

El 17 de abril de 2025, OpenAI lanzó oficialmente los nuevos modelos de inferencia o3 (versión completa) y o4-mini en una retransmisión en directo a última hora de la noche, sustituyendo a los antiguos modelos anteriores como o1 y o3-mini. Esta actualización consigue mejoras significativas en las áreas de inferencia de conocimiento, procesamiento multimodal y capacidades de código, al tiempo que optimiza la estrategia de precios para ofrecer una experiencia de IA más eficiente a desarrolladores y usuarios.
ShirtAI permite el uso gratuito e ilimitado de GPT-4, GPT-4o strongest, GPT-4.1-mini y otros modelos con un solo clic desde el sitio web oficial:www.lsshirtai.com
I. Visión general del modelo: una actualización completa desde los parámetros hasta el posicionamiento
Los modelos o3 y o4-mini de OpenAI se basan en una nueva arquitectura y se centran en escenarios diferentes:
- o3: Como "versión completa" del modelo insignia, se centra en el razonamiento avanzado y la colaboración de herramientas, admite el acceso a herramientas con todas las funciones (por ejemplo, Python, navegación en red, llamadas a funciones) y, por primera vez, realiza un "razonamiento visual integrado en la cadena de pensamiento", adecuado para la resolución de problemas complejos.
- o4-mini: un modelo ligero y de alto rendimiento centrado en tareas rápidas de razonamiento de alto nivel y código/visión, con una excelente relación calidad/precio sin dejar de ser eficiente.
En segundo lugar, la comparación de resultados: capacidad multidimensional para aplastar al modelo antiguo.
1. Razonamiento intelectual: aumento de la precisión gracias a las herramientas
En competiciones matemáticas, problemas científicos y pruebas transversales, o3 y o4-mini muestran un rendimiento aplastante, especialmente cuando se les permite recurrir a herramientas:
| Conjuntos de datos / tareas | o1 | o3-mini | o3 (sin herramientas) | o3 (con Python) | o4-mini (sin herramientas) | o4-mini (con Python) |
|---|---|---|---|---|---|---|
| Concurso de matemáticas AIME 2024 (AC%) | 74.3 | 87.3 | 91.6 | 95.2 | 93.4 | 98.7 |
| Concurso de códigos Codeforces (ELO) | 1891 | 2073 | – | 2719 | – | 2073 |
| Preguntas sobre la ciencia del diamante GPQA (AC%) | 78 | 77 | 83.3 | – | 81.4 | – |
| El último examen de la humanidad (AC%) | 13.4 | 20.3 | 20.3 | 24.9 | 14.28 | 17.7 |
Principales conclusiones:
- La precisión de AIME mejoró de 91,6% a 95,2% después de o3 calls Python, y Humanity's Last Exam mejoró su precisión en 24,9% con la cadena de herramientas.
- Aunque o4-mini es un modelo ligero, ha alcanzado 93,41 TP3T (AIME) sin herramientas, lo que se acerca a la versión con herramientas de o3, y la relación calidad-precio es sobresaliente. o4-mini-high resolvió el último problema del Proyecto Euler en 2 minutos y 55 segundos, pero no es un problema sencillo, sólo 15 personas pueden resolverlo en 30 minutos, y es un problema nuevo que salió hace sólo unos días, que es poco probable que aparezca en el conjunto de entrenamiento de o4, lo que demuestra que o4-mini-high se basa en el "pensamiento" para resolverlo. Se trata de un problema nuevo que apareció hace sólo unos días y que no podría haber aparecido en el conjunto de entrenamiento de o4, lo que sugiere que o4-mini-high se basó en el "pensamiento" para resolverlo.
2. Razonamiento visual multimodal: del "reconocimiento de imágenes" al "pensamiento de imágenes"
Por primera vez, o3 y o4-mini admiten la integración del razonamiento visual en la cadena de pensamiento, superando con creces a los modelos anteriores en tareas complejas de comprensión de imágenes:
| conjunto de datos | declaración de objetivos | o1 | o3 | o4-mini |
|---|---|---|---|---|
| MMMU (Matemáticas Visuales Universitarias) | Resolución integrada de problemas con fórmulas y gráficos (AC%) | 77.6 | 82.9 | 81.6 |
| MathVista (matemáticas visuales) | Razonamiento con imágenes geométricas / funcionales (AC%) | 71.8 | 87.5 | 84.3 |
| CharXiv-Razonamiento | Comprensión de diagramas científicos (AC%) | 55.1 | 75.4 | 72 |
Importancia del avance: o3 puede "mirar la foto y pensar" como los seres humanos, haciendo realidad la actualización del paradigma del "procesamiento de píxeles" al "razonamiento de escenas". Un usuario tomó casualmente una foto de camino al trabajo y pidió a o3 que analizara la ubicación. Un usuario tomó una foto de camino al trabajo y pidió a o3 que analizara la ubicación. Primero amplió la imagen, analizó la información clave de la foto, luego buscó páginas web relacionadas para reducir el ámbito de búsqueda paso a paso, y finalmente dio la información específica de la ubicación.
3. Código y capacidades de ingeniería: o3 es el desarrollador elegido
En tareas de ingeniería de software, o3 lidera con acceso a herramientas y comprensión de código, mientras que o4-mini está equilibrado en escenarios ligeros:
| tarea de código | norma | o1-alto | o3-mini | o3-alto | o4-mini-alto |
|---|---|---|---|---|---|
| Validación SWE-Bench (AC%) | Algoritmos / Diseño de sistemas | 48.9 | 69.1 | 69.1 | 68.1 |
| Editor de código Aider (completo) | Reescritura multilingüe global (%) | 66.7 | 81.3 | 81.3 | 64.4 |
| SWE-Lancer Ingresos por recepción de pedidos | Trabajos autónomos ($) | 118,000 | 177,000 | 236,000 | – |
Valor práctico: o3 ha alcanzado una media de 236.000 dólares al mes en tareas reales de codificación, superando con creces al modelo antiguo y convirtiéndose en una herramienta fundamental para el desarrollo de código a nivel empresarial; o4-mini es adecuada para la creación rápida de prototipos y la depuración ligera de código.

4. Uso y aplicación de herramientas: o3 Un nuevo paradigma para construir inteligencias
o3 demuestra una mayor coherencia de tareas en escenarios de colaboración de herramientas, como el seguimiento de comandos de varias rondas, la manipulación de navegadores y las llamadas a funciones:
| Tareas instrumentales | norma | o1-alto | o3-mini | o3 (versión de la herramienta) | o4-mini (versión herramienta) |
|---|---|---|---|---|---|
| Escala MultiReto | Seguimiento de órdenes de varias rondas (AC%) | 28.3 | 44.93 | 56.51 | 42.99 |
| Operaciones del navegador BrowseComp | Captura de información (AC%) | 32.4 | 50.0 | 70.8 | 52.0 |
| Llamadas a funciones de Tau-bench | Salida estructurada (AC%) | 49.7 | 51.5 | 57,6 (al por menor) | 65,6 (al por menor) |
Ventajas clave: la capacidad de o3 para manejar de forma autónoma navegadores virtuales y llamar a API para generar resultados estructurados, como JSON de reservas de vuelos, proporciona capacidades de nivel comercial en la automatización de procesos complejos.
III. Parámetros y precios: relación calidad/precio totalmente optimizada
| modelización | capacidad de razonamiento | tempo | Precio (entrada/salida/mil fichas) | Entradas admitidas | ventana contextual |
|---|---|---|---|---|---|
| o1 | infraestructuras | el más lento | $15-$60 | Texto / Imagen | 200,000 |
| o3-mini | alto nivel | moderado | $1.1-$4.4 | ejemplares | 200,000 |
| o4-mini | alto nivel | moderado | $1.1-$4.4 | Texto / Imagen | 200,000 |
| o3 | supremo | el más lento | $10-$40 | Texto / Imagen | 200,000 |
| o1-pro | profesiones | el más lento | $150-$600 | Texto / Imagen | 200,000 |
Ajustes en el núcleo: o3 tiene un precio 1/3 inferior a o1 para una relación calidad/precio mucho mejor; o4-mini tiene el mismo precio que o3-mini, pero con soporte para entrada de imágenes y mejor inferencia.
Si desea utilizar GPT Plus, Claude Pro, Grok Super cuenta exclusiva oficial de pago, puede ponerse en contacto con nuestro equipo profesional (wx: abch891) si no sabe cómo recargar su cuenta.






