猫眼电影记者 金洪仲 报道w3u7903ejky2ywls

得分比第二名翻倍，成本却仅为1/20？！

o3中杯在超难推理任务ARC-AGI上的新成绩，属实又给众人带来了亿点点震撼。

根据ARC Prize官方介绍，本轮测试得出的关键结论如下：

o3 (Medium) 在ARC-AGI-1上得分为57%，成本为1.5美元/任务，优于目前所有已知COT推理模型；o4-mini（Medium）在ARC-AGI-1上得分为42%，成本为0.23美元/任务，准确率不足但成本优势明显；在难度升级的ARC-AGI-2上，两种型号模型的准确率均未超过3%

按照最新ARC测试，中杯o3堪称目前OpenAI所有模型中的“性价比之王”。

不过值得注意的是，相比2024年12月OpenAI在“双十二”直播活动中发布的o3模型，最新成绩可谓“大幅缩水”。

当时o3在低推理能力设置下（Low）得分高达75.7%，并且让模型推理更长时间后，其得分更是首次超越人类（85%）飙升至87.5%。

那么问题来了，为何短短几个月过去，o3模型在ARC测试上的得分差异明显呢？

原来前后两个模型虽然名称一样，但实际并非相同的模型。

OpenAI当下最新的o3，已针对聊天和产品应用进行了微调。

△图源：ARC Prize官网

甚至，OpenAI研究员们也强调，最新发布的o3并未专门针对ARC-AGI测试进行训练。

也就是说，中杯o3第一次挑战ARC难题就取得了好成绩。

宾大沃顿商学院教授Ethan Mollick更是直言：

现在有更多的证据表明， o3代表着一次重大进步。

与此同时，时代杂志发表的一篇独家文章表示，o3优于94%的专业病毒学家。其在这一专业领域的准确率达到了43.8%，相比之下博士级人类专家的准确率仅为22.1%。

中杯o3 ARC-AGI测试成绩出炉

ARC-AGI是一项旨在评判大模型的“智力”，或者说“AGI能力”的基准测试。

里面包含了一系列拼图问题，要求AI从不同颜色的方块中识别出视觉模式，并生成正确的 “答案” 网格。这些问题主要是为了迫使AI适应未曾见过的新问题。

正如开头所言，在ARC-AGI-1中，o3模型曾以75.7%的得分“称王称霸”。而在看到这一成绩后，ARC官方感受到了进一步更新的紧迫性。

于是在2024年3月，他们上新了ARC-AGI-2版本，核心目标是测试模型能否高效地获取超出其训练数据的新技能。

具体而言，在ARC-AGI-1基础之上，官方引入了更多符号解释、多组合规则以及需要更深层次抽象的任务，难度再次大升级。

正是基于以上两个测试基准，在OpenAI最新上线了o3和o4-mini之后，ARC又重新进行了测试。

除了中杯o3取得的好成绩，更多测试结果如下：

首先是o3 (high)，ARC官方自称耗费超过5万美元，最终仍未获得o3 (high)的完整测试结论。

理由是，在高推理能力设置下，模型在大多数情况下均无法响应或超时，最后只有不到一半的任务返回了结果。

不过参与审查的Mike Knoop表示，建议默认使用o3 (high)设置，除非遇到超时才切换到Medium选项。

同时他认为，虽然中杯o3的准确率远低于o3-preview（去年12月的版本），但毫无疑问o3整体在准确率和成本优化方面做得非常出色。

如今，你在其他任何地方都买不到o3级别的AI推理能力。

一言以蔽之，本轮测试结果表明，中杯o3在继承o3-preview大部分新功能的前提下，成本有了大幅下降。

除此之外，ARC官方还得出了三个关键发现：

1、早期响应准确率更高：模型越早返回的任务，准确率越高。而那些耗时更长（无论是运行时间还是token使用量）的任务，失败的可能性更大。

2、高级推理可能效率低下：在相同任务上比较中杯o3和o3 (high)时，发现后者始终使用更多token来得出相同的答案。

3、每秒token数的最小变化：在o系列模型中，不同任务的每秒token数差异较小。特别是o3-mini-low和o4-mini-low的吞吐量（tok/s）高于中高版本。

One More Thing

顺带一提，ARC官方早前还测试过DeepSeek-R1。

最终结果是，在ARC-AGI-1基准上，DeepSeek-R1得分为15.8%，远低于o3模型。

你怎么看o3的新测试？

  时事1：女被❌c🐻黄扒衣服一区二区

  04月23日,“半导体工业新粮食”“军用领域万能添加剂”……禁止对美出口的两用物项有哪些军事用途？,

　　那个时候，金狼部落极其强大，辉煌无比。直到后来逐渐没落，经过漫长岁月，一个分支迁移到了这里，形成了而今的部落。

,武警帅警Gay男同。

  04月23日,丁薛祥会见阿塞拜疆总统阿利耶夫,

　　不仅是他们这一族，就是罗浮大泽、雷族等人也都悚然，全都萌生了退意。至于紫山一族，早已开始奔逃，一个人都没有停留，显然得到了紫山侯的命令，不想继续对抗了。

,含着jing液去上课H男男视频,人妖自慰出精汇编,催眠高冷仙奴变成仙奴的小说。

  时事2：giantess18XXXXHDvibeo

  04月23日,互鉴丨大国外交进行时 中法关系新甲子,

　　仅数日工夫而已，清风脚上那残破的断筋与骨骼就接续上了，养上一段时日就没有问题了，必然能好。

,把校花🌸吊起来揉搓双乳,揉⋯啊⋯嗯～出水了震动电视剧,美女怀孕裸体㊙️网站。

  04月23日,湖北谷城：“与世界共品一杯高香茶”,

　　在此，请允许我代表所有学生家长向这些付出辛勤劳动的学校领导和各位老师表示诚挚的谢意!

,国产精品 ️入口福利姬app,国产91精品㊙️不知火舞,开户猎手下载app。

  时事3：POrno59HD💋💋25

  04月23日,碳排放有了“管理员”，这些绿色新职业你了解多少,

　　所以，必须切实加强干部的廉洁自律意识。说到廉洁自律，既是做人之本，更是为政为官之本。领导干部坚持廉洁自律，既是基本的工作要求和纪律要求，更是一种基本的道德要求和修养要求。廉洁自律，贵在廉洁，难在自律。要做到廉洁自律，就要从灵魂深处自重、自省、自警、自制、自励;就要慎微、慎独、慎权;就要受得住委屈。从细微之处做起，多思"一丝一粒，我之名节;一厘一毫，民之脂膏"，勿以恶小而为之，自觉抵御金钱和美色的诱惑，筑牢反腐堤坝。要始终坚持自律意识，常修为政之德，常思贪欲之害，常怀律己之心，时常对照党章，在日常工作和生活中严格要求自我，不断提升自我的道德水准和精神品质，不断提高拒腐防变的本领，做廉洁自律的表率。

,yaoi男男❤♂R18动漫网站,人与野鲁免费直播,pororoHD720😍😍。

  04月23日,普京与佩泽希齐扬通电话：无条件支持叙利亚政府,

　　石昊倒退，他自幼在山林中长大，虽然没有经历过实战，但是却懂得很多，避其锋芒，一跃就退后了数米远。

,成人🔞AV精品㊙️免费视频,银狼裸乳被爆❌白浆的作文,动漫美女撒尿㊙️无遮挡。

  时事4：为什么男生都觉得金晨好看

  04月23日,麦当劳中国科研总部落户江苏南京,

　　黄色雾霭涌动，大地抖动，一头庞然大物长足有五十米，状若穿山甲，但是却生有蛟龙头，威严无比，流淌金色霞光，出现在此地。

,莫莉被诸神抓住玩弄双乳斩神,重口猎奇91黑料网,表妹叫我开她嫩苞。

  04月23日,10部门联合开展2024年“春暖农民工”服务行动,

　　“呀，我做到了。”小不点松手，巨石顺着瀑布滚落了下去，隆隆声惊天动地，宛若发生了一场大地震。

,森甘雨内衣女生,把尿口扒开用筷子往里桶小说,艾斯德斯被❌到爽羞羞漫画。