Le 17 avril 2025, OpenAI a officiellement publié les nouveaux modèles d'inférence o3 (full-blooded version) et o4-mini lors d'une diffusion en direct en fin de soirée, en remplacement des anciens modèles tels que o1 et o3-mini. Cette mise à jour apporte des améliorations significatives dans les domaines de l'inférence des connaissances, du traitement multimodal et des capacités de codage, tout en optimisant la stratégie de tarification afin d'offrir une expérience d'IA plus efficace aux développeurs et aux utilisateurs.
ShirtAI permet l'utilisation gratuite et illimitée de GPT-4, GPT-4o strongest, GPT-4.1-mini et d'autres modèles en un seul clic depuis le site officiel :www.lsshirtai.com
I. Vue d'ensemble du modèle : une mise à niveau complète des paramètres au positionnement
Les modèles o3 et o4-mini d'OpenAI sont basés sur une nouvelle architecture et se concentrent sur des scénarios différents :
- o3 : En tant que "version complète" du modèle phare, il se concentre sur le raisonnement avancé et la synergie des outils, prend en charge l'accès à des outils complets (par exemple, Python, navigation dans les réseaux, appels de fonction) et réalise pour la première fois un "raisonnement visuel intégré dans la chaîne de pensée", qui convient à la résolution de problèmes complexes.
- o4-mini : un modèle léger et performant axé sur le raisonnement rapide de haut niveau et les tâches de codage/vision, avec un rapport prix/performance exceptionnel tout en restant efficace.
Deuxièmement, la comparaison des performances : la capacité multidimensionnelle à écraser l'ancien modèle
1) Raisonnement intellectuel : un pic de précision grâce à l'outil
Dans les concours de mathématiques, les problèmes scientifiques et les tests interdisciplinaires, o3 et o4-mini affichent des performances écrasantes, en particulier lorsque l'utilisation d'outils est autorisée :
| Ensembles de données / tâches | o1 | o3-mini | o3 (sans outil) | o3 (avec Python) | o4-mini (sans outils) | o4-mini (avec Python) |
|---|---|---|---|---|---|---|
| Concours de mathématiques AIME 2024 (AC%) | 74.3 | 87.3 | 91.6 | 95.2 | 93.4 | 98.7 |
| Concours de code Codeforces (ELO) | 1891 | 2073 | – | 2719 | – | 2073 |
| GPQA Questions scientifiques sur les diamants (AC%) | 78 | 77 | 83.3 | – | 81.4 | – |
| Le dernier examen de l'humanité (AC%) | 13.4 | 20.3 | 20.3 | 24.9 | 14.28 | 17.7 |
Principales conclusions :
- La précision de l'AIME est passée de 91,6% à 95,2% après que o3 a fait appel à Python, et Humanity's Last Exam a amélioré sa précision de 24,9% avec la chaîne d'outils.
- Bien que o4-mini soit un modèle léger, il a atteint 93,41 TP3T (AIME) sans outils, ce qui est proche de la version avec outils de o3, et le rapport prix/performance est exceptionnel. o4-mini-high a résolu l'un des derniers problèmes du projet Euler en 2 minutes et 55 secondes, mais ce n'est pas un problème simple, seules 15 personnes peuvent le résoudre en 30 minutes, et il s'agit d'un nouveau problème qui n'est apparu qu'il y a quelques jours. Il s'agit d'un nouveau problème qui n'est apparu qu'il y a quelques jours et qui n'aurait pas pu figurer dans l'ensemble d'entraînement de o4, ce qui suggère que o4-mini-high s'est appuyé sur la "réflexion" pour le résoudre.
2. raisonnement visuel multimodal : de la "reconnaissance d'images" à la "pensée par l'image"
Pour la première fois, o3 et o4-mini prennent en charge l'intégration du raisonnement visuel dans la chaîne de pensée, surpassant de loin les modèles plus anciens dans les tâches de compréhension d'images complexes :
| ensemble de données | déclaration de mission | o1 | o3 | o4-mini |
|---|---|---|---|---|
| MMMU (Université de mathématiques visuelles) | Formule + Résolution intégrée de problèmes graphiques (AC%) | 77.6 | 82.9 | 81.6 |
| MathVista (mathématiques visuelles) | Raisonner avec des images géométriques / fonctionnelles (AC%) | 71.8 | 87.5 | 84.3 |
| CharXiv-Raisonnement | Compréhension des diagrammes scientifiques (AC%) | 55.1 | 75.4 | 72 |
Importance de l'avancée : o3 peut "regarder l'image et penser" comme les êtres humains, réalisant ainsi l'évolution du paradigme du "traitement des pixels" vers le "raisonnement sur la scène". Un utilisateur a pris une photo sur le chemin du travail et a demandé à o3 d'analyser l'endroit où elle se trouvait. Il a d'abord zoomé sur l'image, analysé les informations clés qu'elle contenait, puis recherché des pages web connexes afin de réduire le champ de recherche étape par étape, et enfin fourni des informations spécifiques sur l'emplacement.
3. le code et les capacités d'ingénierie : o3 est le développeur de choix
Dans les tâches de génie logiciel, o3 est en tête pour l'accès aux outils et la compréhension du code, tandis que o4-mini est équilibré dans les scénarios légers :
| tâche de codage | norme | o1-haut | o3-mini | o3-haut | o4-mini-haut |
|---|---|---|---|---|---|
| Validation du banc SWE (AC%) | Algorithmes / Conception de systèmes | 48.9 | 69.1 | 69.1 | 68.1 |
| Aider Editeur de code (entier) | Réécriture multilingue globale (%) | 66.7 | 81.3 | 81.3 | 64.4 |
| SWE-Lancer Revenus de prise de commande | Missions en free-lance ($) | 118,000 | 177,000 | 236,000 | – |
Valeur pratique : o3 a généré en moyenne 236 000 dollars par mois en tâches de codage réelles, dépassant de loin l'ancien modèle et devenant un outil essentiel pour le développement de code au niveau de l'entreprise ; o4-mini est adapté au prototypage rapide et au débogage de code léger.
4. utilisation et mise en œuvre des outils : o3 Un nouveau paradigme pour la construction des intelligences
o3 fait preuve d'une plus grande cohérence dans les scénarios de collaboration avec les outils, tels que le suivi de commandes à plusieurs tours, la manipulation de navigateurs et les appels de fonctions :
| Tâches instrumentales | norme | o1-haut | o3-mini | o3 (version outil) | o4-mini (version outil) |
|---|---|---|---|---|---|
| Échelle MultiChallenge | Suivi de commande à plusieurs tours (AC%) | 28.3 | 44.93 | 56.51 | 42.99 |
| Opérations du navigateur BrowseComp | Capture d'information (AC%) | 32.4 | 50.0 | 70.8 | 52.0 |
| Appels de fonctions du banc Tau | Sortie structurée (AC%) | 49.7 | 51.5 | 57,6 (détail) | 65,6 (détail) |
Principaux avantages : la capacité d'o3 à faire fonctionner de manière autonome des navigateurs virtuels et à appeler des API pour générer des résultats structurés tels que des réservations de vols en JSON offre des capacités de niveau commercial pour l'automatisation de processus complexes.
III. paramètres et prix : un rapport qualité/prix pleinement optimisé
| modélisation | capacité de raisonnement | tempo | Prix (entrée/sortie / millier de tokens) | Entrées prises en charge | fenêtre contextuelle |
|---|---|---|---|---|---|
| o1 | infrastructure | le plus lent | $15-$60 | Texte / Image | 200,000 |
| o3-mini | niveau élevé | modéré | $1.1-$4.4 | copies | 200,000 |
| o4-mini | niveau élevé | modéré | $1.1-$4.4 | Texte / Image | 200,000 |
| o3 | suprême | le plus lent | $10-$40 | Texte / Image | 200,000 |
| o1-pro | professions | le plus lent | $150-$600 | Texte / Image | 200,000 |
Ajustements de base : le prix de o3 est inférieur d'un tiers à celui de o1 pour un rapport prix/performance nettement meilleur ; le prix de o4-mini est identique à celui de o3-mini, mais avec la prise en charge de l'entrée d'images et une meilleure inférence.
Si vous souhaitez utiliser les comptes exclusifs officiels GPT Plus, Claude Pro, Grok Super, vous pouvez contacter notre équipe professionnelle (wx : abch891) si vous ne savez pas comment recharger votre compte.
评论列表 (0条)：
加载更多评论 Chargement...