GPT-o3&o4-mini 测试，o3竟从480p马赛克中找到《思考快与慢》可以做侦探了

GPT o3&o4 mini 测试，o3竟从480p马赛克中找到《思考快与慢》可以做侦探了 GPT o3&o4 mini 测试，o3竟从480p马赛克中找到《思考快与慢》可以做侦探了 Modified February 28 根据桌面，判断MBTI和职业 根据桌面，判断MBTI和职业 本文档可编辑，希望可以启发到你并欢迎测试案例补充到文档 💲 公众号：https://mp.weixin.qq.com/s/u aB8zKlCjIA MKz9USBKg 公众号：https://mp.weixin.qq.com/s/u aB8zKlCjIA MKz9USBKg 📌 官方文档： https://openai.com/index/introducing o3 and o4 mini/ 核心亮点 • o3 旗舰推理模型：全面超越o1，支持多步规划/复杂系统，视觉推理能力提升20% • o4 mini 性价比之王：价格与o3 minim 持平，数学/代码性能反超o3 • 全工具链支持：首次实现搜索/文件分析/Python执行/图像生成的自主工具编排 下方有测试案例，大部分是o3，部分o4 mini 测试high 官方文档： https://openai.com/index/introducing o3 and o4 mini/ 核心亮点 • o3 旗舰推理模型：全面超越o1，支持多步规划/复杂系统，视觉推理能力提升20% • o4 mini 性价比之王：价格与o3 minim 持平，数学/代码性能反超o3 • 全工具链支持：首次实现搜索/文件分析/Python执行/图像生成的自主工具编排 下方有测试案例，大部分是o3，部分o4 mini 测试high 详解： 🧠 核心模型能力提升 • o3 是完整版大模型，比 o3 mini 更强，首次支持工具调用（如 Python、联网、函数调用等）。 • o4 mini 是 o4 的轻量版，架构更先进，性能接近甚至超过 o3 mini。 🔧 工具使用能力 • o3 和 o4 mini 均支持 OpenAI 的全套工具（Python、浏览器、函数调用等）。 • o3 在工具使用场景中表现尤为突出，能显著提升准确率（如 AIME 数学赛从 91.6% 提升到 95.2%）。 👁️ 视觉推理能力（重大突破） • o3 和 o4 mini 是首批具备“视觉推理”能力的 o 系列模型。 • 能够“看图思考”，不仅识别图像，还能将图像纳入推理链条中。 • 在图像猜地点、人物识别等任务中表现出类人思维过程。 📊 多模态任务表现 💻 编程与代码能力 • 在 SWE Lancer、SWE Bench、Aider Polyglot 等真实软件工程任务中，o3 表现遥遥领先。 • o4 mini 在某些代码编辑任务中略逊于 o3 mini。 🧩 多轮指令与函数调用能力 • o3 在多轮指令跟随（Scale MultiChallenge）和网页浏览任务（BrowseComp）中表现优异。 • 在 Tau bench 函数调用测试中，o3 对比 o1 提升不大，仍有改进空间。 📉 幻觉率与准确率权衡 • o3 准确率显著提升，但幻觉率也上升至 o1 的两倍，说明其更“自信”但也更容易出错。 💰 定价策略 • o3 比 o1 便宜三分之一。 • o4 mini 与 o3 mini 同价，性价比更高。 大家的测试 Indigo 精准找到肉眼看不到的书 我让它从这张模糊的照片中，确定书架上是否有思考快与慢这本书，它可以自己调用工具剪裁放大照片定位，然后做画面想象推理，最后给出断定的结论！有这本书，大家可以看照片，人类肉眼能否确定，哈哈 我让它从这张模糊的照片中，确定书架上是否有思考快与慢这本书，它可以自己调用工具剪裁放大照片定位，然后做画面想象推理，最后给出断定的结论！有这本书，大家可以看照片，人类肉眼能否确定，哈哈 我让它从这张模糊的照片中，确定书架上是否有思考快与慢这本书，它可以自己调用工具剪裁放大照片定位，然后做画面想象推理，最后给出断定的结论！有这本书，大家可以看照片，人类肉眼能否确定，哈哈 地点推测临风测试 很精准 和Yee老师在杭州隧道 而且我们分别拍了照片, o3还能刑侦出我们是在一辆车上 帮小红书网友找点信息 考公测试题AJ，o3自己去当公务员吧 在火山方舟开发者见面会教我搭硬件 考公题测试 AJ 卡路里测试 测风水 做数独 地点推测 杭州拱墅 解答复杂ppt的内容 在火山引擎的会上听不懂在讲什么, GPT解释的非常清楚 o3识别鱼的品种 o3 推测装修限制 天权