編輯|Sia

這份工作的魅力之一，就是能第一時間體驗到最新、最前沿的大模型。 當然，發布初期難免有些社死時刻，但這次，例外。

就在前天深夜，OpenAI 重磅空降 o 系列模型的最新成員：o3 與 o4-mini，也是迄今為止他們最聰明的模型。

人類的進化，始于制造和使用工具。o3 和 o4-mini 也是如此，他們的「聰明」源于學會了使用工具。

模型能自主調用聯網搜索、記憶系統、代碼解釋器等 ChatGPT 原生工具，實現任務閉環處理。你只需要布置任務，然后可以放心起身去倒杯咖啡——回來時，高質量結果已在屏幕上靜候。

而且，它們還有一個關鍵升級：視覺思維能力上線。 不僅能看圖識物，更能像刑偵人員一樣，從圖像中分析、推理、挖掘信息。

要說差異，o3 是滿血旗艦，性能拉滿；o4-mini 是高性價比小鋼炮（ GPT-o4 的小型化版本），體積更小、價格更優，但性能不打折——尤其在數學和編程任務上，表現出乎意料的強勁。

網友直呼：一周之內，它就成了我處理絕大多數任務的首選模型！

寫作時，我依舊用 GPT-4.5；編程時，還在用 3.7 Sonnet；但除此之外，我一直在用o3。

免費用戶，每天至少有一次體驗o3機會，記得選擇 reason。

據說，幾周后 OpenAI 還將來發布 o3?pro，提供更全面的工具支持。 所以，我們可以窺見到一個趨勢：

接下來，大家卷的大方向會更務實，會利用強化學習教會模型使用工具，解決現實問題。

所以，后面展示的這些案例——包括我們實測 + 網友反饋——也都是為了幫助大家更直觀地理解：

大模型正在變得強大，不是因為「懂得多」、「知道一切」，而是因為「能連續、遞進地使用多個工具」去搞定更復雜的問題。

論讀圖，o3 目前絕對是 No.1。

先上開胃菜。隨手在辦公室拍了張照片，故意把書放歪，先問 Google Gemini ( Gemini 2.0 Flash ) 書名是啥？

哥們兒完全識別不了（左）； 換了 o3 ，輕松搞定（右）。

最精彩的部分是 o3 思考的模樣，感覺和人的動作很像：

翻過來、倒過去、剪裁、拉近、放大，想盡辦法用工具看清書脊上的字。

成功識別書名后，繼續詢問價格、哪里可以買得到？它又自動調用網頁搜索，尋找關鍵信息：

很快完成任務，豆瓣評分都給找好了。

不過，真正讓我們感受到o3 是真· Agent的，還是它在某些極限任務上的表現——比如：地理猜測能力

我們上傳了一張懸疑劇《沙塵暴》的劇照，畫面里能看到的，只有：

• 一位模糊的警察；

• 一輛模糊的車；

• 高壓電線；

• 以及，大片幾乎沒有細節的灰黃色背景。

連人看了都只想說一句：這能猜出啥？我們卻對 o3 發出指令：Geoguess this place.

o3 啟動了，可以清楚看到它先看什么、怎么看、看到了什么、想到了什么。

看的結果一剎那，我飚了一句 hollyshit !

我當然知道這部劇是在甘肅瓜州等地拍攝的，但萬萬沒想到一個 AI 可以憑借電網特征、垂直光柱、戈壁地形等線索，給出這么精確定位——

敦煌熔鹽塔式光熱發電站周邊，還有地理坐標！

順便送上了相關網頁鏈接，點進去就是發電站介紹。

這已經不是圖像識別精度的問題，而是能基于視覺線索展開因果、社會文化背景等多維推理，像探員一樣，從一幀圖里挖出更多信息。這也是「模型即 Agent」的價值所在

作為對比，這是沒能觸發 Agent 能力的結果：細節、精準度實在差太多。和人一樣， 大模型也會偷懶、劃水。

精彩還在繼續。

《聰明的沃利》是一套由英國插畫家 Martin Handford 創作的兒童書籍，目標就是在一張人山人海的圖片中找出一個特定的人物沃爾多（ Waldo ），多久才能找到沃爾多？10秒？30秒？一分鐘？

這回，我們讓 o4-mini 玩了把《 Waldo 在哪里？》，請從圖中找到與周杰倫最神似的人。

圖片以四倍速展示

你覺得 o4-mini 找到的這個人物像周董嗎？

o3也能玩兒

真是有了python 工具在手，啥都不怕。

一次性找到一條穿過這個 200x200 迷宮的路徑，也不在怕的。

提示語：Solve this maze by adding a red dotted line for the solution path

甚至還能出個小動畫，讓結果「動」起來，比靜態圖直觀多了。

？o3 也沒問題。雖然它不是文生視頻模型，但你可以讓它繪制尋路路徑的幀圖，將它們做成 GIF 或者MP4 下載。

來自X @gantrols

這個交通事故分析的例子，真的是現實落地典范。 一張事故現場圖，就能幫你分析事故原因、判斷責任。圖像理解+因果分析+法律知識，一鍋燉。

來自X @

@op7418

說到出色的推理能力，據說，這是一個 只有 o3 能答對的題：

有一天，一個女孩參加數學考試只得了38分。她心里對父親的懲罰充滿恐懼，于是偷偷把分數改成了88分。她的父親看到試卷后，怒發沖冠，狠狠地給了她巴掌，怒吼道：你這8怎么一半是綠的一半是紅的，你以為我是傻子嗎?女孩被打后，委屈地哭了起來，什么也沒說。 過了一會兒，父親突然崩潰了。 請問：這位父親為什么過一會兒崩潰了?

思考過程中，它確實意識到了色盲問題，但終究沒能捕捉到這個遺傳信號里隱藏的關鍵信息，進一步展開推理。

錯失靶點，結論又回到了「因內疚而崩潰。」

換了 o3， 自動執行搜索資料，敏銳捕捉到遺傳信號里的疑點，推理出更驚人的事實。

當然，它也不是每次都這么聰明——有時也會偷懶，給你瞎胡扯一通（如下）。但當它真的認真起來，那推理能力是真的驚艷。

GPT 4o 的 Deep Research 是目前最強大的科研助手。現在，有了工具能力加持， o3 就像精簡版 Deep Research。

比如最近我想深挖斯諾登的《永久記錄》，就請它做了一份反向大綱，挑出那些「網上很難找到，但書中明確存在的觀點」——結果還真有，比如：

隱藏線索，電子游戲（無法后退）與數字系統不可撤銷的暗和。

容易忽略的觀點，本書后半出現了日記、談到了愛，這種「情感連接」和貫穿全書的「數據連接」構成了強烈對比。

提示語：讀完這本書的全部內容。給寫一份詳細的反向大綱，找出人們通常會忽略的關于這本書的有趣且令人驚訝的主題、觀點等等（比如，你在網上任何地方都找不到但肯定在書中存在的內容，也許是作者放進去但大多數人沒有注意到的內容）

最后，丟一點點丑話。

就算咱是尊貴的 20 美元月付用戶，也不能保證每次都能觸發視覺推理能力，成功概率也跟賭博差不多。

為什么會這樣？

網友各有說法，比如和輸入語言有關、任務類型有關。我們的推測，這類服務總歸是個非常耗費算力的事情， 官方不可能四平八穩響應每一個任務，應該會想辦法「節流」。

但，每天頭幾個任務，一般還是可以順利激活。

另外，就是幻覺這個問題。o3 有時會以為自己用了工具，但實際上并沒有。

按有的網友說法，「o3 經常為了滿足用戶請求而編造操作，并在用戶質問時精心辯解這些編造行為的合理性。」

總的來說，現在的大模型正在沖擊一個新階段：更智能，更務實，仍需要咱「帶腦子」使用，合理管理預期。

? THE END

轉載請聯系本公眾號獲得授權