科技魔方

OpenAI正式发布o3 - 通往AGI的路上,已经没有了任何阻碍

OpenAI

2024年12月23日

  今天凌晨2点,OpenAI的12天直播,终于来到了最终章。

  奥特曼,也在一片圣诞的气息中终于回归。

  为大家带来了最后的压轴大戏。

  OpenAI o3。

  又一次超群,又一次把模型的能力,推到了新的高度。

  也向全世界证明了,OpenAI,依然在铁王座上牢不可摧。

  我也想起了OpenAI研究员在发布o1之前的那句话:

  “我们通往AGI的路上,已经没有任何阻碍了”

  之所以OpenAI直接发布o3没有o2,原因也挺简单的。

  因为跟英国电信服务提供商O2可能存在版权或商标冲突,所以直接跳过了。。。

  直接到o3。

  而OpenAI直播一完,X上基本就沸腾了。

  o3的能力,对现在所有模型,几乎都直接是降维打击。

  看下o3的能力吧。

  一些粗的评测集简单过一下。

  左边的是软件工程考试(SWE-Bench Verified),这就像是一个考写程序的考试,比如你写一个软件要它快速、准确,还不能有 bug(小错误)。这是考察 o3是否能像一流的软件工程师一样写出完美的代码。

  o3的成绩:71.7%,比o1还强了不少。

  右边的那个基准比较猛,Codeforces,一个全球著名的编码竞赛平台。

  o3的得分是2727,这个得分,相当于整个榜单的第175名,已经超越了99.99%的人类了。

  o1的代码能力已经强到爆炸了,而o3,又向AGI的山顶,前进了一大步。

  数学竞赛AIEM2024和博士级科学考试GPQA Diamond。

  AIEM2024接近满分,如果我没记错的话,这应该也是第一次AI能达到有AIEM接近满分的水平。

  博士级科学考试有进化,但没数学和编程进化的这么猛。

  接下来的这个数学基准比较有趣一点。

  FrontierMath,Epoch AI 开发的一个数学基准测试,由60多位顶尖数学家的合作开发,旨在评估人工智能在高级数学推理方面的能力。

  而且为了避免数据污染,所有的题目都是原创的且从来没有发布过的新题目。

  之前GPT-4和 Gemini1.5Pro这种模型去评估的时候,成功功率不足2%,与其他传统数学基准(如 GSM-8K 和 MATH)中超过90%的成功率形成鲜明对比。

  而这一次,o3直接达到了25.2。

  当各大其他模型都还在卷传统数学基准的时候,o3真的已经进入了另一个世界了。。。

  就像大家还在大斗师阶段互相卷,你是五星大斗师,我是八星大斗师。

  两者争论不休,正准备要比试比试,忽然就看到一个斗宗强者踏空而行,留下一地的卧槽。

  这还比个鬼。

  然后,就是我觉得,整个基准里,最有趣的一个基准了:

  ARC-AGI。

  先说说这是个啥玩意。

  ARC-AGI于2019年首次提出,旨在通过一系列抽象和推理任务来测试AI系统的能力。

  主要是因为传统的技能测量方法并不能有效代表智能,因为它们往往依赖于先前知识和经验,而真正的智能应体现在广泛的适应能力和通用性上。

  所以,ARC-AGI诞生了,里面的这些任务要求AI识别模式并解决新问题,每个任务由输入输出示例组成。这些任务以网格形式呈现,每个方块可以是十种颜色中的一种,网格的大小可以从1x1到30x30不等。参与者需要根据给定的输入生成正确的输出,测试其推理和抽象能力。

  可以简单的理解成,找规律。

  大概就是这样的。

  非常的难且抽象。

  过去几代模型的评分在此:

  * 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的分数,达到了恐怖的87.5%。

  从0%到5%,整整花了5年的时间,而如今,从5%到87.5%,仅仅只花了半年。

  而对应的,人类的阈值分数,是85%。

  我们通往AGI的路上,已经没有任何阻碍了。

  不过o3强归强,但是又是一个期货,OpenAI目前只对红队开放,如果是巨佬的话,可以去申请试试。

  目前不知道o3什么时候放出,但是OpenAI又基于o3,训了3个小尺寸的o3模型。

  目前o3-mimi,预估在1月底可以对外开放,但是感觉到时候,肯定又是pro会员专属的模型了。

  我越来越期待,2025年AI行业的进化了。

  推理模型、Agent、AI硬件、世界模型。

  每一个都是比这个中间态的2024,都更让人兴奋的东西。

  2025,必是AI行业,真正的星辰大海。

  我们也在最后,回顾一下这12天的直播吧。

  Day1:满血o1上线,ChatGPT Pro会员上线,o1pro推出。

  Day2:基于o1的强化微调。

  Day3:Sora正式发布。

  Day4:ChatGPT Canvas全员开放以及小功能更新。

  Day5:给苹果站台,宣传苹果全系接入GPT。

  Day6:4o的实时视频理解上线。

  Day7:ChatGPT发布新建文件夹“项目”功能。

  Day8:ChatGPT Search全量开放,搜索体验大幅优化。

  Day9:发布了o1的API、更新了实时语音的API、发布了偏好微调能力(PFT)。

  Day10:物理意义上的可以给ChatGPT打电话了。

  Day11:炒冷饭,ChatGPT 桌面版能读到别的应用。

  Day12:OpenAI o3正式发布。

  这12天,稍微有点惊喜的日子大概只有2、3天,其他都是垃圾时间。

  还好,今天的大货,补上了之前的阴霾。

  最后,还是忍不住感叹一声。

  这12天,像一场漫长的马拉松。

  我们经历了深夜中数不胜数的垃圾时间。

  却也迎来了最后的高光时刻。

  这感觉。

  还挺AI的。

+1

来源:数字生命卡兹克公众号

延展资讯