توسط : OpenAI از دو مدل هوش مصنوعی استدلالی جدید با نام‌های o3 و o4-mini رونمایی کرد. این مدل‌ها به گونه‌ای طراحی شده‌اند که پیش از پاسخ‌دادن، مکث کرده تا مراحل حل مسئله را بررسی کنند.
مدل o3 به گفته OpenAI، پیشرفته‌ترین مدل استدلالی این شرکت تاکنون محسوب می‌شود و در آزمون‌هایی مانند ریاضیات، کدنویسی، استدلال، علوم و درک بصری عملکرد بهتری نسبت به مدل‌های قبلی دارد. در سوی دیگر، مدل o4-mini با هدف ارائه تعادلی میان قیمت، سرعت و عملکرد طراحی شده و گزینه‌ای مناسب برای توسعه‌دهندگانی است که به دنبال بهره‌وری بالا با هزینه کمتر هستند.
برخلاف مدل‌های قبلی، این دو مدل می‌توانند از ابزارهای داخلی ChatGPT ازجمله جستجوی وب، اجرای کد پایتون، پردازش تصویر و تولید تصویر استفاده کنند. همچنین نسخه‌ای بهبودیافته از o4-mini با نام o4-mini-high نیز معرفی شده که با صرف زمان بیشتر برای تولید پاسخ‌ها، دقت بالاتری ارائه می‌دهد.
ویژگی «تفکر با تصویر» در هوش مصنوعی o3 و o4-mini
یکی از ویژگی‌های منحصربه‌فرد این مدل‌ها، توانایی آن‌ها در «تفکر با تصاویر» است. کاربران می‌توانند تصاویری را آپلود کنند تا مدل با تحلیل تصویری به نتایج دقیق‌تری برسد. حتی تصاویر بی‌کیفیت نیز توسط این مدل‌ها قابل درک و پردازش هستند.
مدل هوش مصنوعی o3 توانسته در بنچمارک SWE-bench (ویژه ارزیابی توانایی کدنویسی) بدون استفاده از ساختارهای سفارشی، امتیاز 69.1 درصد را کسب کند. این درحالی است که o4-mini نیز عملکردی نزدیک با امتیاز 68.1 درصد داشته است. برای مقایسه، مدل o3-mini تنها 49.3 درصد و مدل Claude 3.7 Sonnet محصول شرکت آنتروپیک حدود 62.3 درصد در این آزمون کسب کرده‌اند.
این مدل‌ها هم‌اکنون در اختیار کاربران طرح‌های اشتراکی ChatGPT قرار گرفته‌اند و همچنین از طریق APIهای OpenAI برای توسعه‌دهندگان در دسترس هستند. هزینه استفاده از مدل o3 برای توسعه‌دهندگان 10 دلار به ازای هر یک میلیون توکن ورودی و 40 دلار به ازای هر یک میلیون توکن خروجی تعیین شده است. این درحالی است که قیمت مدل o4-mini مشابه o3-mini بوده و 1.10 دلار برای توکن ورودی و 4.40 دلار برای توکن خروجی است.
OpenAI اعلام کرده در هفته‌های آینده قصد دارد نسخه‌ای با منابع محاسباتی بیشتر به نام o3-pro را به‌صورت انحصاری برای مشترکین طرح پرو منتشر کند.
به گفته «سم آلتمن»، مدیرعامل OpenAI، مدل‌های o3 و o4-mini احتمالاً آخرین مدل‌های استدلالی مستقل این شرکت خواهند بود و پس از آن، مدل جامع‌تری به نام GPT-5 منتشر خواهد شد که قابلیت‌های مدل‌های سنتی و استدلالی را در یک مدل واحد ادغام می‌کند.
