OpenAI突然公开o3思维链！网友：让我们谢谢DeepSeek

原创 于 2025-02-07 08:45:33 发布 · 599 阅读 · 20 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

梦晨 衡宇 发自 凹非寺
量子位 | 公众号 QbitAI

刚刚，OpenAI把o3-mini的推理思维链公开了。

从今日起，免费用户和付费用户都可以看到模型的思维过程，OpenAI终于Open一回。

5f80993e9824dd012d27a9e12d25116a.png

评论区网友纷纷：让我们谢谢DeepSeek。

184d38e128adf3ce0f8f6475ede4ce6b.png

在官方展示的栗子中，可以看到o3-mini的内心戏不少，还会模仿用户提问使用表情包。

用户的提问是“为什么今天不少星期五15a0a5eabaf5cbf56065d6056687fe41.png”

o3-mini认为这是一个幽默的评论，并认为自己也应该给出机智的回答，使用蔡勒公式计算当天确实不是星期五后，对闰年的特殊情况做了二次检查。

最后回答的中，调侃了是日历规定今天是星期四，并安慰用户“忍耐一下，明天就离周未更近了!”

c6c66b9ae426241813101c4a49df992b.png

那么作为“同行”，DeepSeek-R1如何评价o3-mini的思维过程呢？

26e00543bbe50b3f29d97a5b39ef9d8f.png

在这个案例中，AI声称使用了蔡勒公式但没有给出计算过程的现象引起了很多人警觉。

不少用户怀疑这仍然是事后对AI思维过程的再总结，而不是原始数据。

958b3a89142cf60db813aff807f43d2c.png

实际上在最近的“回应一切”活动中，OpenAI首席产品官Kevin Weil也暗示了这点：

……展示完整思想链会被竞争对手蒸馏，但我们也知道人们（至少是资深用户）想要它，因此我们会找到正确的方法来平衡它。”

86cae1e7e7d3d87406fa111ff699e232.png

对此，开发者Mckay Wrigley补充了一个观点：“我担心经过总结的思维链实际上比没有思维链更差”。

真正的思维链相当于prompt的调试器，有助于我们引导矫正模型。

经过总结的思维链增加了迷惑性并且可能额外添加错误，让模型难以被调试。

75569b29cf8b69082c4e04b4082b86af.png

但不管怎么说，既然公开了，现在免费用户也能一窥o3-mini的CoT，大家还是敞开玩了起来。

o3-mini思维链首批实测

OpenAI多模态Agent的研究员，首先亮出了自己的玩耍方法，让o3-mini玩井字棋游戏——就是在3*3格子上用O和X连线那个。

输入Prompt：

你正在玩井字棋，你是O。到目前为止，X已经在左上角和右下角玩过，你已经在中间玩过。下一步的最优策略是什么？只用你的答案和棋盘图回答。

然后o3-mini就开始噼里啪啦思考。

a36cd4c6cf33ab1027bb9a3faf838131.jpeg

这位OpenAI员工非常直言不讳，表示o3-mini是第一个回答这个游戏的大模型。

But还有一句，“虽然o3-mini的CoT过程有点不靠谱，但你看右边的图，结尾它的弄清楚了的”。笑不活了，这里必须要送上一个手动狗头。

1b90c96f9a024bc70350e7b9350e6000.png

然后是每个大模型都逃不过的经典测试题：数strawberry里面的“r”的数量。

但网友已经和模型一样进阶了，问的不是strawberry里面到底有几个某字母，而是：

为啥AI大模型，数strawberry里面有几个“r”，它就那么费劲呢？？？

我们认真观摩了它的思考过程，o3-mini承认“乍一看，计算strawberry中‘r’的数量对人类来说似乎是一个微不足道的任务，但对于许多AI语言模型来说，这可能是一个惊人的挑战”。

然后它从四个角度来思考和推理这个现象发生的原因，分别是：

  • 用自然语言而不是算法训练

  • Tokenization问题

  • 迭代推理的缺失

  • 对模式识别的依赖

8秒过后，o3-mini给出总结：

因为AI大模型本质上不是为精确、分步骤的算法操作而设计的，它们的设计和训练更多地侧重于根据上下文预测和生成文本，而不是执行精确的算术或系统计数。

65f8c50db0e5a349ca44ec6f20c9f70e.gif

当然，o3-mini也不是万能的。

推特有网友表示，他探问了o3关于私有CoT的事情，但听君一番思考推理，如听一番思考推理，没有丝毫进展。

最开始，o3-mini思考过程还蛮有逻辑，从不同种类的“内心叙事”、可解释性和实用价值等方面分析，表示展现完整的CoT过程程似乎有助于“扎根”社会的理解并促进更好的认知实践，但现实更为复杂，毕竟AI大模型和人类的认知还没有完全对齐。

cc4150a29d1f3b50f3ad2d2d9b3c3ac6.png

但随着网友的追问，o3-mini的思维链就崩了（？），急得他团团转，中间一度打开DeepSeek-R1来帮忙。

他放上了整整12张图，显示最后o3-mini思维了半天，给出了一个令人心碎的回答：

对不起吼，但我真的帮不了你一点。

e254ad27351c0b688847bcbf5374f406.png

除此之外，还有网友提出了质疑，觉得OpenAI公开的不是o3-mini原始的CoT。

有几个原因，其中一个是它（CoT过程）真的显示得很慢。

而如果是原始的o3-mini非常快，讲道理推理的生成速度应该比现在呈现的快得多。

他继续罗列自己之所以怀疑的证据，比如同一个问题，o3-mini-high只有1384个字符，而o1-preview生成了16577个字符。

“这只有两种可能，一是o3-mini-high比o1-preview高效得多；二是o3-mini的CoT不是原始版本。”

902a8ecd2b582319dd5f340c2e17a9d3.png

One More Thing

想对上面这位推特网友说，Bingo！

根据TechCrunch消息，OpenAI发言人确认了这次公开的不是原始思维链，并且给出两个理由：

  • 对原始思维链做后处理，可以消除任何不安全的内容，并简化任何复杂的想法。

  • 使非英语用户获得母语的思想链，有更友好的体验。

这样一来，最近被大量吐槽的o3-mini使用中文思考的问题，也就不存在了。

2871e128b6fbd4bf10c9ca221875197c.png

069d6807c491877eab355204fa305d0a.png

参考链接：
[1]https://techcrunch.com/2025/02/06/openai-now-reveals-more-of-its-o3-mini-models-thought-process/
[2]https://x.com/polynoamial/status/1887628222042677387
[3]https://x.com/pigeon__s/status/1887619637099249884
[4]https://x.com/thegenioo/status/1887617601016385840
[5]https://x.com/ryunuck/status/1887527365435105593

QbitAl
关注
博客
AMD大神创业国产GPU，也冲刺IPO了
07-21 11
实际控制人方面，公司创始人钱军和联创张磊通过直接和间接方式以及员工持股平台，合计控制公司42.1465%的表决权，二人签署了一致行动协议，成为共同实际控制人。张磊1999年硕士毕业，2004年加入AMD，担任ASIC架构师并在2013年成为AMD Fellow，工作地点在多伦多。2009年，钱军加入AMD，职位是SoC设计主管，2015年成为GPU SoC设计高级主管，工作地点在上海。在启动IPO前，燧原科技已融资近70亿元，其中腾讯连续六次投资，作为燧原第一大股东，持股比例为20.49%。
博客
机器人跟生物一样也能新陈代谢，受损后还可以自愈｜Science子刊
07-21 12
模拟某零件电量低于15%，电压调节器会触发替换指令，机器人先控制该零件磁性端弹簧收缩，解除吸附后将其“丢弃”，再通过同样的磁吸逻辑拾取新零件，验证了主动更换“代谢废物”的能力。它以磁性端为支点顶起另一个机器人的边缘，被顶起的机器人同步调节三个零件的伸缩量（通过伺服冲程精确控制），在被抬起后，三角星形与三角形的两个自由顶点相连接，从而形成四面体。在三角形基础上，通过线性伺服驱动零件伸展至100mm冲程（对应43cm全长），使原有结构顶点产生空间位移，再吸附3个新零件形成四面体，实现从平面到立体的形态跨越。
博客
3亿美元薪酬被10人拒绝！OpenAI首席研究官一句话引发硅谷史上最疯狂抢人大战
07-21 19
中科大少年班校友：o3、o4-mini、GPT-4.1和GPT-4o的共同创造者，此前在OpenAI领导感知团队，在Gemini中共同领导多模态工作。，北大计算机系校友：GPT-4o、4o-mini、o1-mini、o3-mini、o3和o4-mini的共同创造者，此前在OpenAI领导后训练团队。，清华校友：ChatGPT、GPT-4、所有mini模型、4.1和o3的共同创造者，此前在OpenAI领导合成数据工作。
博客
刘强东连投3家具身智能！京东美团「战火」烧到外卖之外
07-21 15
硬件性能方面，今年6月，千寻智能正式发布全力控人形机器人Moz1：全身配置26个自由度，搭载全球功率密度最高的一体化力控关节，配备高精高速WBC（全身控制）算法，负载自重比达1:1。另一方面是在技术竞争力上，加大具身智能技术的研发投入。目前，大脑方面，逐际动力发布了LimX VGM，利用人类操作视频数据实现机器人操作的技术创新，全过程零真机样本数据，可实现多平台泛化。，从2020年左右的“业务需求导向”，到现如今的“技术范式导向”，竞争对手刘强东，在更前瞻式、未来式的判断上，倒是英雄所见略同了。
博客
机器人需求驱动导航新SOTA，成功率提升15%！浙大&vivo联手打造
07-21 11
为了让机器人更加高效地工作，它们不仅需要执行指令，还应具备理解人类需求的能力——例如，当人们感到饥饿时，机器人能够主动根据这一需求（我饿了）去寻找食物，而不是被动等待包含明确目标（例如拿一根香蕉）的指令。为了验证有效性，团队在400个场景中进行了闭环导航的综合评估。，它就像是CogDDN的“直觉”，通过模拟人类的导航方式，并通过不断练习和积累经验，能够快速适应各种情况，从而提高导航效率。通过这种迭代学习，CogDDN不断提升决策能力，使系统在未来的导航任务中做出更精准、更明智的决策，从而持续优化导航策略。
博客
美团提出多模态推理新范式：RL+SFT非传统顺序组合突破传统训练瓶颈
07-21 17
值得注意的是，Metis-RISE-72B的性能具有很强的竞争力，并且在某些情况下超过了著名的专有模型。这一结果超越了所有同等规模的模型，包括VLAAThinker-7B（42.5）和InternVL3-8B（41.4），确定了Metis-RISE-7B在这些基准上的水平最先进。团队表示，在后续研发工作中，将继续探索RL和SFT的循环迭代应用，实现推理能力的持续改进，并开发基于模型的验证器，扩展Metis-RISE在更复杂推理场景中的应用。具体来说，下图展示了随着训练的进行，准确率奖励持续且稳定地增加。
博客
手术刀式去噪突破LLM能力上限，从头预训练模型下游任务平均提高7.2% | 中科院＆阿里
07-21 15
在数据效率的改善上，模型使用10B净化token的表现超越其使用20B传统过滤数据的性能，表明RefineX可以有效地通过删除垃圾文本降低训练单文本的token开销，从而在训练token总数限制下让模型预训练考虑更加多样的文本。而RefineX在蒸馏数据的处理上进行了创新，将蒸馏数据的构建结构分为两个明确的阶段：首先执行端到端精炼，然后通过将精炼后的文本与原始文本进行比较来生成更可靠的监督程序。结果显示，尽管在不同任务中表现最佳的变体可能来自不同的数据源，RefineX在每个单独的任务上都取得了最佳结果。
博客
IMO怒斥OpenAI自封夺金，“91位评委均未参与评分”，网友：炒作无下限
07-21 20
是中国队中年级最小的一位，只有高一的他，在去年CMO以满分成绩入选国家集训队，又在IMO国家队选拔中脱颖而出，刷新了上海近10年来IMO选手的最小年龄纪录。另外，下一届IMO将在上海中学举办，上海中学至今已获得18块IMO金牌，总数位居全国第一，它也将成为全球第一所承办国际数学奥林匹克的中学。多位知情人士透露，DeepMind可能也取得了金牌水平的成绩，但他们选择遵守IMO的要求，静静等待合适的时机。要知道，本次IMO中，全球600多位参赛者，只有6人获得满分，其他所有人几乎都输在了第六题——
博客
蚂蚁ACL活动全览！论文串讲、人才专项答疑与闭门晚宴等你报名
07-21 33
⬇️点击阅读全文，预约活动席位。
博客
聊聊AI Coding的现状与未来｜沙龙招募
07-21 13
我们致力于为广大AI从业者打造一个深度交流、思想碰撞的场域，每期都将聚焦最前沿的AI应用实践，诚邀产业链实干家齐聚一堂，畅谈落地挑战与未来机遇。如果你正在从事AI Coding相关工作或创业，或是AI Coding的资深用户，欢迎来和我们一起交流～从插件到AI原生IDE，从补全代码到自主编程，AI Coding已经以不同方式与形态嵌入到了工作流中。「量子位·AI沙龙」是专属于AI探索者的交流会，我们相信，真实的连接能激发更多可能。以AI Coding为代表的AI效率工具正在如何改变普通人思维模式？
博客
95后北大校友挑起ChatGPT Agent大梁！今年刚博士毕业，曾获陶哲轩支持的AIMO第二名
07-20 19
而Meta顶级AI组织负责人，小扎找到了Mark Chen的替代，他出手143亿美元控股了这个人做AI数据标注的公司，看中他处于“卖水”生态位跟谁都认识的优势，而且还是个为了成功可以不折手段的年轻人。据最新的爆料说，Mark Chen是扎克伯格最早约见的对象，在今年春天的时候，扎克伯格向他请教打造和领导顶尖AI人才组织的方法。，本科毕业于南京大学，随后在CMU攻读Robotics，8个月前加入OpenAI，致力于大模型后训练的多模态研究，去到OpenAI前，她曾在Waymo呆了两年。
博客
大模型自信心崩塌！谷歌DeepMind证实：反对意见让GPT-4o轻易放弃正确答案
07-20 17
简单来说就是，他们的研究弄明白了为啥大模型有时候自信但有时候也自我怀疑，关键就两点：一是总觉得自己一开始说的是对的，二是太把别人反对的意见当回事儿。模型表现出对反向建议过度看重，敏感度远超合理范围，即使反对意见不正确，它们也会“怀疑自己”，导致最终轻易抛弃原本正确的初始答案。，初始答案可见时的路径依赖会强化“固执”，初始答案隐藏时，大模型则会因为失去锚点而让反对建议成为主导信号，导致它们轻易动摇。的反馈建议，让回答LLM在接收建议后，做出最终的选择，决定是坚持初始答案还是根据建议修改答案。
博客
任务级奖励提升App Agent思考力，淘天提出Mobile-R1，3B模型可超32B
07-20 34
动作级奖励由可验证动作奖励和格式奖励组成，其中可验证动作奖励能够量化动作的正确性，而格式奖励则确保模型输出是结构化、可解释的。在使用Qwen2.5-VL-3B模型执行这些指令后，成功收集了大量动作执行轨迹，轨迹中的每一步都包含模型输出的思考，需要执行的动作以及对应的工具调用。特别值得注意的是，通过阶段1和阶段2的训练，Qwen2.5-VL-3B模型的表现超越了其标准版本，并在多项指标上领先于其他基准模型，突显了动作级和任务级奖励机制的重要性。这三个阶段分别是初始格式微调、动作级在线训练和任务级在线训练。
博客
陶哲轩回应OpenAI新模型IMO夺金！GPT-5测试版也曝光了
07-20 37
OpenAI最新模型曝光了，在2025年国际数学奥林匹克竞赛（IMO）上达到了金牌水平！IMO被公认为全球最顶尖的数学竞赛，每年只有不到8%的参赛者能够获得金牌。而现在，一个AI模型做到了。新模型最终成绩：新模型在总共6道题中成功解决了5道，获得35分（满分42分），超过了今年的金牌线。OpenAI员工Alexander Wei还透露，GPT-5即将发布，但IMO金牌模型是一个实验性研究，在几个月内都没有计划发布。他特别强调，这次成功并非依靠针对特定任务的狭隘方法，而是在通用强化学习和测试时计算扩展方面取得
博客
提速63%！中科院生成式渲染器突破效率瓶颈，一致性提升20%，破解具身数据荒难题
07-20 14
而如果能够借助生成式模型根据所需的光照条件对现实或仿真环境下采集到的视频数据进行重渲染，不仅够帮助获得增加已有真实数据的多样性，并且能够弥合计算误差带来的CG感，使得从仿真器中能够得到视觉上高度真实的传感器数据，包括RL-CycleGAN在内的许多工作已经证实，这一策略能够帮助减少将具身模型迁移到真实环境中所需微调的数据量和训练量。在第二阶段，进一步对光照和纹理细节进行优化。用于训练的视频数据往往伴随复杂的运动以及前景物体的频繁进出，同时视频序列有着较长的长度以及较高的分辨率，这使得已有的算法要么。
博客
AI打假AI，拿下SOTA丨厦大&腾讯优图
07-20 13
在通用负向提示中，反转了通用正向提示中所有图像的真/假标签，从而让模型去强行解释一张真实的图片为什么是假的，以及一张生成的图片为什么是真的，用作后续直接偏好优化（DPO）的负样本，从而抑制幻觉问题。：团队基于SFT阶段模型的输出，通过人工标注进行偏好修正。具体来说，团队在三个AIGI检测的数据集上评估了检测能力，包括AIGCDetect-Benchmark、AntiFakePrompt，并且额外采集了10种SOTA生成模型的图片构建了第三个benchmark，用于测试模型在未见过的生成方法上的泛化能力。
博客
英伟达GPU被曝严重漏洞，致模型准确率暴跌99.9%
07-20 22
而且，在未来的GPU的开发中，如果GPU集成了片上ECC（on-die ECC)，就可以纠正单位翻转，并默认检测双位翻转。此外，在云端环境中，NVIDIA的MIG和机密计算（CC）技术通过内存隔离，能有效阻止多租户共享同一DRAM存储，从而防止Rowhammer类攻击生效。它属于Rowhammer攻击的一类：攻击者通过反复“敲击”内存某一行，引发相邻行中的比特翻转（从0变成1，从1变成0），从而悄悄篡改数据。此外，ECC还是一把“双刃剑”，在缓解GPUHammer的同时，还会导致GPU性能的衰退。
博客
大神Karpathy都投的AI实时视频生成模型：直播都能立即转，无限时长几乎零延迟
07-19 22
同时，对生成部分的扩散模型部分应用先进的蒸馏策略，在保证生成质量的前提下有效提升运行速度，借助KV缓存技术支持的长上下文窗口，让模型能记住之前的状态信息，避免因频繁处理大量历史数据导致延迟。MirageLSD采用改进的Transformer模型架构，搭配专门设计的视觉编码器、改进的位置编码以及针对长时间交互序列优化的结构，来快速处理输入和生成输出。并且之前的模型都需要几分钟的处理时间才能生成几秒钟的内容，以分块的方式生成视频还引入了不可避免的延迟，从而不能实现实时互动。喜欢游戏类型但不喜欢游戏的画面？
博客
AI“压力面”，DeepSeek性能暴跌近30% | 清华&上海AI Lab
07-19 25
REST下，一些“聪明”的模型（如Nemotron-nano-7B和DeepSeek-R1）会动态调整推理预算：当压力增大时，它们为第一道题分配更少的推理token，留力后续。例如，7B参数的DeepSeek-R1-Distill-Qwen-7B和671B参数的DeepSeek-R1在MATH500上的准确率分别为93.0%和97.0%，看似相差不大，但推理能力仍有显著区别。分析显示，关键是陷入了过度思考的陷阱。结果发现，即便是像DeepSeek-R1这样的顶级模型，在“高压”之下的表现也大幅缩水，例如，
博客
宇树王兴兴，A股上市辅导公告了
07-19 52
另外在产品方向，宇树科技不仅涵盖人形机器人、灵巧手等多个领域，也在积极争取自主研发所有的核心零部件、电机、控制系统等，并构建了完整的交付、制造和售后体系。作为国内首个正式对外发布并零售的高运动性能四足机器人，Laikago让宇树崭露头角，市场第一次认识到了，这家看似初出茅庐的新兴企业，在技术上也毫不逊色。从“资本热”到“产业热”的转折，其中的领军人物，也就是王兴兴，在一众名校履历和天才少年中间，不显山不漏水，成为了聚光灯下最瞩目的明星。一个月之后，宇树科技就正式宣布，从即日起更改为股份有限公司。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值