OpenAI 发布 o3 和 o4-mini

背景

「o3」这个名字最早在 2024 年 12 月 20 日公开。OpenAI 当天宣布了这款模型，却跳过了顺理成章的「o2」编号，原因是「O2」已被其他公司注册为商标，于是直接用了 o3^[1]。从公布到真正可用，中间隔了将近四个月。

发布了什么

2025 年 4 月 16 日，OpenAI 发布 o3 与 o4-mini 两款模型^[1]。OpenAI 把两者称为迄今最智能的模型，并表示这是它的推理模型第一次能以智能体（agent）方式调用并组合 ChatGPT 内的全部工具^[3]。推理模型指的是在给出答案之前先生成一段较长思考过程的一类模型；这句话新增的含义是，这类模型还能自行决定去搜索、去运行代码解释器、去调用别的内置工具，并在处理同一个任务的过程中把多个工具串联起来用。名字里的「mini」表示这是同一代中更轻量的型号。

基准成绩

OpenAI 给出的数字是：o3 在 SWE-bench Verified 上得分 71.7%，在 Codeforces 上的 Elo 评分为 2727^[1]。SWE-bench Verified 取材于开源仓库里真实的软件问题，模型要交出一份能让失败测试通过的补丁；Codeforces 是竞赛编程网站，Elo 则是与人类选手同一套评分体系下的分数。这两个数字都指向代码，以及需要多步推理才能得出结论的题目。

同日发布的 Codex CLI

同一天还有一件较小的事：OpenAI 发布 Codex CLI，一个在终端里运行的开源编码智能体^[2]。它从命令行使用，开发者可以把本地的代码仓库交给它，让它读代码、改代码、跑代码。OpenAI 把它以完全开源的形式发布在 github.com/openai/codex，并配套了一项总额 100 万美元的计划，以每笔 25,000 美元的 API 额度发放资助^[3]。这笔钱面向的是在工具之上做开发的人，而不是 OpenAI 自己的使用。

安全评估

发布的同时，OpenAI 公布了系统卡（system card），说明对两款模型做了哪些评估。按照 Preparedness Framework，公司报告两款模型在生物与化学、网络安全、AI 自我改进这三个类别中均未达到「High」阈值^[3]。低于某一阈值是对测量结果的陈述，并不等于风险不存在。

谁能用

上线当天，模型选择器就变了：Plus、Pro 和 Team 用户的 o1、o3-mini、o3-mini-high 被 o3、o4-mini 和 o4-mini-high 取代；Enterprise 与 Edu 用户在一周后跟进^[3]。值得留意的是「取代」二字——旧一代并没有作为另一个选项与新模型并列保留在这些菜单里。