OpenAI在周三（4/16）发布了全新的o3推理模型与轻量的o4-mini推理模型，这两个新模型最大的特点是具备视觉推理与图像操作能力，将图像纳入推论过程并对其进行多步骤的视觉分析，可自动对图像进行缩放、旋转及剪裁等操作。

o系列是OpenAI的推理模型，强调具备关联性思考能力，但它们在回答之前会思考更长的时间，在回复使用之前采用了很长的内部思考链。OpenAI是在去年9月正式发布o1，也有轻量级的o1-mini与专业级的o1-pro；OpenAI跳过了o2型号，并在今年2月率先发布o3 mini；于本周同时发布o3与o4 mini。

o3与o4 mini最令人惊艳的应该是它们的图像思考及推理能力，这两个模型可借由各种工具来转换用户所上传的图像，让这些图像得以裁剪、放大与旋转，还能执行其他简单的图像处理技术。

例如当用户上传了一张今天在海边拍的照片，远方的海面上有许多船只，他将照片上传并询问最大艘的船只叫什么名字，以及它之后会停靠在哪个港口。由于船只太远，o3只好先将照片放大，识别出用户的位置，找到最大艘的船，识别船只的名字，再上网搜索以给出答案，但总计花了好几分钟。

OpenAI表示，用户可以上传白板的照片、教科书图表或手绘的草图，就算是图像模糊、颠倒或品质不佳，模型还是可以通过工具动态地处理图像，当作它推理的一部分。

图片来源／OpenAI

除了图像推理能力之外，OpenAI o3担当该公司目前最强大的推理模型，不管是在程序代码、数学、科学与视觉感知上都有所进步，强调适合需要多方面分析的复杂查询，根据外部专家的评估，它在困难的现实任务上所犯的重大错误比OpenAI o1少了20%。

OpenAI比较了o3、o4-mini、o1与o3-mini在解决数学问题、高端科学问题、多模态推理能力、程序代码任务，以及指令遵循上的表现，皆可发现o3与o4-mini明显优于前一代的产品。

o3每输入100万个Token的价格为10美元，输出100万个Token的价格为40美元；o4-mini每输入及输出100万个Token的价格，则分别是1.1美元及4.4美元。