12月21日凌晨2点，OpenAI的12天直播，终于来到了最终章。奥特曼，也在一片圣诞的气息中终于回归。为大家带来了最后的压轴大戏。OpenAI o3。又一次超群，又一次把模型的能力，推到了新的高度。也向全世界证明了，OpenAI，依然在铁王座上牢不可摧。
而OpenAI直播一完，X上基本就沸腾了。o3的能力，对现在所有模型，几乎都直接是降维打击。
看下o3的能力吧。一些粗的评测集简单过一下。
左边的是软件工程考试（SWE-Bench Verified），这就像是一个考写程序的考试，比如你写一个软件要它快速、准确，还不能有 bug（小错误）。这是考察 o3 是否能像一流的软件工程师一样写出完美的代码。o3 的成绩：71.7%，比o1还强了不少。
右边的那个基准比较猛，Codeforces，一个全球著名的编码竞赛平台。o3的得分是2727，这个得分，相当于整个榜单的第175名，已经超越了99.99%的人类了。o1的代码能力已经强到爆炸了，而o3，又向AGI的山顶，前进了一大步。
FrontierMath，Epoch AI 开发的一个数学基准测试，由60多位顶尖数学家的合作开发，旨在评估人工智能在高级数学推理方面的能力。而且为了避免数据污染，所有的题目都是原创的且从来没有发布过的新题目。之前GPT-4 和 Gemini 1.5 Pro这种模型去评估的时候，成功功率不足2%，与其他传统数学基准（如 GSM-8K 和 MATH）中超过90%的成功率形成鲜明对比。
而这一次，o3直接达到了25.2。当各大其他模型都还在卷传统数学基准的时候，o3真的已经进入了另一个世界了。就像大家还在大斗师阶段互相卷，你是五星大斗师，我是八星大斗师。两者争论不休，正准备要比试比试，忽然就看到一个斗宗强者踏空而行。
然后，就是我觉得，整个基准里，最有趣的一个基准了：ARC-AGI。
先说说这是个啥玩意。ARC-AGI于2019年首次提出，旨在通过一系列抽象和推理任务来测试AI系统的能力。主要是因为传统的技能测量方法并不能有效代表智能，因为它们往往依赖于先前知识和经验，而真正的智能应体现在广泛的适应能力和通用性上。
所以，ARC-AGI诞生了，里面的这些任务要求AI识别模式并解决新问题，每个任务由输入输出示例组成。这些任务以网格形式呈现，每个方块可以是十种颜色中的一种，网格的大小可以从1x1到30x30不等。参与者需要根据给定的输入生成正确的输出，测试其推理和抽象能力。可以简单的理解成，找规律。大概就是这样的。非常的难且抽象。
过去几代模型的评分在此：
- GPT-2 (2019): 0%
- GPT-3 (2020): 0%
- GPT-4 (2023): 2%
- GPT-4o (2024): 5%
- o1-preview (2024): 21%
- o1 (2024): 32%
- o1 Pro (2024): ~50%
但是今天，o3的分数，达到了恐怖的87.5%。从0%到5%，整整花了5年的时间，而如今，从5%到87.5%，仅仅只花了半年。
而对应的，人类的阈值分数，是85%。我们通往AGI的路上，已经没有任何阻碍了。
不过o3强归强，但是又是一个期货，OpenAI目前只对红队开放，如果是巨佬的话，可以去申请试试。目前不知道o3什么时候放出，但是OpenAI又基于o3，训了3个小尺寸的o3模型。目前o3-mimi，预估在1月底可以对外开放，但是感觉到时候，肯定又是pro会员专属的模型了。
我越来越期待，2025年AI行业的进化了。推理模型、Agent、AI硬件、世界模型。每一个都是比这个中间态的2024，都更让人兴奋的东西。2025，必是AI行业，真正的星辰大海。
我们也在最后，回顾一下这12天的直播吧。
- Day 1：满血o1上线，ChatGPT Pro会员上线，o1 pro推出。
- Day 2：基于o1的强化微调。
- Day 3：Sora正式发布。
- Day 4：ChatGPT Canvas全员开放以及小功能更新。
- Day 5：给苹果站台，宣传苹果全系接入GPT。
- Day 6：4o的实时视频理解上线。
- Day 7：ChatGPT发布新建文件夹“项目”功能。
- Day 8：ChatGPT Search全量开放，搜索体验大幅优化。
- Day 9：发布了o1的API、更新了实时语音的API、发布了偏好微调能力（PFT）。
- Day 10：物理意义上的可以给ChatGPT打电话了。
- Day 11：炒冷饭，ChatGPT 桌面版能读到别的应用。
- Day 12：OpenAI o3正式发布。
《潘多拉魔盒or阿拉丁神灯：OpenAI连续12场发布会将如何改变2025？》
OpenAI连续12场发布会，每一次都带来了振聋发聩的技术突破与产品创新， 究竟是扩大技术焦虑还是真解决问题？是在用概念画饼还是真科技落地？2025年的AI行业究竟是少数人狂欢还是真全民受益？
12月28号，不仅一场关于AI技术趋势的分享，更是一场关于个人未来发展的启示。AI带来的不仅是工具的进化，更是思维的迭代与格局的重塑。
老师信息：
主讲人：田渊栋 卡耐基梅隆大学机器人研究所博士、硅谷知名华人AI科学家、科幻小说《破晓之钟》作者
圆桌嘉宾：林凡 脉脉创始人兼CEO、懂AI且最懂中国职场的男人
支涛 云迹科技创始人、人工智能机器人行业先行者、混沌学园校友
任鑫 云九资本合伙人、AI炼金术主理人、混沌创新领教
张雷 混沌合伙人、混沌在线业务负责人/AI产品负责人、混沌创新领教