OpenAI深夜反击DeepSeek，紧急上线o3-mini免费用

春节假期，来自东方神秘力量的DeepSeek撕裂了硅谷的舆论场。

一面是OpenAI、Anthropic等厂商的游说打压，一面却又见证了其盟友口嫌体直的态度，短短一夜之间，微软、英伟达、亚马逊等美国云计算平台纷纷向DeepSeek R1伸出橄榄枝。

面对DeepSeek声势的持续攀升，最有力的反制手段终究还是要靠实力说话。

今天凌晨，OpenAI正式上线了OpenAI o3-mini系列模型。

作为o1-mini模型的继任者，o3-mini是目前推理系列中最新且最具性价比的模型。OpenAI研究科学家Noam Brown在X平台发文称：

“我们十分高兴地推出了o3-mini，包括向免费用户开放。在多项评估中，它的性能表现优于o1。我们正在彻底改变成本与智能之间的关系。模型智能将持续提升，而获得相同智能水平的成本则会不断降低。”

o3-mini系列模型具体亮点如下：

• o3-mini主打快速推理，o3-mini（high）擅长编码和逻辑；

• 支持联网搜索，暂不支持多模态功能；

• 训练数据经过严格筛选，安全合规表现有所增强

付费用户方面，ChatGPT Plus、Team和Pro用户现已可以使用o3-mini，企业版将在一周后开放访问。

OpenAI将Plus和Team用户的每日消息限制从o1-mini的50条提升至150条。Pro用户可享受o3-mini以及o3-mini-high的无限次访问，满足更高强度或更专业的推理需求。

同时这也是OpenAI首次向免费用户开放推理模型的使用权限，在ChatGPT消息输入框下方选择“Reason”按钮即可使用。

值得一提的是，OpenAI o3-mini集成了搜索功能，能够实时获取最新答案并附带相关网页链接，方便用户进行深度调研。

不过，目前这还是一项原型功能，官方表示未来将持续完善和扩展到更多推理模型。

o3-mini是OpenAI首个支持函数调用、结构化输出和开发者消息等高级功能的小型推理模型，支持开箱即用。

与o1-mini和o1-preview一样，o3-mini支持流式传输。

开发者还可以根据具体需求在低、中、高三种推理强度中进行选择，在复杂任务处理和响应速度之间取舍。

测试显示，o3-mini的平均响应时间为7.7秒，较o1-mini的10.16秒快了24%。同时，在专家评测中，有56%的评测者更倾向于选择o3-mini的回答，在处理复杂实际问题时的重大错误率也降低了39%。

o3-mini的系统卡提到，在为期一周的评估中，七位人类生物学专家与o3-mini(预训练版本)就复杂的生物学问题展开了多轮对话。

专家一致认为，即便在无法接入互联网的情况下，o3-mini的问答能力依然强大，不仅能够加速信息检索过程，还能提供互联网上难以找到的信息。

并且，专家们还发现该模型在文献综述与问题解答方面表现出色，能够快速且全面地梳理文献资料。不过也需要注意的是，模型偶尔会出现幻觉，导致细节信息有所偏差。

在核心能力评测中，o3-mini交出了一份亮眼的成绩单。在高等推理模式下，其在2024年AIME数学竞赛中达到87.3%的准确率。

博士级别的科学问答任务GPQA Diamond得分高达77.2%。

在竞技编程平台Codeforces上，o3-mini（high）更是斩获2130的ELO评分。

在软件工程领域，o3-mini同样表现不俗。

在SWE-bench验证测试中，高等推理模式下的准确率达到49.3%；使用内部工具框架时，这一数字更是攀升至61%。即便是使用开源的Agentless框架，o3-mini仍然保持了39%的通过率。

在人类偏好评估（Human preference evaluation）中，o3-mini(medium)在多个任务场景下胜率均显著高于o1-mini，无论是在STEM任务、非STEM任务，还是用户处于时间受限的情况下。

o1-mini则更加平均，但在胜率和错误率方面不如o3-mini(medium)突出。

o3-mini模型采用思维链推理（Chain-of-Thought Reasoning）训练方法，能够让模型在回应用户之前先对安全规范进行推理，因此在安全性和防越狱测试中的表现都有显著提升。

系统卡显示，o3-mini风险控制能力表现优异。

模型在说服、CBRN（化学、生物、放射性、核）和模型自主性方面呈现中等风险，而在网络安全方面则保持低风险，比如无法有效执行高难度黑客攻击任务，对真实世界的网络威胁能力有限。

此外，o3-mini在识别和拒绝危险请求时与GPT-4o旗鼓相当，同时大幅降低了对无害请求的误判，有效解决了过度谨慎的问题。

在幻觉控制方面，基于PersonQA数据集的测试显示，其错误信息生成率已降至14.8%的可控水平。

跨语言处理能力是衡量大模型实用性的重要指标之一。

o3-mini多语言处理能力测试横跨14种主流语言，包括阿拉伯语、中文、法语、德语、日语和西班牙语等，较o1-mini有明显提升。

o3-mini的成本显著低于o1（约便宜13.6倍），缓存输入（Cached Input）的成本是标准输入费用的一半。

论文作者栏也出现了熟悉的名字——Hongyu Ren（任泓宇）。

任泓宇本科毕业于北大，对o1有过基础性贡献，也是GPT-4o的核心开发者，曾在苹果、微软和英伟达有过丰富的研究实习经历。

光说不练假把戏，我们第一时间上手实测了刚刚上线的o3-mini和o3-mini(high)两个版本。

首先测试o3-mini新增的搜索功能，让它查询OpenAI最新的融资消息，时效性不错，而且还能准确追溯到《华尔街日报》的原始报道。

接着，我们抛出一道脑筋急转弯“1=5，2=15，3=215，4=2145，那么5=?”这道题有两种解法：从脑筋急转弯的角度看，既然1=5，那么5=1；从数学逻辑推理来看，答案应为21485。显然，o3-mini也没答对。

为了进一步考验性能更强的o3-mini(high)，我们抛出了一道统计题

“100个人回答五道试题，有81人答对第一题，91人答对第二题，85人答对第三题，79人答对第四题，74人答对第五题，答对三道题或三道题以上的人算及格，那么，在这100人中，至少有（）人及格。”

o3-mini系列的“思考”过程都能显现，但与DeepSeek R1“碎碎念”式的思考不同，o3-mini(high)的思考过程反而更加简洁明了。

X网友问了一道关于凸函数的梯度流路径长度问题，o3-mini(high)成功经受了考验。

当被要求创作一个龟兔赛跑的故事，且需要遵循“前词尾字母等于后词首字母”的规则，并将篇幅控制在100词以内时，o3-mini(high)也交出了一份及格答卷。

从故事逻辑来看，尽管部分句子表达略显生硬，但故事仍然清晰传达了龟兔赛跑的核心寓意。

当然，也有网友抱着试试看的心态，请o3-mini挑战数学界的终极难题——黎曼猜想。

而有心无力的o3-mini也没上当，明确指出黎曼猜想仍然是数学界尚未解决的难题，因此无法提供一个正确的证明或反例。

事实上，AI在过去几年正以惊人的速度渗透至我们的生活。

从2023年的ChatGPT，到2024年的Sora，再到2025年的DeepSeek，每一年都有新的惊喜，AI的技术突破正在成为春节的赛博年货。

DeepSeek的崛起引发业界震动。各大AI巨头们表面上与DeepSeek保持距离，实则暗中认可并致力复现其在基础设施优化方面取得的“新颖的进展”。

Meta甚至专门成立团队，对其技术进行逐帧学习。

尽管如此，业内的一个共识是，DeepSeek很难冲击到必要的AI基建投资。

这一判断很快在资本市场得到印证。扎克伯格在内部会议重申追加600-650亿美元资本投资的计划，OpenAI也传出与软银洽谈巨额融资的消息，投后估值可能达到3000亿美元。

生于斯长于斯，OpenAI o3-mini一定程度上也是脱胎于先前的AI基建投资热潮。

但就这款轻量级模型而言，o3-mini同时也更深层次预示着AI行业竞争的小切口正在从规模转向效能，如何以最优成本创造最大价值将成为发展的新命题。

对于OpenAI而言，短时间夺回舆论热度并不难，但要想在这场日趋火热化的竞争中确立真正的优势，技术品牌形象的价值也同等重要。

尤其是，被誉为真正OpenAI的DeepSeek已经开始牢牢占据开源AI领头羊的生态位。

闭源的围墙越高，开源的力量越显珍贵。2025年，开源与闭源真正的较量或许才刚刚开始。

本文来自微信公众号：APPSO （ID：appsolution），作者：appso