OpenAI初の無償推論モデルo3-miniをリリース

DeepSeekは、大きなモデリング・シーンに本当にある種の勢いを与えています -

つい先ほど、OpenAIはその最新の推論モデルであるo3-miniシリーズを深夜に緊急リリースしました。

Low、Medium、Highの3つのバージョンがあります。

このうち、o3-miniとo3-mini-highはすでに稼働しています:

公式キャリバーによると、o3シリーズは、低価格の限界を押し広げることを目的としたモデルです。

公式キャリバーによると、o3シリーズのモデルは、低価格の限界を押し広げることを目的としています。

ChatGPTプラス、チーム、プロのユーザーは、本日よりOpenAI o3-miniにアクセスすることができ、1週間後にはエンタープライズアクセスが開始されます。

無料ユーザーは、o3-miniで「検索+理由」を選択して検索を体験することもできます。

おそらくDeepSeekに押されたのでしょうが、OpenAIがユーザーに検索を無料で提供するのはこれが初めてです。OpenAIが推論モデルを無料でユーザーに提供したのはこれが初めてです。

その後のRedditのQ&Aでも、アルトマンCEOは珍しく公の場で反省の弁を述べています：

一方、わずか数時間で、ユーザーはすでに必死にテストを始めています......

STEMのために。STEM 推論に最適化されているが、DeepSeek-R1 と比べるとまだ高価

技術レポートに書かれていることを見てみましょう。

昨年末、OpenAIはo3-ミニプレビューを公開しました。ミニプレビューを公開しました。(

当時、CEOのアルトマンは、正式版は今年の1月にリリースされると予告していました。そして、ddlの最後の瞬間、o3-miniの正式版がついにテーブルに着いた。

全体としては、前世代のo1-miniと同様に、STEM（科学、技術、工学、数学）に最適化されており、miniシリーズのより小さく、より美しいスタイルを継承しています。strong>スタイルを継承しています。

o3-mini（ミディアム）のみ、数学のコーディングにおいてo1シリーズと同等のパフォーマンスを発揮するだけでなく、より反応性が高くなっています。

人間の専門家による評価では、ほとんどの場合、o3-miniはo1-miniよりも正確で明確な答えを出し、56%の支持を得ると同時に、複雑な実世界の問題を扱う際の重大なミスを39%減らしています。strong>39%である。o1-miniは、o1シリーズの中で最もパワフルなモデルである。

60人以上のトップ数学者が作成した「フロンティア数学パズルテスト」においてFrontierMathのパズルテストでも、推理力の高いo3-miniはo1シリーズに比べて大幅な向上を見せた。

Pythonツールと併用した場合、o3-mini（高）は、T3レベルの問題の28％以上を含む、32％以上の問題を初回で解いたとさえ記されています。

科学的能力、PhDレベルの物理と化学の問題で、o3-mini（高）は32%以上の問題を初回で解きました。

科学的能力、博士レベルの物理と化学の問題では、低い推論強度のo3-miniはすでにo1-miniの層を引き離しています。

そしてもちろん、コーディングという重要な能力においても、o3-miniはすべてのレベルでさらに優れています。ミニは、すべてのレベルにおいて、o1シリーズをさらに上回っている。

LiveBenchでのパフォーマンスに基づきます。推論の強さが増すにつれて、o3-miniの優位性が増し続けていることがわかります。

そして、o3-miniが対応しながら上記のリードを達成していることに注目することが重要です。平均レスポンスタイムは7.7秒で、o1-miniの10.16秒より24％向上しています。

最後に、セキュリティ評価の点で、o3-miniはより大幅に優れています。は、いくつかの安全性評価においてGPT-4oを大幅に上回っています。

価格は、インプット/アウトプットと比較してそれぞれDeepSeek-R1の0.14/0.55ドルと比べると、o3-miniはまだまだ高価です。

ネットユーザーによると、DeepSeek-R1は依然としてコストパフォーマンスの王様だそうです。R1 は現時点でもコストパフォーマンスの王者である。

ところで、いつものように、OpenAIはo3-miniの背後にあるチームを発表した。o3-miniの背後にあるチーム。ご覧の通り、今回はウルトラマン自身が率い、研究プロジェクト・ディレクターのカルパス・チャンとクリステン・インが参加しています（このリストには、レン・ホンユウや趙勝嘉など、おなじみの旧友も多数含まれています）。

ネットユーザーはテストで熱狂している