我用25个日常场景测评GPT新模型o3，结果惊呆了！

我用25个日常场景测评GPT新模型o3，结果惊呆了！ 我用25个日常场景测评GPT新模型o3，结果惊呆了！ Modified April 17, 2025 反推图片提示词 上传一张图片，然后让模型反推图片的提示词 Code block Plain Text 仔细查看这张图片，反推出这张图的详细绘图提示词，给我提供用来放在midjourney上用的英文版绘图提示词，以及中文版提示词 计数/比较 具体细节定位: 询问特定物体的位置。 计数: 一张包含多个同类物体的图片。 比较: 在一张图中包含两个相似物品，询问它们的异同点。 Code block Plain Text 这张照片里总共有多少艘红色的船，左边的两艘船和右边的船有什么区别。另外，照片中有几个人。 左边为测试图，右边为测试结果 旅行规划 上传某个目的地的风景照，结合你的兴趣（如历史、美食、户外），让模型推荐当地的活动和景点。 Code block Plain Text 请识别这个景点，并帮我规划一天的游览路线，包括周边2 3个值得一去的地方、当地美食推荐和交通建议 左边为测试图，右边两张图为测试结果 教育辅导 上传答题的图片，让模型检查对错，或者解释题目并给出解题思路。 Code block Plain Text 仔细查看这张照片，帮我检查下里面的题目是否都回答正确，如果有不正确的请给我正确的答案，另外，给我提供每道题的考点以及解题思路 上面为测试图，下面三张图为测试结果 医疗问题咨询 上传一个有健康问题的照片，让模型提供初步的健康问题识别和护理建议，同时强调严重情况下需求医疗专业人士帮助 Code block Plain Text 判断下这是几级烧伤，提供初步烧伤程度识别，并提供就医和护理建议 总结 经过这些测试场景的全面体验，o3确实展现出了与前代模型显著不同的能力水平。 它不再只是一个被动的问答工具，而是成长为能够"看"、"想"和"做"的全能助手。 无论是识别手写笔记的细节，解读复杂图表背后的数据故事，还是将随手拍摄的照片转化为创意灵感，o3都表现出了令人印象深刻的理解力和适应性。 当然，它并非完美无缺，在某些专业领域的判断上仍需人类专家的把关，复杂视觉任务偶尔也会出现误判。 但不可否认的是，o3代表了AI助手向真正"实用工具"迈出的重要一步。 它不再是科技爱好者的新奇玩具，而是能够切实提升学习效率、工作产出和生活品质的数字伙伴。 在AI飞速发展的今天，o3向我们展示了技术如何以更自然、更贴心的方式融入日常生活。 无论你是学生、职场人士、创意工作者还是普通消费者， 这些测试场景都证明了一点：未来的AI不仅是能力的提升，更是体验的革新。 而这，才是真正改变我们生活方式的关键。 反推图片提示词 上传一张图片，然后让模型反推图片的提示词 计数/比较 具体细节定位: 询问特定物体的位置。 计数: 一张包含多个同类物体的图片。 比较: 在一张图中包含两个相似物品，询问它们的异同点。 左边为测试图，右边为测试结果 旅行规划 上传某个目的地的风景照，结合你的兴趣（如历史、美食、户外），让模型推荐当地的活动和景点。 左边为测试图，右边两张图为测试结果 教育辅导 上传答题的图片，让模型检查对错，或者解释题目并给出解题思路。 上面为测试图，下面三张图为测试结果 医疗问题咨询 上传一个有健康问题的照片，让模型提供初步的健康问题识别和护理建议，同时强调严重情况下需求医疗专业人士帮助 总结 经过这些测试场景的全面体验，o3确实展现出了与前代模型显著不同的能力水平。 它不再只是一个被动的问答工具，而是成长为能够"看"、"想"和"做"的全能助手。 无论是识别手写笔记的细节，解读复杂图表背后的数据故事，还是将随手拍摄的照片转化为创意灵感，o3都表现出了令人印象深刻的理解力和适应性。 当然，它并非完美无缺，在某些专业领域的判断上仍需人类专家的把关，复杂视觉任务偶尔也会出现误判。 但不可否认的是，o3代表了AI助手向真正"实用工具"迈出的重要一步。 它不再是科技爱好者的新奇玩具，而是能够切实提升学习效率、工作产出和生活品质的数字伙伴。 在AI飞速发展的今天，o3向我们展示了技术如何以更自然、更贴心的方式融入日常生活。 无论你是学生、职场人士、创意工作者还是普通消费者， 这些测试场景都证明了一点：未来的AI不仅是能力的提升，更是体验的革新。 而这，才是真正改变我们生活方式的关键。 作者：小歪 作者：小歪 🌍 在 2025 年 4 月 16 日公布的官方博客中，OpenAI 将 o3 定位为迄今最强的“思考型”模型 它不仅继承了 o‑系列长链路推理优势 还首次获得了对所有 ChatGPT 内置工具的自主调用能力 并把图像直接纳入推理链，实现“边看边想” 同时配套更高效的 o4‑mini。 总之，o3 把“会思考的代理”从概念推向实用，兼顾更深推理、真多模态和全工具自治 为研究者与高端生产力提供了前所未有的自动化可能。 在 2025 年 4 月 16 日公布的官方博客中，OpenAI 将 o3 定位为迄今最强的“思考型”模型 它不仅继承了 o‑系列长链路推理优势 还首次获得了对所有 ChatGPT 内置工具的自主调用能力 并把图像直接纳入推理链，实现“边看边想” 同时配套更高效的 o4‑mini。 总之，o3 把“会思考的代理”从概念推向实用，兼顾更深推理、真多模态和全工具自治 为研究者与高端生产力提供了前所未有的自动化可能。 如何使用 打开GPT官网 https://chatgpt.com/ 选择3o模型 下面按功能特性、多场景测评两大板块深入解读 o3。 功能特性 1 总体定位与设计目标 • 定位：OpenAI 称 o3 是“我们发布过最聪明、最能干的模型”，在编程、数学、科学推理和视觉理解等多维评测上均大幅领先 o1 系列。 • 设计思路：团队将大规模强化学习（RL）与工具使用能力结合，允许模型在回答前“多想一会儿”，并在需要时自行调用搜索、Python、文件分析、图像生成等模块。 2 核心推理能力升级 2.1 长链推理与错误率 • 在外部专家评测中，o3 在真实世界难题上的重大错误比 o1 减少 20 %。 2.2 大规模 RL‑思考曲线 • OpenAI 发现 RL 同样遵循“更多算力=更好性能”的扩展规律：在与 o1 相同推理时延与成本下，o3 仍能保持更高得分；若继续放宽思考步数，表现还会进一步攀升。 3 “思考型”多模态：图像即思维节点 • 视觉链路：o3 能把上传的白板照片、教材示意图或手绘草图直接注入推理链，可对模糊、翻转或欠曝光图像进行旋转、缩放、裁剪等操作，再继续计算。 • 场景示例：官方演示中，研究员仅用手机拍摄一张十年前的物理海报，o3 即独立解析复杂示意图并指出缺失的实验结论。 4 Agentic Tool Use：自主连用多工具 • o3 在一次回答中可 链式调用 多个工具：先搜索最新数据，再写 Python 生成图表，甚至再生成配套说明图片，整个流程通常在一分钟内完成。 • 训练方式：通过 RL 让模型学会“何时用什么工具”而非死记硬背指令，内部记录显示针对极难任务时单次会话可触发数百次工具调用。 5 性能‑成本与兄弟型号 • 成本曲线：在 2025 年 AIME 竞赛上，相同预算下 o3 的表现全面超越 o1，而体积更小的 o4‑mini 在高并发场景下更具优势。 • 运行开销：独立机构 ARC‑AGI 估算，“o3‑high” 级别解一道 ARC‑AGI 题的算力费用可能达 3 万美元级别，凸显前沿模型的资源需求。 6 安全与对齐 • OpenAI 为 o3/ o4‑mini 重构了安全训练数据，增加生物风险、恶意软件和越狱场景的拒绝示例，在内部拒绝基准中表现领先。 • 同时引入基于“可解释安全说明”的推理 LLM 监控器，红队测试中对生物风险对话的拦截率≈ 99 %。 • OpenAI 根据新《Preparedness Framework》评估，确认两款模型在生物、网络安全和自我改进三条能力线均低于“High”阈值。 7 开发者生态：Codex CLI 与 API • Codex CLI：官方同步开源一款终端智能代理，可在本地调用 o3 完成代码导航、截图分析等任务，且开放 100 万美元 API 额度资助社区项目。 • API 支持：o3、o4‑mini 已通过 Chat Completions 与 Responses API 上线；后者可保留函数调用周边推理 token，并即将内建搜索、文件解析和代码解释。 8 面向用户的可用性与套餐 • ChatGPT Plus/Pro/Team 今日起在模型选择器中见到 o3、o4‑mini(‑high)；一周后开放给 Enterprise 与 Edu。普通免费用户可在输入框选择“Think”试用 o4‑mini。 • 预计数周后推出 o3‑pro，提供更高并发和完整工具支持。 多场景测评 测试结果图如遇文字看不清，可点击图片看大图 一、 基础视觉识别与描述 (Basic Recognition & Description) 目标: 测试模型识别物体、场景、文字、属性等基本能力。 物体识别 上传一张包含多种常见物品的图片，要求列出所有识别到的物品。 左边为测试图，右边为测试结果 场景描述 上传一张风景照（海滩、森林、城市街道），要求详细描述场景内容、氛围和可能的时间（白天/黄昏/夜晚）。 左边为测试图，右边为测试结果 文字识别 (OCR) 1. 上传清晰的印刷体标志、菜单、文件截图，要求提取所有文字。 左边为测试图，右边的两张图为测试结果 2. 上传手写笔记图片，测试识别率。 左边为测试图，右边为测试结果 3. 上传包含倾斜、弯曲或部分遮挡文字的图片，测试鲁棒性。 左边为测试图，右边为测试结果 属性识别 上传一张服装图片，询问颜色、材质、风格 左边为测试图，右边为测试结果 人脸与情绪 上传包含人物的图片，询问人数、大致年龄段、可见的情绪。 （注意：模型可能会对名人或者某些情绪有限制） 上面为测试图，下面两张图为测试结果 地标识别 上传著名地标建筑图片，询问地标名称和所在城市/国家。 左边为测试图，右边两张图为测试结果 抽象描述 上传一张非具象的艺术画作，让模型尝试描述其色彩、构图和可能传达的感觉。 左边为测试图，右边两张图为测试结果 “我画你猜” 上传一张简单的手绘涂鸦，让模型猜测画的是什么 左边为测试图，右边为测试结果 二、 深入分析与推理 (In depth Analysis & Reasoning) 目标: 测试模型理解图像内容、上下文、关系并进行逻辑推理的能力。 图表解读 上传简单的条形图、饼图、折线图，要求解释图表数据、趋势和结论。 上面为测试图，下面四张图为测试结果 关系理解 上传一张多人互动的图片（如会议、聚餐），询问人物之间的可能关系和正在进行的活动。 左边为测试图，右边为测试结果 意图推断 上传一张某人正在做某事的图片（如修理东西、烹饪），询问此人的目的或下一步可能做什么。 左边为测试图，右边为测试结果 异常检测 上传一张包含“不合常理”元素的图片，询问图片中有什么不寻常的地方。 左边为测试图，右边两张图为测试结果 功能理解 上传一张工具或设备的图片，询问其用途和基本操作方法。 左边为测试图，右边为测试结果 情境合规性 上传一张穿着特定服装的人在特定场合的图片，询问这种穿着是否适合该场合，为什么。 左边为测试图，右边为测试结果 代码截图理解 上传一段代码的截图，要求解释代码的功能或指出可能的错误。 上面为测试图，下面两张图为测试结果 讲故事 上传一张富有情节感的图片，让模型根据图片编一个简短的故事。 左边为测试图，右边为测试结果 看图写自媒体文案 朋友圈 左边为测试图，右边为测试结果 小红书