# 刚刚，OpenAI 发布 o3\-pro，开源模型推迟，奥特曼发长文：温和的奇点 - 作者：山宗 - 发布时间：2025-06-11 08:10 - 分类：公司 - 原文：https://www.ifanr.com/1626733 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1113.jpg) ChatGPT 宕机了一整晚，全球网友已经乱成一锅粥了。 OpenAI 的处理方案也有些另类，一边抓紧时间修 bug，一边突然上线了 o3-pro 模型。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1116.png) 从今天起，o3-pro 率先向 Pro 和 Team 用户开放，在模型选择器里将替代原本的 o1-pro，而 Enterprise 和 Edu 用户还得等到下周。 只能说，Plus 用户的命也是命。 ### o3-pro 登场，更强大，也更「慢」 作为推理模型 o3 的升级版，o3-pro 在处理复杂问题、给出更精准的回答方面表现更强，尤其在科学研究、编程、教育和写作这些场景下，有着明显优势。 此外，它也支持调用 ChatGPT 的全套工具，比如网页搜索、文件分析、图像推理、Python 编程、记忆个性化等，整体执行力和整合能力都更强。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1113.jpg) 当然，功能多了，响应速度也稍微慢了下来。 由于任务调度和工具链调用更复杂，o3-pro 的响应速度一般要比 o1-pro 要长一点，所以更适合在你需要认真思考，或者对答案准确性要求较高的场景中使用。 在官方专家评估中，评审人员普遍认为 o3 Pro 在表达清晰度、答案完整性、指令执行能力和逻辑准确性方面都比 o3 模型更进一步，尤其适合用在科学、教育、编程、商业和写作这些需要深度输出的任务中。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/11116-1.png) 学术评估也验证了这一点，o3-pro 的整体表现持续优于 o1-pro 和 o3。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/11117-1.png) 为了更科学评估模型的稳定性，OpenAI 引入了「四次全对」的评估标准——只有模型连续四次给出正确答案，才算成功。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/11118-1.png) 可以说，这套机制大幅提升了对推理一致性的要求。 值得注意的是，o3 Pro 此次并未单独发布系统卡。OpenAI 表示，由于 o3-pro 与 o3 使用相同的底层模型，其完整的安全性说明请参见 o3 系统卡。 但目前 o3 Pro 仍存在一些功能限制，比如不支持临时对话、图像生成和 Canvas 功能。如需生成图像，用户仍需使用 GPT-4o、o3 或 o4-mini 模型。 在正式上线之前，一些开发者已获得 o3 Pro 的早期访问权限。 前 SpaceX 软件工程师及苹果 visionOS 设计师的 Ben Hylak 在过去一周获得了 o3-pro 的早期访问权限，其体验历程也得到了 OpenAI CEO Sam Altman 在社交媒体上的转发。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/11119-1.png) 具体来说，Ben 与其联合创始人 Alexis 花时间整理了 Raindrop 过去所有的规划会议记录、目标、甚至语音备忘录，然后请 o3-pro 尝试生成一个战略性规划文档。 最终模型生成的结果让他们大受震撼：内容清晰、结构完整，不仅覆盖了目标和时间线，还自动梳理出优先级，甚至明确指出了哪些内容应被砍掉。 在 Ben 看来，模型再强，如果无法融入真实的工作环境，也难以成为真正有用的「成员」。 而 o3 Pro 在理解复杂环境、表达工具能力、提出适当问题、合理调度资源方面有明显提升。尽管模型偶尔在缺乏上下文时会出现「过度思考」的问题，但整体表现已明显优于此前版本。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1213.png) ▲o3 pro（左）vs o3（右）：o3 pro 明显更好地理解了自身的限制和能力范围。 在与同类模型对比中，Ben 则是夸奖道，虽然 Claude Opus 体量感十足，但实战表现平平无奇；而 o3-pro 则更实用，属于「完全不同维度的存在」。 在经典升级版的六边形弹跳小球挑战中，博主 @flavioAd 认为 o3-pro 是第一个几乎能完美处理小球与墙面真实碰撞效果的模型。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1115.gif) ARC-AGI 是一种用来评估语言模型是否具备类通用人工智能（AGI）推理能力的基准测试框架。 它旨在测试 AI 系统在面对新问题时的抽象推理和问题解决能力，类似于人类在面对新情况时能够迅速适应并找到解决方案的能力。 最新测试结果如下： ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1234.png) 可以看到，o3-pro 在高难任务上表现略好，但提升幅度不大，且成本随难度上升。 ### 企业是第二曲线，o3-pro 是一块新基石 在 o3-pro 发布，OpenAI CEO Sam Altman 还在社交平台公布了一项重磅消息：o3 模型价格直降 80%。 现在，o3 模型每输入百万 tokens 收费 2 美元，每输出百万 tokens 收费 8 美元。 OpenAI 首席产品官 Kevin Weil 发文表示，由于用户反馈强烈，Plus 用户的 o3 模型使用速率限制将提升一倍，该调整正在陆续上线中。 对比之下，o3-pro 每输入百万 tokens 收费 20 美元，每输出百万 tokens 收费 80 美元，比 o1-pro 便宜 87%。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/11115-1.png) OpenAI 建议在使用 o3-pro 时启用「后台模式」：对于耗时较长的任务，将会异步启动，从而规避请求超时问题。 官方表示，这波大降价的背后，是 OpenAI 对推理服务架构的全面优化。模型没变，但推理更高效，价格也就顺势调了下来。 而另一方面，或许离不开 OpenAI 在算力资源上的新动向。 自 ChatGPT 横空出世以来，算力资源的限制一直是 OpenAI 的「老大难」，受限于微软绑定协议的限制，Azure 云服务曾是 ChatGPT 的唯一数据中心基础设施提供商。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/22221.png) 而据路透社凌晨援引三位知情人士消息称，为了缓解算力压力，OpenAI 已于上个月与 Alphabet（ Google 母公司）达成合作协议，引入 Google Cloud 作为额外云服务提供商。 这样的合作既在意料之外，也在情理之中。 一方面，ChatGPT 是近年来对 Google 搜索业务最大的威胁之一，而 Google Cloud 现在却成了它的新靠山。 而另一方面，Google Cloud 2024 年销售额达 430 亿美元，占 Alphabet 收入的 12%。因此，为了在云计算市场中超越亚马逊和微软，Google Cloud 一直致力于扮演一个「中立算力供应商」的角色。 此次合作的达成将是对 Google Cloud 的一次重大利好。截至发稿前，OpenAI、Google 和微软均未就此报道置评。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1112.png) 与此同时，OpenAI 还在全球范围内加速部署 AI 基础设施网络。 今年早些时候，OpenAI 还与软银和甲骨文推进了 5000 亿美元规模的星门计划，并与 CoreWeave 签订了价值数十亿美元的算力采购协议。 高投入的前提离不开高回报，本周据外媒报道，去年，OpenAI 的 ARR 约为 55 亿美元，而现在已突破 100 亿美元，增长了近 80%。 需要说明的是，100 亿美元仅包括其面向消费者的产品、ChatGPT 付费商品以及 API 收入，暂不包括微软的授权收入和其他大额交易。在商业领域，ARR 是指企业从订阅服务或长期合同中获得的年度经常性收入。它反映了一种可预测的、持续的收入流，通常用于衡量订阅模式业务的健康状况和增长潜力。 简单来说，一家提供软件即服务（SaaS）的公司，与客户签订了每年支付 1000 元的订阅合同。如果有 100 个这样的客户，那么该公司的 ARR 就是 1000 元×100=100000 元。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/22222.png) 上周，OpenAI COO Brad Lightcap 还透露 OpenAI 目前拥有 300 万付费商业用户，高于 2 月份报告的 200 万，可以说，OpenAI 目前形势一片大好。 一边通过 o3 把基础模型的成本打下来，一边用 o3-pro 把复杂问题的解决能力拔上去，瞄准高价值场景，OpenAI 也正试图在这两端之间，打通一条通往下一个增长曲线的路径：企业服务。 世界上最强的模型轮流发布，OpenAI 也是这波 AI 浪潮中的一个。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/22223.png) 而更强的模型，更稳的算力，更丰富的工具调用，ChatGPT 的定位也早已不只是聊天机器人，而是生产力搭子，旨在吃下职场这个最具生产力的应用场景。 o3-pro 则是这条路上的一块新基石。 至于它能不能撑起 OpenAI 的这份野心，还有待时间验证。但至少现在，它已经让人们重新想象了一次。 ### 模型会开源，但不会在 6 月 就在刚刚，Sam Altman 还在社交媒体上表示，OpenAI 预计将在今年夏季晚些时候，发布公开权重的开源模型，而非 6 月份。 ![](https://s3.ifanr.com/wp-content/uploads/2025/06/11120.png) 此外，Altman 刚刚还发布了个人新博客《The Gentle Singularity（温和的奇点）》，探讨 AI 发展对人类社会的影响，并指出这可能是他最后一次在完全没有 AI 帮助下写出的文章。 用他的话来说，从相对论的角度看，奇点是一点一点发生的，融合则是缓慢进行的。 附上博客原文地址：https://blog.samaltman.com/the-gentle-singularity ![](https://s3.ifanr.com/wp-content/uploads/2025/06/1111-1.png) ### 温和的奇点 我们已经越过了事件视界，腾飞已经开始。人类正接近构建数字超级智能，而至少到目前为止，这一切并没有看起来那么奇怪。 机器人还没在街头随处可见，大多数人也还没整天和 AI交 流。人类仍然会死于疾病，去太空依然困难重重，我们对宇宙的理解仍然非常有限。 尽管如此，我们最近已经构建出在许多方面比人类更聪明的系统，并且这些系统能显著放大人类的产出。最不可能的部分已经完成——那些促成 GPT-4 和 o3 等系统诞生的科学突破来之不易，但它们将带我们走得更远。 AI 将在多个方面为世界带来贡献，但AI加速科学进步与提升生产力所带来的生活质量提升将是巨大的；未来有望远比现在更加美好。科学进步是整体进步的最大驱动力；一想到我们有可能获得多少更多的成果，就令人振奋。 从某种意义上说，ChatGPT 已经比历史上任何一个人都更强大。每天有数亿人依赖它，且任务越来越重要；一项小的新增能力可能带来极大的正面影响，而一个微小的不匹配在被数亿人使用时，也可能造成很大的负面影响。 2025 年，我们迎来了能够真正进行认知工作的智能代理；编写计算机代码的方式将彻底改变。2026 年，我们很可能会看到能产生原创见解的系统。2027 年，或许会出现能在现实世界中执行任务的机器人。 将有更多人能够创作软件和艺术。但世界对这两者的需求也将大幅上升。专家们如果拥抱这些新工具，可能仍然比新手强得多。总体来看，2030 年一个人完成的事情将远超 2020 年，这种变化将令人瞩目，也会有许多人学会如何从中受益。 在最重要的方面，2030 年代也许不会有太剧烈的变化。人们依然会爱家人，释放创造力，玩游戏，在湖里游泳。 但在仍然非常重要的其他方面，2030年代很可能与以往任何时代都大不相同。我们不知道人类智能的上限有多高，但我们即将找出答案。 到了 2030 年代，智慧和能源——即想法及实现想法的能力——将变得极其丰富。这两者长期以来一直是人类进步的基本限制；如果智慧和能源变得充足（加上良好的治理），理论上我们可以实现一切。 现在我们已经与惊人的数字智能共处，并且在最初的震惊之后，大多数人已渐渐习惯。我们很快会从惊叹AI能写出优美段落，变成期待它写出完整小说；从惊讶它能诊断疾病，变成期望它能研发治愈方法；从惊讶它能写出小程序，变成希望它能创建整家公司。这就是「奇点」的方式：奇迹变成日常，然后变成起点。 已经有科学家告诉我们，他们的工作效率是过去的两到三倍。高级AI之所以意义重大，其中一个最关键的原因是我们可以用它来加速AI研究本身。我们也许能发现新的计算材料、更好的算法，甚至更多未知的可能。如果我们能用一年、甚至一个月完成十年的研究，进步的速度显然会大不一样。 从现在开始，我们已有的工具将帮助我们发现更多科学洞见，并辅助我们创造更先进的AI系统。当然，这还不是AI完全自主地更新自身代码，但这确实是「递归自我改进」的初始形态。 还有其他一些自我强化的循环正在发生。AI带来的经济价值推动了基础设施建设的飞轮，越来越多的资源正用于运行这些强大的 AI 系统。而能够制造其他机器人的机器人（在某种意义上，还有能建造其他数据中心的数据中心）离我们也不远了。 如果我们必须用传统方式制造出最初的一百万个人形机器人，但它们随后能接手整个供应链——开采和提炼矿物、驾驶卡车、运行工厂等——并制造更多机器人、芯片厂和数据中心，那进步的速度就会截然不同。 随着数据中心的生产逐渐自动化，智能的成本最终应该会接近电力成本。（很多人关心ChatGPT每次查询用多少能量；平均每次查询大约耗电 0.34 瓦时，大概相当于烤箱运行一秒多一点，或高效灯泡使用几分钟。此外，每次查询大约用水 0.000085 加仑，约等于十五分之一茶匙。） 科技进步的速度将持续加快，而人类也有很强的适应能力。虽然会有艰难的挑战，比如整类工作消失，但另一方面，世界的财富增长如此之快，以至于我们将有机会认真考虑以前无法实现的新政策。我们可能不会一次性建立一套新的社会契约，但回顾几十年后，会发现逐步变化的累积带来了巨大转变。 如果历史可以作为参考，我们总能找到新事物去做、新欲望去追求，并迅速适应新工具（工业革命后的职业变迁就是个很好的例子）。人们的期望会提升，但能力也会随之快速提升，我们会拥有更好的生活。我们会为彼此创造越来越美妙的事物。相比AI，人类有一个长期且重要的优势：我们天生在意他人，以及他人怎么想、怎么做，而对机器却没什么感情。 如果一千年前的自给农民看到我们现在的生活，会觉得我们从事的是「假工作」，仿佛只是在自娱自乐，因为我们食物充足、奢华难以想象。我希望我们未来一千年后也能用同样的眼光看待那些工作——觉得它们「非常假」，但毫无疑问，那些人会认为自己的工作极其重要且充实。 未来将涌现出大量的新奇迹。到 2035 年，我们会取得什么突破现在都难以想象；可能今年我们还在解决高能物理问题，明年就开始太空殖民；或今年在材料科学上取得重大突破，明年就实现真正高带宽的脑机接口。很多人会选择继续以当下的方式生活，但也肯定会有人选择「接入系统」。 展望未来，这些事现在听起来难以想象。但真正经历它时，可能会让人惊叹，却仍在可控范围内。从相对论的角度看，奇点是一点点发生的，融合是逐步进行的。我们正攀登那条技术指数增长的长弧线；向前看总觉得是陡峭的垂直，向后看则像是平缓的线，但其实它是一条平滑的曲线。（回想 2020 年，如果那时我们说 2025 年会接近 AGI，听起来会很疯狂，但对比过去五年所发生的一切，也许现在的预测不那么疯狂了。） 当然，我们还面临许多严峻挑战。我们需要在技术上和社会层面解决安全问题，但在那之后，最重要的是确保超级智能能被广泛获取，因为这关系到经济结构。未来的最好路径可能包括以下几个步骤： 首先解决「对齐问题」，也就是我们能有把握地确保AI系统长期学会并实现我们集体真正的意愿（比如社交媒体就是对齐失败的例子：推荐算法非常擅长让你不停刷，但它们是通过利用大脑短期偏好来压制你长期目标的）。 接着，重点让超级智能变得便宜、普及，并避免被某个个人、公司或国家高度集中掌控。社会具有韧性、创造力，也能迅速适应。如果我们能激发集体的意志和智慧，尽管会犯错、也会有失控，但我们会迅速学习与调整，从而最大化收益、最小化风险。在社会广泛设定的框架下，给予用户更多自由将非常关键。世界越早开始关于这些框架及「集体对齐」如何定义的讨论，就越好。 我们（整个行业，不只是 OpenAI）正在为世界构建一个「大脑」。这个大脑将高度个性化、人人易用；它的极限将取决于我们的好点子。长期以来，技术圈总爱嘲笑那些「只有想法的人」——他们有个点子，却没法实现。而现在，看起来他们的时代终于要到了。 OpenAI 如今做的事情很多，但最根本的身份仍是一个超级智能研究公司。我们还有大量工作要做，但前路已经被照亮，黑暗正迅速退去。我们对能做这些事情感到无比感激。 「智能几乎免费」已近在眼前。也许听起来疯狂，但如果我们在 2020 年告诉你我们将在 2025 年到达现在这个水平，听起来比我们现在对2030年的预测更疯狂。 愿我们顺利、指数级、平稳地迈入超级智能时代。