OpenAI o3‑mini31.01.2025 11:00

Расширяя границы экономически эффективных рассуждений.

Мы выпускаем OpenAI o3‑mini — нашу новейшую и самую экономичную модель в серии рассуждающих моделей, которая уже сегодня доступна в ChatGPT и через API. Представленная в декабре 2024 года⁠, эта мощная и бытая модель раздвигает границы возможностей небольших моделей, обеспечивая исключительные навыки в области точных наук, технологий, инженерии и математики (STEM) — с особым упором на науку, математику и программирование, — и всё это при сохранении низкой стоимости и уменьшенной задержки OpenAI o1‑mini.

OpenAI o3‑mini — наша первая небольшая модель с возможностью рассуждения, которая поддерживает столь востребованные разработчиками функции, включая вызов функций (function calling)⁠, структурированные выводы (Structured Outputs)⁠ и сообщения разработчика (developer messages)⁠, что делает её готовой к использованию в продакшене с самого начала. Как и OpenAI o1‑mini и OpenAI o1‑preview, o3‑mini поддерживает потоковую передачу данных (streaming)⁠. Кроме того, разработчики могут выбирать из трех вариантов интенсивности рассуждений (reasoning effort)⁠ — низкого (low), среднего (medium) и высокого (high), — чтобы оптимизировать модель под свои конкретные задачи. Эта гибкость позволяет o3‑mini «сильнее задумываться» при решении сложных проблем или отдавать приоритет скорости, когда критически важна задержка. Модель o3‑mini не поддерживает работу с визуальными данными, поэтому для задач визуального анализа разработчикам следует продолжать использовать OpenAI o1. Начиная с сегодняшнего дня, o3‑mini внедряется в Chat Completions API, Assistants API и Batch API для избранных разработчиков с 3–5 уровнями использования API (API usage tiers 3–5)⁠.

Пользователи тарифных планов ChatGPT Plus, Team и Pro получат доступ к OpenAI o3‑mini уже сегодня, а корпоративный доступ (Enterprise) появится в феврале. Модель o3‑mini заменит OpenAI o1‑mini в селекторе моделей, предложив более высокие лимиты запросов и меньшую задержку, что делает её привлекательным выбором для программирования, задач STEM и логического решения проблем. В рамках этого обновления мы утроим лимит запросов для пользователей Plus и Team: с 50 сообщений в день для o1‑mini до 150 сообщений в день для o3‑mini. Кроме того, o3‑mini теперь работает с поиском, позволяя находить актуальные ответы со ссылками на соответствующие веб-источники. Это ранний прототип в рамках нашей работы по интеграции поиска во все рассуждающие модели.

Начиная с сегодняшнего дня, пользователи бесплатного тарифа также могут попробовать OpenAI o3‑mini, выбрав пункт «Рассуждать» (Reason) при создании сообщения или сгенерировав ответ заново. Это первый случай, когда рассуждающая модель становится доступна бесплатным пользователям в ChatGPT.

Хотя OpenAI o1 остается нашей универсальной моделью рассуждений общего назначения, OpenAI o3‑mini представляет собой специализированную альтернативу для технических областей, требующих точности и скорости. В ChatGPT o3‑mini использует средний уровень интенсивности рассуждений для обеспечения сбалансированного компромисса между скоростью и точностью. Все платные пользователи также получат возможность выбрать o3‑mini‑high в селекторе моделей для получения более интеллектуальной версии, на генерацию ответов которой уходит чуть больше времени. Пользователям Pro будет предоставлен неограниченный доступ как к o3‑mini, так и к o3‑mini‑high.

Подобно своему предшественнику OpenAI o1, модель OpenAI o3‑mini оптимизирована для логических рассуждений в STEM-областях. При среднем уровне усилий на рассуждения o3‑mini соответствует показателям o1 в математике, программировании и естественных науках, обеспечивая при этом более быстрый ответ. Оценки экспертов-тестировщиков показали, что o3‑mini выдает более точные и понятные ответы с более сильными способностями к рассуждению, чем OpenAI o1‑mini. Тестировщики отдавали предпочтение ответам o3‑mini по сравнению с o1‑mini в 56% случаев и отметили сокращение числа серьезных ошибок на 39% при решении сложных реальных задач. При среднем уровне усилий на рассуждения o3‑mini не уступает o1 в некоторых из самых сложных тестов на интеллект и логику, включая AIME и GPQA.

Олимпиадная математика (AIME 2024)

Научные вопросы уровня PhD (GPQA Diamond)

FrontierMath

Соревновательное программирование (Codeforces)

Программная инженерия (SWE-bench Verified (n=477))

Программирование в LiveBench

Общие знания

Оценка предпочтений человека

Обладая интеллектом, сопоставимым с OpenAI o1, модель OpenAI o3‑mini обеспечивает более высокую скорость работы и улучшенную эффективность. Помимо упомянутых выше тестов в области STEM, o3‑mini демонстрирует превосходные результаты в дополнительных тестах по математике и фактологической точности при среднем уровне рассуждений. В ходе A/B-тестирования o3‑mini выдавала ответы на 24% быстрее, чем o1‑mini, при этом среднее время ответа составило 7,7 секунды по сравнению с 10,16 секунды.

Сравнение задержки между o1-mini и o3-mini (средний уровень)

Одним из ключевых методов, которые мы использовали для обучения OpenAI o3‑mini безопасным ответам, является преднамеренное выравнивание (deliberative alignment): мы обучали модель рассуждать над написанными людьми спецификациями безопасности перед ответом на запросы пользователей. Аналогично OpenAI o1, модель o3‑mini значительно превосходит GPT‑4o в сложных тестах на безопасность и обход систем защиты (jailbreak). Перед развертыванием мы тщательно оценили риски безопасности o3‑mini, используя тот же подход к обеспечению готовности, внешнему тестированию на проникновение (red-teaming) и оценке безопасности, что и для o1. Мы благодарим тестировщиков безопасности, подавших заявки на тестирование o3‑mini на этапе раннего доступа. Подробные сведения об оценках, приведенных ниже, а также исчерпывающее объяснение потенциальных рисков и эффективности наших мер по их минимизации доступны в системной карте o3‑mini.

Оценка запрещенного контента

Тестирование на обход защиты (Jailbreak)

Выпуск OpenAI o3‑mini знаменует собой еще один шаг в реализации миссии OpenAI по расширению границ экономически эффективного интеллекта. Оптимизируя логические рассуждения для областей STEM и одновременно удерживая затраты на низком уровне, мы делаем высококачественный ИИ еще более доступным. Эта модель продолжает нашу традицию снижения стоимости искусственного интеллекта — сократив цены за токен на 95% с момента запуска GPT‑4 — при сохранении первоклассных возможностей рассуждения. По мере расширения внедрения ИИ мы по-прежнему привержены лидерству на передовой, создавая модели, которые сочетают в себе интеллект, эффективность и безопасность в масштабном исполнении.