OpenAI推出创新AI模型，赋予”视觉思维”新功能

OpenAI于2025年4月16日发布了两款全新的人工智能模型o3和o4-mini，这两款模型首次实现了“图像思考”能力。

模型特点

• 图像思考能力：o3和o4-mini能够将图像直接整合到推理链条中，而不仅仅是简单地识别图像。它们可以在回答问题前对图像进行分析、裁剪、旋转或放大等操作，从而更深入地理解图像内容。

• 多模态处理能力：这两款模型能够同时处理文本、图像和音频等多种类型的数据。它们还可以作为智能体（Agent），自动调用网络搜索、图像生成、代码解析等工具。

• 深度思考与工具使用：o3和o4-mini在回答问题前会进行更长时间的内部思考，并生成较长的思维链。它们能够自主判断何时以及如何使用工具，以正确格式快速生成可靠答案。

性能表现

• 基准测试：在多项基准测试中，o3和o4-mini的表现优于前代模型o1。例如，在MMMU大学级视觉问题解决任务中，o3的准确率达82.9%，o4-mini为81.6%；在MathVista视觉数学推理测试中，o3取得86.8%的成绩，o4-mini为84.3%。

• 竞赛表现：在AIME 2024数学竞赛题目中，o3和o4-mini的准确率分别达到了91.6%和93.4%，远超前代o1的74.3%。

应用场景

• 图像分析与编辑：用户可以上传白板、草图、图表等图像，模型能够对其进行分析和讨论，并执行图像编辑操作。

• 复杂问题解决：在解决复杂的科学、数学和编程问题时，o3和o4-mini能够利用图像思考能力，结合网页搜索、文件分析等功能，提供更全面的解决方案。

用户体验

• 开放使用：从2025年4月17日起，ChatGPT的Plus、Pro会员以及Team用户可以直接体验o3、o4-mini和o4-mini-high。免费用户可以通过“Think”模式使用o4-mini。

• 开发者支持：开发者可以通过Chat Completions API和Responses API访问这些模型，并利用其推理摘要和函数调用优化功能。

o3和o4-mini的发布标志着OpenAI在人工智能领域的一次重大突破，它们不仅具备强大的视觉推理能力，还在多模态处理和复杂问题解决方面展现了卓越的性能。