🧠 GPT-o3 и o4-mini: Новейшие модели OpenAI для продвинутых рассуждений

🧠 GPT-o3 и o4-mini: Новейшие модели OpenAI для продвинутых рассуждений

📊Общие характеристики

GPT-o3:

- Самая мощная модель OpenAI для сложных рассуждений

- Превосходит все предыдущие модели компании в областях программирования, математики, науки и визуального восприятия

- Полный доступ ко всем инструментам ChatGPT (веб-поиск, Python, анализ файлов и изображений, генерация изображений)

- Устанавливает новые рекорды в бенчмарках SWE-bench, Codeforces и MMMU

GPT-o4-mini:

- Меньшая модель, оптимизированная для быстрого и экономичного рассуждения

- Превосходная производительность для своего размера и стоимости

- Особенно сильна в задачах математики, программирования и обработки изображений

- Устанавливает новый рекорд для AIME 2024 и 2025

⚙️Технические данные

GPT-o3:

- Цена API: $10 за миллион входных токенов, $40 за миллион выходных токенов

- Результат в SWE-bench Verified: 69.1% (без специального скаффолдинга)

- Производительность в кодинге на ~20% выше предыдущих моделей

- Превосходит o1 на сложных реальных задачах с уменьшением серьезных ошибок на 20%

GPT-o4-mini:

- Цена API: $1.10 за миллион входных токенов, $4.40 за миллион выходных токенов (аналогично o3-mini)

- Результат в SWE-bench Verified: 68.1%

- Значительно более высокие лимиты использования, чем у o3

- В несколько раз экономичнее o3 при сравнимом качестве на многих задачах

🔍Ключевые возможности

"Мышление с изображениями":

- Оба могут интегрировать изображения непосредственно в процесс рассуждения

- Анализируют загруженные фото, скриншоты, чертежи и схемы

- Работают с изображениями низкого качества, размытыми или перевернутыми

- Могут манипулировать изображениями в ходе рассуждения (поворот, масштабирование)

Улучшенное следование инструкциям:

- Более точное выполнение сложных многоступенчатых задач

- Используют разнообразные инструменты в процессе рассуждения

- Реагируют и адаптируются к новой информации в ходе решения задач

📈Результаты тестов

Математические способности:

- o3: Значительно улучшенная производительность в сложных математических задачах

- o4-mini: Новый рекорд для задач AIME 2024/2025

Программирование:

- Тесты LiveBench: o4-mini показывает результаты на уровне 85-90% от o3 при значительно меньшей стоимости

- Решение реальных задач на GitHub (SWE-bench): o3 - 71%, o4-mini - 68% (предыдущие модели: o3-mini - 49%)

- Codeforces: o3 демонстрирует рекордные показатели среди всех моделей OpenAI

Многоязычность:

- o3 улучшает многоязычные возможности по сравнению с o1

- o4-mini превосходит o3-mini во всех 14 тестированных языках

- Средний результат MMLU в переводе: o3 - 88.8%, o4-mini - 85.2%

⚠️Ограничения

- Модель o4-mini склонна к большему количеству галлюцинаций по сравнению с o3 и o1

- o3 имеет высокую стоимость использования, что может ограничивать повседневное применение

- Оба инструмента демонстрируют некоторые проблемы в сложных многоступенчатых задачах

🚀Доступность

- Доступны для подписчиков ChatGPT Plus, Pro, и Team уже сейчас

- Enterprise и Edu пользователи получат доступ в течение недели

- API-доступ открыт для разработчиков (может потребоваться верификация организации)

- Для бесплатных пользователей: ограниченный доступ к o4-mini через опцию "Think" в интерфейсе