雷克薩斯高管，“受賄”5000萬？
來源：毒舌科技作者：潘磊雷克薩斯的高管，好像出事了。五六家日本小媒體，突然曝出了一個與中國市場有關的大新聞——雷克薩斯中國區一個高管受賄10億日元（約合人民幣5000
一句話看懂：o3 以深度推理與工具調用能力領跑復雜任務，GPT-4.1 超長上下文與精準指令執行適合 API 開發，而 o4-mini 則堪稱日常任務的「性價比之王」。
如果你最近關注 AI 新聞，可能會被各種層出不窮的新模型搞得眼花繚亂。
尤其是堪稱「起名黑洞」的 OpenAI，命起名來可謂是毫無章法。
即便是 AI 圈的資深團隊，在面對同時發布的 o3、o4-mini、GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 時，也是蒙圈的。
為了解決這個困擾，來自 Every 和 DataCamp 的團隊在經過反復測試、來回切換模型，折騰了很多提示詞后，得出了以下結論：
o3：OpenAI 最新的旗艦模型，也是最會「深度思考」的選手 —— 專為自主復雜推理與工具調用設計。
o4?mini：效率發動機 —— 速度快、價格低，對數學、視覺推理和成本敏感型開發任務表現驚人。它不是明星旗艦，也不是基準霸主，但憑借效率優勢，完全可以承擔一般的任務。
GPT?4.1：API 專用的主力干將 —— 指令遵循嚴謹，長上下文記憶出眾。
接下來，看看這三款模型的新特性、各自擅長什么，以及在 Every 團隊的工作流中，它們實際表現如何。
o3——OpenAI 最強推理模型o3 是 OpenAI 最新的前沿模型，旨在提升其在編碼、數學、科學與視覺感知等復雜任務上的推理能力。
它也是首個具備自主工具調用能力的推理模型，可使用搜索、Python、圖像生成以及圖像解讀等工具來完成任務。
憑借這一能力，就讓它在針對現實世界問題求解的高級基準測試中表現出色，而此前的模型往往難以勝任。
OpenAI 特別強調了 o3 相較于 o1 的顯著提升，并將其定位為迄今為止功能最強、適用面最廣的模型。
o3 不只是像 GPT?4o 那樣會用工具、能看圖 —— 它還能把這些工具和圖像融入自己的推理過程。
o3 的優勢?工具調用
o3 既懂得如何使用單個工具，也知道如何把多種工具串聯起來，并在關鍵時刻切換方案。
假設你上傳一張月度銷售圖表，它可能先用 OCR 提取數據，再寫 Python 代碼計算同比增長，隨后檢索行業基準為結果提供背景 —— 一氣呵成。
在單條回復中，它最多可調用 600 次工具，邊執行邊自我優化；一旦出現問題，也能迅速調整方向。就像一位自驅的分析師，隨身攜帶瑞士軍刀，而且知道什么時候該用哪一把刀。
?視覺推理
o3 會帶著真實語境去深度解析圖像。其他模型也許只會說「這是一幅描繪女性的畫」，而 o3 會放大畫角，讀出畫家簽名，查出畫作懸掛的博物館，并為你講述其所屬藝術流派的歷史。
o3 的技術創新性能大幅躍升絕非偶然。OpenAI 團隊通過多項突破，才拿出了如此漂亮的成績單：
?擴展強化學習
OpenAI 發現，只要在強化學習階段提升算力投入，模型效果就能顯著提升，這與 GPT 系列在監督預訓練里的「越算越強」規律如出一轍。不同的是，此時的 o3 并非優化「下一詞預測」，而是通過最大化強化學習獎勵來學習，且常在工具增強環境中訓練。
實質上，OpenAI 把強化學習當成了「放大版預訓練」：訓練更久、用更多算力，結果也更好。由此解鎖了長期規劃與序列推理等能力，例如競技編程、多步數學證明。再配合工具調用，性能增益更加明顯。
?動態視覺推理
o3 在視覺推理上同樣大幅躍進。它不僅能理解圖片，還把圖像直接納入推理循環 —— 解釋、操作、反復查看都不在話下。因而在科學圖表、數學示意圖，甚至通過照片排定日程等任務上表現突出。
核心做法是：在整個推理過程中始終保留原圖。
與傳統「生成文本描述后就丟圖」的做法不同，o3 可借助工具隨時放大、旋轉、重看圖像任意區域，使推理更靈活，也能處理更凌亂的視覺輸入，如模糊白板、手繪草圖或會議日程照片。
舉個例子，OpenAI 讓 o3 讀取一張低清晰度的演出排期照片，并規劃一份在每場活動之間留出 10 分鐘休息的行程 —— 既要解析視覺布局，又得實時應用約束條件。
比如，給 o1 看一幅粗糙草圖，問「這將繪制哪種分形？」——o1 答錯了；而 o3 直接命中了「龍形曲線」。
雖然只是小測試，但結果令人驚喜，因為我們并未提供太多線索。
?更優成本效率
更令人意外的是，o3 的性價比也更高：在相同推理成本下，它交出了更好的成績。這或許得益于架構級優化，提高了 Token 吞吐量并降低了延遲。
自 Deepseek?R1 以 ChatGPT 僅幾分之一的成本取得高性能以來，成本一直是熱門話題，而 o3 的表現顯然再次推高了業界預期。
o4?mini 是 OpenAI o 系列推理模型的最新成員。
它針對速度、低成本以及工具增強推理能力進行了優化，提供 200 000 Token 的上下文窗口，并可輸出最多 100000 個 Token，性能與 o3、o1 相當。
在工具層面，o4?mini 兼容 Python 執行、網頁瀏覽和圖像輸入，可接入 OpenAI 的標準接口（包括 Chat Completions 和 Responses）。支持流式輸出、函數調用及結構化輸出，但暫不支持微調和嵌入（Embeddings）。
o4?mini 兼顧「量」和「質」：面向普通用戶的每日消息上限達 150 條，而 o3 的上限是每周 50 條；在數學、編程和高視覺負載任務上，它以更快速度、極低成本，達到接近 o3 的性能。
雖然 o3 仍然是 OpenAI 最強的推理模型，但 o4?mini 可以使用十分之一不到的費用獲得 o3 大部分的性能。
o4?mini 的優勢?體積雖小，威力十足
要分析海量數據，或匯總凌亂的研究表格？o4?mini 輕松應對 —— 篩選洞見、編寫結構化查詢語言（SQL）、檢索數據，并將結果繪制成可交互圖表。
o3 也許要十幾步推理、付出不菲的 token 成本，而 o4?mini 直截了當，給你既簡潔又合理的答案。
?工具齊全，算力更省
o4?mini 提供與 o3 同級別的完整工具箱，包括 Python、網頁瀏覽、圖像分析與生成等。
生成分析報告時，它可以一次完成：拉取 CSV，用 Python 清洗并制圖，上網查找行業宏觀數據進行對比，最后輸出 Markdown 報告；整個過程無需承擔 o3 的計算開銷。
o4?mini 與 o4?mini?high打開 ChatGPT 應用，你會發現有 o4?mini 和 o4?mini?high 兩種選擇。
顧名思義，o4?mini?high 就是通過更多推理算力的投入，來換取更佳表現。
這意味著 o4?mini?high 相比于 o4?mini：
會在內部花費更多時間處理每個提示詞；
通常能生成更高質量的輸出，尤其是多步任務；
但響應速度更慢，且可能消耗更多 Token。
如果你更看重速度，o4?mini 或許更合適。若任務需要復雜推理（尤其涉及代碼或視覺輸入）、更長上下文，或對精度要求極高，那么 o4?mini?high 更有可能給出更好的結果。
實測表現接下來，對 o4?mini 分別在數學和編碼場景下進行測試。
?數學
首先，給它一道看似簡單、卻常常難住語言模型的計算題。
目的不是測它的基礎算術，而是想看看它會如何解題：一步步推理，還是調用像計算器這樣的工具。
第一次回答錯了。于是，直接提醒它要使用計算器。
第二次雖然算對了，但仍有兩個問題：
它把答案稱為「約等于」，可這道減法題根本不用任何估算。
從推理過程能看出它并未真正調用計算器，盡管輸出里寫著「計算器顯示」，這與實際計算方式不符。更離譜的是，它還去搜了網頁，而這種基礎題完全無需聯網查詢。
隨后又給了它一道更有挑戰性的數學題，這回表現就穩多了。
模型反應迅速，用一小段 Python 腳本就解出了答案，而且還能在思維鏈里直接看到代碼。能把代碼公開為推理過程的一部分，確實相當實用。
?生成 p5.js 游戲
在這個測試中，選用算力更高的 o4?mini?high。
提示詞：給我做一款引人入勝的無盡跑酷游戲。關鍵操作說明顯示在屏幕上。p5.js 場景，不要 HTML。我喜歡像素風恐龍和有趣的背景。
第一次生成的結果：
有些地方我想調整，于是再次進行提示：
畫一只更像樣的恐龍 —— 那東西一點也不像恐龍。
讓玩家按下任意鍵再開始游戲 —— 不要一啟動就自動開始；同時確保所有操作說明仍然顯示在屏幕上。
游戲結束后，讓玩家可以重新嘗試。
第二次生成的結果：
這次好多了，但這只「恐龍」看起來還是像一臺老式電影攝像機。
GPT?4.1—— 為精準而生，不為「氛圍」服務目前 GPT?4.1 只通過 API 向開發者開放，目標是以毫不妥協的精準度執行細致入微的指令。
它沒有 4.5 等前輩那種「夢幻」氣質，卻更加結構化、可靠且一致。可以把它當作 OpenAI 面向特定開發任務的高負荷「勞模」，而非發散創意的靈感源泉。
GPT?4.1 的優勢?遵循復雜指令
GPT?4.1 處理任務就像經驗老到的領航員。
比如你正在寫一個食譜生成器，并且把所有的要求都寫在了一個提示詞里 —— 以 Markdown 輸出、避開特定話題、按指定順序列出烹飪步驟，并附上鈉含量等關鍵指標。
舊版模型可能會漏掉步驟或亂了順序，而 4.1 會嚴格遵照你的路線，哪怕十分漫長、全是彎彎繞繞。
這帶來了兩大好處：寫提示詞的時間更短，處理模型輸出的時間也更短。
?記憶力驚人
上下文窗口從 128000 個 token 擴大到 1000000 個 token，比 GPT?4o 足足多出了 8 倍。
你只需一次性設定語氣或結構，它便能在多輪對話中持續遵循，無需每次從頭設置。
這讓很多實際場景變得可行：一次性處理完整日志、為代碼倉庫建索引、順暢運行多文檔法律流程，或分析長篇內容，全程無需分塊或摘要。
?結構化輸出
GPT?4.1 就像自駕游里那個「只要路線明確就特別好相處」的朋友。給它清晰的行程表，它就執行得又準又快。
可如果拋給它「氛圍」式的提示詞，比如「能不能讓這個食譜 App 像走進一家溫馨的地下酒吧？」，它可能立刻就想回家。
GPT?4.1、GPT-4.1 mini 和 GPT-4.1 nano如果你想在編碼、指令遵循以及長上下文任務上獲得最優綜合表現，就選 GPT?4.1。它能勝任復雜的編碼工作流，也能在單條提示詞中處理大體量文檔。
GPT?4.1 mini 屬于中端選項，延遲和成本更低，卻幾乎具備與完整版相同的能力。在多項基準（包括指令遵循和圖像推理）中，它能追平甚至超越 GPT?4o。
GPT?4.1 nano 是系列中體積最小、速度最快、成本最低的模型（0.1 美元 / 百萬 Token），面向自動補全、分類，以及從長文檔中抽取信息等任務。雖然它的推理和規劃能力不如更大的模型，但對于某些任務來說，這已經足夠用了。
與完整版的 GPT?4.1 一樣，mini 和 nano 都支持 100 萬 Token 的上下文窗口。
對比競品的表現? GPT-4.1 vs Claude 3.7 Sonnet根據測試，在代碼的優雅度和結構性方面，Claude 3.7 Sonnet 仍是首選，尤其體現在整體風格一致性和用戶界面表現上。
不過，只要提示詞范圍清晰且具體，4.1 在執行指令能力上已大幅拉近差距。
? o4?mini vs GPT?3.5就目前觀察，o4?mini 正逐漸成為開發者在有限預算下追求速度、可靠性與視覺處理能力時的「平價首選」。而 2022 年 11 月發布的 GPT?3.5，如今已經顯得有些「過氣」了。
參考資料：
https://every.to/context-window/vibe-check-openai-s-o3-gpt-4-1-and-o4-mini
https://www.datacamp.com/blog/o4-mini
https://www.datacamp.com/blog/o3-openai
https://www.datacamp.com/blog/gpt-4-1
本文來自微信公眾號：新智元（ID：AI_era）
本文鏈接：http://www.tebozhan.com/showinfo-45-12531-0.html選 AI 比選對象還難！“起名黑洞”OpenAI 的新模型，到底怎么選？
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號