OpenAI质疑智能体领域的真实水平

OpenAI 的新推理模型 o3 和 o4-mini，在性能和价格上双双炸场，堪称一次真正的市场洗牌。

这次发布的核心看点，集中在三个方向：一是 o3 和 o4-mini 在关键基准测试中的登顶表现；二是融合 ChatGPT 功能后，测试分数又冲上一个台阶；三是 o4-mini 的极致性价比，以及它对智能体创业市场的深远影响。

「OpenAI 吹响市场清洗号角。」

4 月 17 日，OpenAI 突然放出推理模型 o3 和 o4-mini，着实让人意外。毕竟前一天 GPT-4.1 刚发布，业内普遍认为短期内不会再出新模型——此前 Altman 还明确说过不会单独发布 o3，而是要整合进 GPT 5。结果，大料一个接一个。

这次 o3 和 o4-mini 在 Codeforces、SWE-bench、MMMU 等基准测试中频频登顶，刷新纪录。但更值得关注的是，当模型融合了 ChatGPT 的联网搜索、Python 环境、本地搜索、结构化数据等能力后，各项测试分数再度大幅提升，效果令人眼前一亮。

这两款新推理模型还首次推出了图像推理功能。各方实测显示，模型能根据随手拍的照片，仅靠内容分析出图片的准确地理位置。

更让人兴奋的是，o4-mini 更小、更快、更便宜，基准测试数据却不输 o3。价格更是爆炸：o4-mini 百万 token 输入仅 1.1 美元，输出 4.4 美元，缓存命中低至 0.28 美元——比 GPT-4.1 还便宜。

这一点上，不得不感谢 DeepSeek 把 OpenAI 逼到了这个程度。但另一方面，OpenAI 的新模型实实在在给 GenAI 创业市场来了场清洗——甚至可以说是血腥清洗。GPT-4.1 发布时，市场还觉得编程能力一般，不足为惧。但 o3 和 o4-mini 不仅吞下了编程，更凭借着模型内嵌能力加上 ChatGPT 的整合服务，直接吞下了通用 AI Agent 市场。

• OpenAI 拥有顶尖的基础模型技术，以及领先的各类强化学习技术，能精确分配智能体服务的哪部分由模型内处理，哪部分引用外部流程。
• 这次 o3 和 o4-mini 使用自带的 Python 环境，直接解决了大量数学、科学和编程的智能体需求。而上周国内知道创宇发布的 AiPy 也是同样的思路——利用 Python 强大的软件库生态，搭建大模型专用工具来扩展能力边界。
• 只不过，现在看来 o3 和 o4-mini 已经直接将这些 Python 软件库内化为模型内服务，不需要在本地加载大量库文件，就能高效完成任务。

为了进一步延伸代码能力，OpenAI 还直接开源了一款本地代码智能体：Codex CLI。注意关键词：开源、本地部署、命令行工具、轻量级。Codex CLI 在极低的本地资源占用下，就能帮你完成已有的编程任务。这也是 AiPy 的目标——而且 AiPy 目前也是命令行工具的形态。从实际体验来看，AiPy 已经完成得非常不错，老旧电脑都能用。

猎杀模式已经开启，智能体创业团队该怎么活？实际上，OpenAI 已经推出了大量的 AI Agent 服务，并且一直在朝着更简洁的开发者服务、更低的本地资源占用、更高效的模型内服务方向稳步发展。目前包括 ChatGPT Tasks、Operator、Deep Research，以及开源的智能体编排框架 Agents SDK——更早之前的 GPTs 也可以视为智能体形态的尝试。现在看来，除了 Operator 的计算机控制功能还有价值、Agents SDK 能为企业定制本地部署版服务之外，其他服务在 o3 和 o4-mini 面前，已经处于淘汰边缘。

AI 顿悟涌现时，更期待 GPT 5 和 A-SWE 全能编程智能体了。

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质疑智能体领域的真实水平要求：
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