶感知上，o3-pro最明顯的特點就是慢。一位用戶在X發佈消息稱，o3-Pro只是需要回覆一個「HI」，就話了將近4分鐘。而在其他的模型中，這種回覆往往幾秒鍾就可以實現。

而當他第二次測試時，竟然花了13分28秒。o3-pro較慢的反應速度讓不少網民質疑，不過這點，OpenAI在模型發佈時就有解釋，他們稱由於 o3-pro 可以使用工具，因此響應通常比 o1-pro 需要更長的時間才能完成。官方建議將其用於可靠性高於速度的棘手問題。

換句話說，o3-pro可能更適合處理複雜問題，比如項目方案，多文件整合等。如果只是日常提問、閑聊或快速生成內容，可以選擇更便宜且更快的o3。

在數學問題上，o3-pro確實如官方所言。HyperWrite AICEO Matt Shummer在X上展示了他使用o3-pro做一道具有邏輯能力的數學題。他用英語問到「你的回答中有多少個單詞」，這是一道很容易讓大模型邏輯混亂的題，大模型需要數清楚答案中的單詞個數，一些模型可能會回答提示詞中的單詞個數，但o3-pro卻給出了正確的答案。

在編程能力上，X用戶Flowers輸入同樣的提示詞給Claude 4 和o3-pro，希望他們生成彈跳小遊戲，結果前者雖然界面美觀，但完全無法運行。後者則可以正確運行。

註：影片來源於 Flowers X帳號。

o3-pro全球首位測評者Bilglin Ibryam稱，o3-pro非常擅長分析，擅長使用工具做事，但不太擅長直接做事。在他眼中，o3-pro會是一個很棒的協調工具。

他拆解了o1和o3-pro提示詞的組成要素和設計原理，顯示後者需要足夠多的背景信息來說明訴求，否則模型確實容易想得太多。

Youtube博主Bijan Bowen進行了實操體驗，他希望ChatGPT使用HTML、JAVA、CSS按照復古操作系統風格來構建一個基於瀏覽器的操作系統模擬器，但5分鐘後，ChatGPT只給出了以下信息，即仍在思考中。

14分鐘13秒過後，ChatGPT生成了一個可以移動的，帶有日期、對話欄，並可以打開應用程序的瀏覽器，整體非常符合作者預期。除去等待時間過長之外，Bijan Bowen對o3-pro的結果相當滿意。

更頻繁的更新，更便宜的大模型

進入2025年，大模型領域的競爭越來越激烈。一個明顯的表現是，OpenAI 的模型更新頻次明顯高於2024年，涉及核心模型優化（o3-Pro、GPT-4.1）、語音交互增強、多模態擴展等多個方面，同時採取更激進的淘汰策略，比如 GPT-4.5 的快速棄用。

另一方面，今年3月，一直在大模型領域落後的Google發佈了Gemini 2.5 Pro大語言模型，以八分之一的價格提供了幾乎相同於OpenAI最強推理大模型o3的性能，並且該模型上線以來幾乎每月都在更新。

為應對競爭，OpenAI必須快速反應。o3-pro的一個大殺器便是價格，o3-pro 輸入為 20美元/百萬 token，輸出80美元/百萬 token。相比o1-pro，價格大幅度下降。這也意味著o1-pro很可能會被快速淘汰。

在內部測試中，o3-pro在數學基準測試AIME 2024中超越了Google的Gemini 2.5 Pro，在博士級科學測試GPQA Diamond中則擊敗了Anthropic的Claude 4 Opus。

作為OpenAI最強大的推理大模型，受限於價格，o3並未被開發者廣泛使用，給了後來的Gemini 2.5 pro的空間。因此，o3-pro發佈的當天，OpenAI的CEO奧特曼宣佈，o3降價 80%：輸出2美元/百萬 token、輸入8美元/ 百萬 token。

Artificial Analysis顯示，降價後的o3每輸入100個token所支付的金額已經略低於Gemini 2.5 pro，不過後者的智力水平略高於前者。

不少用戶表示，伴隨著AI技術的革新，未來用戶調用模型的成本必然會越來越低。不出意外，接下來，會有越來越多能力更出眾、價格更優惠的模型上線。

本文來自微信公眾號「新言財經」（ID：tech621），作者：王琳，36氪經授權發佈。