o3狂烧3万美金解一题，反被AGI榜单除名！试错1024次不如10岁小孩哥4分钟
o3狂烧3万美金解一题，反被AGI榜单除名！试错1024次不如10岁小孩哥4分钟OpenAI o3推理成本从3000美元飙至3万美元，暴增10倍。o3-high靠暴力试错生成4300万字解题，却被ARC-AGI「除名」。
来自主题: AI技术研报
7061 点击 2025-04-04 14:21
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
OpenAI o3推理成本从3000美元飙至3万美元，暴增10倍。o3-high靠暴力试错生成4300万字解题，却被ARC-AGI「除名」。
自2022年11月，美国硅谷初创公司OpenAI推出首款基于大语言模型的现象级聊天机器人ChatGPT以来，AI技术与我们的生活日益紧密。然而，大模型降世两年多，人们却吃惊地发现，自己最终的那个梦想，一个有强大AI为人类工作的社会，一个有更多的闲暇，上四休三甚至每周工作更短时间的世界，却仿佛更遥远了，我们变得更忙了，而且，这个事实居然在数据上得到了确认。
随着DeepSeek R1、OpenAI GTP-4o、Antropic Claude3.7、xAI Grok3纷至沓来，AI大模型已然变成巨头的游戏，“百模大战”也成为了过去式。到了2025年，让用户先把AI用起来，也已经成为了一众厂商的共识。
想象一下，耗费动画大师宫崎骏数十年心血、一帧一画精雕细琢的艺术风格——比如《起风了》中耗时一年多的四秒人群场景，或是《幽灵公主》里那个生物钻地镜头背后一年零七个月的 5300 帧手绘，如今，在GPT-4o手中，似乎变得“唾手可得”。
自己「打脸」自己？
PaperBench 是一个由 OpenAI 开发的基准测试，旨在评估 AI Agent 复现尖端 AI 研究的能 力。它专注于测试 AI 是否能理解研究论文、独立开发代码并执行实验以复现研究结果。
刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBench更考验综合能力，不再是只执行单一任务。
“艺术家与人工智能”的张力正在持续紧张。OpenAI虽然声称避免复制“个别在世艺术家的风格”，但它一直在践行并推动政策允许AI对版权内容的训练；而小部分能够承担高昂诉讼成本的艺术家，却也因为版权法灰色地带而面临不确定的局面，更不要说那些不知名的艺术家们了。
上周，OpenAI 正式支持 MCP 协议的消息，无疑成为 AI 基础设施演进的重要里程碑。短短几个月内，从 Anthropic 首次提出到微软、OpenAI 等巨头先后加入，这一标准正在以惊人的速度完成从提出、验证到主流采纳的跃迁。
OpenAI真的要开源了！奥特曼官宣，即将开源自GPT-2以来的首款推理模型，可在消费级硬件上运行。同时，OpenAI又拿到了最高400亿单轮融资，估值直冲3000亿。