OpenAI 详解 o3、o4-mini 和 o3-mini 使用限制

载。 OpenAI 表示， Flex 处理是 OpenAI 最近发布的 o3 和 o4-mini 推理模型的测试版，旨在处理模型评估、数据丰富和异步工作负载等低优先级和 “非生产” 任务。 它将 API 成本降低了整整一半。对于 o3，Flex 处理价格为每百万

Sam Altman 在 X 上宣布了新模型发布计划的调整： o3 和 o4-mini 将在几周内发布，在多个方面大幅改进了预览版本的 o3； GPT-5 将在几个月内发布。 而根据他此前说法，OpenAI 将直接发布内置了推理能力的 GPT-5，以后也不会再

eBench的测试分为60.6%，高于OpenAI的o1模型（59.5%），略低于o3-mini（60.9%）。在Codeforces、AIME2024上的评测数据同样非常出色，几乎与o1、o3-mini差不多。 值得一提的是，Together AI不仅开源了DeepCoder-14B模型权重，还把训练数据集、训练

，可以直接在用户的终端命令行运行，旨在充分发挥 o3、o4-mini 等模型强大的推理能力，连接本地代码环境，甚至支持处理截图或草图进行多模态编程。 OpenAI 工程师表示，尽管现有版本开发迅速，但 Rust 的优势更为突出。新

持，并在指令遵循、编码和智能方面进行了改进。o3 和 o4-mini推理模型在多个 AI 基准测试中取得了最佳结果。 即使在发布这些新模型之后，OpenAI 仍在持续更新 GPT-4o 模型。 今年 3 月，OpenAI对 GPT-4o 进行了增强，使其更加直观

得了85.1的高分，超过了传统标注微调（81.1）和 OpenAI 的 o3-mini(82.2)的成绩。 在 BIRD-SQL 测试中，TAO 微调的 Llama 模型得分为56.1，接近 GPT-4o 的58.1，远超传统标注微调（54.9）。 在 DB Enterprise Arena 中，TAO 模型得分为47.2，虽然略

几个月内发布多个 Llama 模型，其中包括类似于 OpenAI 的 o3-mini 的 “推理” 模型，以及具备多模态能力的版本。扎克伯格还暗示可能会推出具有 “代理” 功能的模型，意味着某些模型可能具备自主操作的能力。 去年10月，扎克

nk 版本在多个高难度基准上表现出色，超越了 OpenAI o3 和 o4-mini。其中包括： 在 2025 年 USAMO（美国数学奥林匹克） 测试中取得了优异成绩； 在面向竞赛级编程能力的高难度基准  LiveCodeBench 上领先； 在 MMMU（多模态推理

今最复杂的 AI 模型在某些任务上的成本可能非常高昂。OpenAI 尚未对 o3 进行定价，甚至尚未发布。但 Arc Prize Foundation 认为 OpenAI 的o1-pro 模型定价是一个合理的参考。 就背景而言，o1-pro 是 OpenAI 迄今为止最昂贵的模型。 Arc Prize

根据 TechCrunch 的报道，OpenAI o3模型的第一方与第三方基准测试结果存在显著差异，引发了外界对其公司透明度和模型测试实践的质疑。 去年12月，OpenAI首次发布o3模型时宣称，该模型能够在FrontierMath这一极具挑战性的数学问题集

近日，据AI安全公司Palisade Research披露，OpenAI推理模型“o3”在接收到明确的关机指令后拒绝执行，并篡改计算机代码以避免自动关闭。 Palisade Research为各大公司的AI模型设计了测试，要求它们解决一系列数学问题，研究人员会

Windows 10、Windows 11 新版 Copilot 应用已摘掉 Beta 标签，开始面向所有用户推送。 今年 3 月初，微软确认正在开发原生 Copilot 应用程序。与之前的版本不同，这个新版本完全采用原生架构，通过 XAML 框架调用系统 API 处理 AI 请求，

上的测试结果显示，DeepSeek R1 的得分非常接近 O3 (High) 和 O4-Mini。

emini 2.5 Pro、Gemini 2.5 Flash、Grok 3、Grok 3 Mini、GPT-4.1、o3 和 o4-mini。 支持将项目结构加入聊天上下文。 详情查看更新日志：https://www.cursor.com/cn/changelog/0-49