OpenAI o4-mini正式发布 史上最强最智能模型

今天凌晨1点，OpenAI进行了一场技术直播，正式发布了目前最强、最智能的模型：o4-mini和满血版o3。这次发布的核心看点在于，这两款模型不仅具备多模态处理能力（同时处理文本、图像和音频），还首次拥有了自主调用外部工具的能力——包括网络搜索、图像生成、代码解析，以及深度思考模式（思维链中可以直接“思考”图像）。

o3和o4-mini：不只是“能说会道”

传统大模型往往局限于对输入数据的直接处理和生成输出结果。而这次，OpenAI首次赋予o3和o4-mini调用外部工具的能力。训练过程中，模型不仅要学会如何生成文本，还要学会在面对复杂任务时，选择合适的工具来辅助推理。举个例子，在解决复杂的数学问题时，模型可以调用计算器来完成运算；在处理图像时，可以调用图像处理工具来裁剪、旋转。这种能力让模型摆脱了“只会说不会做”的局限，真正具备了解决复杂任务的潜力。

多模态推理能力是另一大亮点。模型能够同时处理文本、图像、音频，并将这些不同模态的数据进行有机整合。架构上，OpenAI采用了创新的神经网络设计，让模型将图像和文本数据分别编码为统一的特征表示。对于图像数据，通过卷积神经网络提取特征；对于文本数据，则使用Transformer编码器提取语义信息。随后，模型通过一个融合模块将这些特征整合起来，生成统一的特征表示，从而实现多模态数据的联合处理。

更关键的是，这种多模态处理模块具备动态调整能力。模型可以根据任务需求，灵活调整对不同模态数据的处理权重。比如处理以图像为主的任务时，模型会更关注图像特征；处理以文本为主的任务时，则会更多关注语义信息。

在训练策略上，OpenAI采用大规模无监督学习与少量监督学习相结合的方式。无监督学习部分，模型通过大量文本和图像数据进行预训练，学习语言和图像的基本特征；监督学习部分，则通过标注数据和工具使用数据，对模型进行微调，使其更精准地理解和使用工具。

测试数据：实打实的“天花板”

从基准测试来看，o3和o4-mini的表现堪称“天花板级别”。在AIME 2024测试中，不使用外部工具的情况下，o3准确率为91.6%，o4-mini达到93.4%；AIME 2025测试中，o3为88.9%，o4-mini为92.7%。值得注意的是，o4-mini在数学推理上甚至超过了满血版o3。

编程竞赛（Codeforces）方面，o4-mini拿下了惊人的2719分，直接跻身全球前200名参赛者之列；o3则为2706分，同样属于顶尖水平。在博士级问题解答（GPQA）测试中，不使用工具的情况下，o3准确率达83%，o4-mini为81.4%。在人类最终测试中，o3得分20.32，o4-mini为24.9，略低于OpenAI之前发布的Agent模型Deep research。

多模态任务方面，o3和o4-mini在MMU Math、Vista、Charive和Vstar等基准测试中同样表现非常出色，几乎没有短板。

除了常规测试，OpenAI还分享了一些科研人员的实际使用案例。比如在物理学研究中，模型通过分析实验数据和查阅相关文献，成功帮助研究人员完成了一个复杂的物理量估计任务。整个过程仅用了几分钟，而人类研究人员可能需要数天甚至数周。这不仅是效率的提升，更展示了模型在真实科学研究中的巨大潜力。

在软件开发领域，模型能帮助开发者快速定位和修复代码错误。通过调用代码分析工具和调试工具，模型甚至能快速识别并解决复杂的Python包问题。同样，整个过程也只用了几分钟。

开放与访问

从今天开始，ChatGPT Plus、Pro和Team用户可以在模型选择器中看到o3、o4-mini和o4-mini-high。ChatGPT Enterprise和Edu用户将在一周后获得访问权限，所有计划的速率限制与之前的模型保持不变。

面向开发者，满血o3和o4-mini已经通过Chat Completions API和Responses API开放。Responses API特别支持推理摘要功能，并且在函数调用时可以保留推理标记以提升性能。很快，该API还将支持内置工具，包括网页搜索、文件搜索和代码解释器，进一步增强模型的推理能力。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：OpenAI o4-mini正式发布 史上最强最智能模型要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题