新智元報道

編輯：犀牛 好困

【新智元導讀】一句話看懂：o3以深度推理與工具調用能力領跑復雜任務，GPT-4.1超長上下文與精準指令執行適合API開發，而o4-mini則堪稱日常任務的「性價比之王」。

如果你最近關注AI新聞，可能會被各種層出不窮的新模型搞的眼花繚亂。

尤其是堪稱「起名黑洞」的OpenAI，命起名來可謂是是毫無章法。

即便是AI圈的資深團隊，在面對同時發布的o3、o4-mini、GPT-4.1、GPT-4.1 mini和GPT-4.1 nano時，也是蒙圈的。

為了解決這個困擾，來自Every和DataCamp的團隊在經過反復測試、來回切換模型，折騰了很多提示詞后，得出了以下結論：

• o3：OpenAI最新的旗艦模型，也是最會「深度思考」的選手——專為自主復雜推理與工具調用設計。

• o4?mini：效率發動機——速度快、價格低，對數學、視覺推理和成本敏感型開發任務表現驚人。它不是明星旗艦，也不是基準霸主，但憑借效率優勢，完全可以承擔一般的任務。

• GPT?4.1：API專用的主力干將——指令遵循嚴謹，長上下文記憶出眾。

接下來，看看這三款模型的新特性、各自擅長什么，以及在Every團隊的工作流中，它們實際表現如何。

o3

OpenAI最強推理模型

o3是OpenAI最新的前沿模型，旨在提升其在編碼、數學、科學與視覺感知等復雜任務上的推理能力。

它也是首個具備自主工具調用能力的推理模型，可使用搜索、Python、圖像生成以及圖像解讀等工具來完成任務。

憑借這一能力，就讓它在針對現實世界問題求解的高級基準測試中表現出色，而此前的模型往往難以勝任。

OpenAI 特別強調了o3相較于o1的顯著提升，并將其定位為迄今為止功能最強、適用面最廣的模型。

o3不只是像GPT?4o那樣會用工具、能看圖——它還能把這些工具和圖像融入自己的推理過程。

o3的優勢

? 工具調用

o3既懂得如何使用單個工具，也知道如何把多種工具串聯起來，并在關鍵時刻切換方案。

假設你上傳一張月度銷售圖表，它可能先用OCR提取數據，再寫Python代碼計算同比增長，隨后檢索行業基準為結果提供背景——一氣呵成。

在單條回復中，它最多可調用600次工具，邊執行邊自我優化；一旦出現問題，也能迅速調整方向。就像一位自驅的分析師，隨身攜帶瑞士軍刀，而且知道什么時候該用哪一把刀。

? 視覺推理

o3會帶著真實語境去深度解析圖像。其他模型也許只會說「這是一幅描繪女性的畫」，而o3會放大畫角，讀出畫家簽名，查出畫作懸掛的博物館，并為你講述其所屬藝術流派的歷史。

o3的技術創新

性能大幅躍升絕非偶然。OpenAI團隊通過多項突破，才拿出了如此漂亮的成績單：

? 擴展強化學習

OpenAI發現，只要在強化學習階段提升算力投入，模型效果就能顯著提升，這與GPT系列在監督預訓練里的「越算越強」規律如出一轍。不同的是，此時的o3并非優化「下一詞預測」，而是通過最大化強化學習獎勵來學習，且常在工具增強環境中訓練。

實質上，OpenAI把強化學習當成了「放大版預訓練」：訓練更久、用更多算力，結果也更好。由此解鎖了長期規劃與序列推理等能力，例如競技編程、多步數學證明。再配合工具調用，性能增益更加明顯。

? 動態視覺推理

o3在視覺推理上同樣大幅躍進。它不僅能理解圖片，還把圖像直接納入推理循環——解釋、操作、反復查看都不在話下。因而在科學圖表、數學示意圖，甚至通過照片排定日程等任務上表現突出。

核心做法是：在整個推理過程中始終保留原圖。

與傳統「生成文本描述后就丟圖」的做法不同，o3可借助工具隨時放大、旋轉、重看圖像任意區域，使推理更靈活，也能處理更凌亂的視覺輸入，如模糊白板、手繪草圖或會議日程照片。

舉個例子，OpenAI讓o3讀取一張低清晰度的演出排期照片，并規劃一份在每場活動之間留出10分鐘休息的行程——既要解析視覺布局，又得實時應用約束條件。

比如，給o1看一幅粗糙草圖，問「這將繪制哪種分形？」——o1答錯了；而o3直接命中了「龍形曲線」。

雖然只是小測試，但結果令人驚喜，因為我們并未提供太多線索。

? 更優成本效率

更令人意外的是，o3 的性價比也更高：在相同推理成本下，它交出了更好的成績。這或許得益于架構級優化，提高了 Token 吞吐量并降低了延遲。

自 Deepseek?R1以ChatGPT僅幾分之一的成本取得高性能以來，成本一直是熱門話題，而 o3 的表現顯然再次推高了業界預期。

o4?mini

小巧、敏銳，卻實力驚人

o4?mini是OpenAI o系列推理模型的最新成員。

它針對速度、低成本以及工具增強推理能力進行了優化，提供200 000 Token的上下文窗口，并可輸出最多100000個Token，性能與o3、o1相當。

在工具層面，o4?mini兼容Python執行、網頁瀏覽和圖像輸入，可接入OpenAI的標準接口（包括 Chat Completions 和 Responses）。支持流式輸出、函數調用及結構化輸出，但暫不支持微調和嵌入（Embeddings）。

o4?mini兼顧「量」和「質」：面向普通用戶的每日消息上限達150條，而o3的上限是每周50條；在數學、編程和高視覺負載任務上，它以更快速度、極低成本，達到接近o3的性能。

雖然o3仍然是OpenAI最強的推理模型，但o4?mini可以使用十分之一不到的費用獲得o3大部分的性能。

o4?mini的優勢

? 體積雖小，威力十足

要分析海量數據，或匯總凌亂的研究表格？o4?mini輕松應對——篩選洞見、編寫結構化查詢語言（SQL）、檢索數據，并將結果繪制成可交互圖表。

o3也許要十幾步推理、付出不菲的token成本，而o4?mini直截了當，給你既簡潔又合理的答案。

? 工具齊全，算力更省

o4?mini提供與o3同級別的完整工具箱，包括Python、網頁瀏覽、圖像分析與生成等。

生成分析報告時，它可以一次完成：拉取CSV，用Python清洗并制圖，上網查找行業宏觀數據進行對比，最后輸出Markdown報告；整個過程無需承擔o3的計算開銷。

o4?mini與o4?mini?high

打開ChatGPT應用，你會發現有o4?mini和o4?mini?high兩種選擇。

顧名思義，o4?mini?high就是通過更多推理算力的投入，來換取更佳表現。

這意味著o4?mini?high相比于o4?mini：

• 會在內部花費更多時間處理每個提示詞；

• 通常能生成更高質量的輸出，尤其是多步任務；

• 但響應速度更慢，且可能消耗更多Token。

如果你更看重速度，o4?mini或許更合適。若任務需要復雜推理（尤其涉及代碼或視覺輸入）、更長上下文，或對精度要求極高，那么o4?mini?high更有可能給出更好的結果。

實測表現

接下來，對o4?mini分別在數學和編碼場景下進行測試。

? 數學

首先，給它一道看似簡單、卻常常難住語言模型的計算題。

目的不是測它的基礎算術，而是想看看它會如何解題：一步步推理，還是調用像計算器這樣的工具。

第一次回答錯了。于是，直接提醒它要使用計算器。

第二次雖然算對了，但仍有兩個問題：

• 它把答案稱為「約等于」，可這道減法題根本不用任何估算。

• 從推理過程能看出它并未真正調用計算器，盡管輸出里寫著「計算器顯示」，這與實際計算方式不符。更離譜的是，它還去搜了網頁，而這種基礎題完全無需聯網查詢。

隨后又給了它一道更有挑戰性的數學題，這回表現就穩多了。

模型反應迅速，用一小段Python腳本就解出了答案，而且還能在思維鏈里直接看到代碼。能把代碼公開為推理過程的一部分，確實相當實用。

? 生成p5.js游戲

在這個測試中，選用算力更高的o4?mini?high。

提示詞：給我做一款引人入勝的無盡跑酷游戲。關鍵操作說明顯示在屏幕上。p5.js場景，不要HTML。我喜歡像素風恐龍和有趣的背景。

第一次生成的結果：

有些地方我想調整，于是再次進行提示：

• 畫一只更像樣的恐龍——那東西一點也不像恐龍。

• 讓玩家按下任意鍵再開始游戲——不要一啟動就自動開始；同時確保所有操作說明仍然顯示在屏幕上。

• 游戲結束后，讓玩家可以重新嘗試。

第二次生成的結果：

這次好多了，但這只「恐龍」看起來還是像一臺老式電影攝像機。

GPT?4.1

為精準而生，不為「氛圍」服務

目前GPT?4.1只通過API向開發者開放，目標是以毫不妥協的精準度執行細致入微的指令。

它沒有4.5等前輩那種「夢幻」氣質，卻更加結構化、可靠且一致。可以把它當作OpenAI面向特定開發任務的高負荷「勞?！?，而非發散創意的靈感源泉。

GPT?4.1的優勢

? 遵循復雜指令

GPT?4.1處理任務就像經驗老到的領航員。

比如你正在寫一個食譜生成器，并且把所有的要求都寫在了一個提示詞里——以Markdown輸出、避開特定話題、按指定順序列出烹飪步驟，并附上鈉含量等關鍵指標。

舊版模型可能會漏掉步驟或亂了順序，而4.1會嚴格遵照你的路線，哪怕十分漫長、全是彎彎繞繞。

這帶來了兩大好處：寫提示詞的時間更短，處理模型輸出的時間也更短。

? 記憶力驚人

上下文窗口從128000個token擴大到1000000個token，比GPT?4o足足多出了8倍。

你只需一次性設定語氣或結構，它便能在多輪對話中持續遵循，無需每次從頭設置。

這讓很多實際場景變得可行：一次性處理完整日志、為代碼倉庫建索引、順暢運行多文檔法律流程，或分析長篇內容，全程無需分塊或摘要。

? 結構化輸出

GPT?4.1就像自駕游里那個「只要路線明確就特別好相處」的朋友。給它清晰的行程表，它就執行得又準又快。

可如果拋給它「氛圍」式的提示詞，比如「能不能讓這個食譜App像走進一家溫馨的地下酒吧？」，它可能立刻就想回家。

GPT?4.1、GPT-4.1 mini和GPT-4.1 nano

如果你想在編碼、指令遵循以及長上下文任務上獲得最優綜合表現，就選GPT?4.1。它能勝任復雜的編碼工作流，也能在單條提示詞中處理大體量文檔。

GPT?4.1 mini屬于中端選項，延遲和成本更低，卻幾乎具備與完整版相同的能力。在多項基準（包括指令遵循和圖像推理）中，它能追平甚至超越GPT?4o。

GPT?4.1 nano是系列中體積最小、速度最快、成本最低的模型（0.1美元/百萬Token），面向自動補全、分類，以及從長文檔中抽取信息等任務。雖然它的推理和規劃能力不如更大的模型，但對于某些任務來說，這已經足夠用了。

與完整版的GPT?4.1一樣，mini和nano都支持100萬Token的上下文窗口。

對比競品的表現

? GPT-4.1 vs Claude 3.7 Sonnet

根據測試，在代碼的優雅度和結構性方面，Claude 3.7 Sonnet仍是首選，尤其體現在整體風格一致性和用戶界面表現上。

不過，只要提示詞范圍清晰且具體，4.1在執行指令能力上已大幅拉近差距。

? o4?mini vs GPT?3.5

就目前觀察，o4?mini正逐漸成為開發者在有限預算下追求速度、可靠性與視覺處理能力時的「平價首選」。而2022年11月發布的GPT?3.5，如今已經顯得有些「過氣」了。

參考資料：

https://every.to/context-window/vibe-check-openai-s-o3-gpt-4-1-and-o4-mini

https://www.datacamp.com/blog/o4-mini

https://www.datacamp.com/blog/o3-openai

https://www.datacamp.com/blog/gpt-4-1