Open AI 放了 2 个大招。

OpenAI 震撼发布 o3/o4-mini 模型：多模态「博士级AI」正式登场，带图思考时代开启了。

今日凌晨 1 点，OpenAI 通过全球技术直播正式发布代号为 o3 和 o4-mini 的两款多模态模型，“视觉推理+自主工具调用”的天下来了。

这两款模型不仅是当前性能最强的通用 AI，更首次实现“带图思考”能力，被业内称为“博士水平 AI”的里程碑突破。

---

01

大招一：o3/o4-mini 发布

1️⃣ 核心亮点：性能碾压、多模态革命

学术与代码能力封神

o4-mini 在 AIME（美国数学邀请赛）2024/2025 测试中分别取得 93.4%和 92.7% 的准确率，超越满血版o3，达到顶尖人类数学竞赛水平。

Codeforces 编程测试得分 2700 分，跻身全球前200名程序员行列，可独立完成价值超 6.5 万美元的软件工程项目

多模态“全科状元”

支持文本、图像、音频的同步处理：例如上传倒置的手写笔记图片，AI会自动旋转、放大、OCR识别并结构化输出内容，全程仅需20秒。

视觉推理能力爆炸式提升：在 MMMU（大学级视觉问答）、MathVista（数学图表解析）等测试中，准确率最高达86.8%，远超GPT-4的55%

2️⃣ 技术突破：从“识别”到“思考”

图像融入思维链

传统 AI 仅能识别图像内容，而o3/o4-mini可将图像作为推理链条的一部分。例如分析医学影像时，模型会结合病理学知识自动标注异常区域，并生成诊断建议

强化学习驱动工具调用

OpenAI 通过强化学习训练模型自主判断何时使用工具。例如用户上传报错截图时，AI 会先识别关键信息，再调用代码库搜索解决方案，而非被动等待指令

成本与性能平衡

o4-mini 体积更小但性能更强，响应速度比 o3 快40%，适合高频轻量级任务；

满血版 o3，则面向复杂场景，支持更长上下文和精细推理。

02

大招二：开源了 AI 编程 Agnet工具

除了发布了最新模型 o3/o4 mini，还开源了一款名为 Codex 的编程 Agent 工具。

开源地址：https://github.com/openai/codex

OpenAI 发布 Codex CLI：一款轻量级代码智能体工具，开源后 5 小时即获 5000 星，预计当天突破 1 万星，备受关注。

强大功能：支持自动生成代码、运行代码、安装依赖、重构和测试代码、数据库迁移、文件批量重命名等，终端表现优异。

兼容性强：支持 OpenAI 最新大模型（o3、o4-mini、GPT-4.1）。

未来规划：OpenAI 将持续推出更多智能体产品，并考虑收购 AI 编程平台 Windsurf，显示其在智能体编程领域的雄心。

03

都读到这了，关注下吧

这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：