OpenAI在反扑中反思，与DeepSeek争夺性价比无尽前沿

未尽研究 2025-02-02 07:22

OpenAI全力反扑了，也在开源这件事上开始反思了。

在1月最后一天，OpenAI发布了免费版的o3 mini，技术报告显示它的低配版超过了o1 mini，中高配版本的各项基准测试，基本上都超过了o1。

OpenAI踩着它在去年底定下的Deadline如期发布，并没有完全反映出已经改变了的AI竞争游戏规则。o3 mini的价格相比o1 mini下降了63%，比o1下降了93%，但总体性价比仍然没有超过DeepSeek R1。

AI的竞争，已经不完全是性能的竞争，尤其是在性能领先收窄时，真正的竞争是成本-智能前沿边界之争，即关于性价比平价的竞争。从这一点上来说，以DeepSeek为代表的中国开源模型，再如阿里巴巴刚刚发布的Qwen 2.5 Max，目前显得积极主动，它们鼓励自己被用于广泛蒸馏，迅速扩大生态。

可能已经意识到了这一点，OpenAI CEO奥特曼承认：在开放模型权重这一问题上，我们站在了历史错误的一边。

这次o3 mini推出了3个版本，low、medium和high。其中用于快速高级推理的low和擅长编程和逻辑的high版本已经上线，所有ChatGPT用户都可使用，付费的plus用户使用次数扩大至原先的三倍至每天150次。

o3-mini的性能得到显著提升。我们先"照本宣科"一下它的基准测试分数：

数学竞赛（AIME 2024）

数学：在低推理强度下，OpenAI o3-mini 的表现与 OpenAI o1-mini 相当；在中等推理强度下，o3-mini 的表现与 OpenAI o1 相当。而在高推理强度下，o3-mini 的表现优于 OpenAI o1-mini 和 OpenAI o1。灰色阴影区域表示基于 64 个样本的多数投票（共识）性能。（来源：OpenAI)

博士级科学问题（GPQA Diamond)

博士级科学：在博士级生物、化学和物理问题上，OpenAI o3-mini 在低推理强度下的表现优于 OpenAI o1-mini。在高推理强度下，o3-mini 的表现与 OpenAI o1 相当。(来源：OpenAI )

数学学霸级的FrontierMath问题

研究级数学：在 FrontierMath 测试中，OpenAI o3-mini 在高推理强度下的表现优于其前代模型。当被提示使用 Python 工具时，o3-mini 在高推理强度下能在首次尝试中解答超过 32% 的问题，其中包括超过 28% 的高难度（T3）问题。这些数据为初步结果，上方图表展示的是未使用工具或计算器的表现。

编码竞赛（Codeforces)

竞赛编程：在 Codeforces 竞赛编程测试中，OpenAI o3-mini 随着推理强度的增加，其 Elo 评分逐步提升，并在所有推理强度下均优于 OpenAI o1-mini。在中等推理强度下，o3-mini 的表现与 OpenAI o1 相当。(来源：OpenAI )

软件工程（SWE Verified)

软件工程：在 SWEbench-verified 测试中，o3-mini 是我们迄今发布的表现最优模型。关于 SWEbench-verified 在高推理强度下的更多数据点，包括使用开源的 Agentless scaffold（39%）和内部工具 scaffold（61%）的结果。（来源：OpenAI)

o1 mini与 o3 mini之间的时延对比

延迟：o3-mini 的首个 token 生成时间比 o1-mini 平均快 2500 毫秒。（来源：OpenAI )

OpenAI称，o3-mini 的发布，标志着 OpenAI 在推动“高性价比智能边界”上的又一重要进展。“自 GPT-4 推出以来，每 token 价格已降低 95%——同时依然保持顶级推理能力。随着人工智能应用的加速普及，我们将继续站在前沿，打造兼具智能、效率与安全性的大规模 AI 模型。”

OpenAI的强化学习科学家Noam Brown认为，o3 mini移动了推理模型的价格曲线。但许多分析人士认为，这还不足以匹配 DeepSeek R1/v3 的价格曲线，它比o1降价25倍之多。

DeepSeek已经把AI的竞争带入了性价比之战，而不再是由几家闭源大模型凭借先发及资源优势，掌握着定价权。

早在2023年初，开源模型Llama的发布，曾经引起一阵“羊驼家族”小模型的热潮，这些从Llama中蒸馏出来的小模型，在一些性能上不输于基础大模型，而且能精简到装入PC和手机。当时谷歌内部已经有人发出警告，我们没有护城河，OpenAI也没有。

2024年5月，当DeepSeek V2发起一场价格战时，硅谷一些人已经敏锐地感到一股“来自东方的神秘力量”开始出现，但并没有引起太多的关注。直到DeepSeek在一个月内接连发布V3 和R1，才以美国AI巨头暴跌万亿美元的惨剧，宣告美国前沿闭源大模型对AI定价权的崩溃，进入了中美两极竞争的时代。

硅谷AI创业者和投资人Shawn Wang，根据技术报告估算了o1-o3系列的成本-性能边界曲线。从这张图可以看出，DeepSeek总体上仍处于更前沿的成本-智能边界，目前的未知数是刚发布的Gemini 2.0 Flash Thinking，它还没有公布服务的价格。

（来源：latent.space )

当下有实力在成本-智能的前沿边界上竞争的，是OpenAI，Gemini，DeepSeek三家，如果中国再加上一家的话，应该是阿里的Qwen。至于说到Claude，它有可能在这场竞争中沦为二流，难怪其创始人阿莫迪发表了一篇万字长文，力主美国对中国加强GPU禁运，因为一旦在十万到百万级GPU基础上的生态竞争，目前价格最贵的Claude将难以招架。

奥特曼在Reddit上已经承认，即使OpenAI继续开发出更好的模型，但已经不会如以前几年那样领先了。他将考虑OpenAI的开源，如把一些旧的模型开放，但这目前并不是OpenAI的优先事项。OpenAI正在全力以3000亿美元的估值融资400亿美元，同时在推进5000亿美元的星际之门数据中心基础设施计划。

而DeepSeek正在激活中国从芯片到应用的AI生态，硅基流动和华为云联合首发并上线基于华为云昇腾云服务的DeepSeekR1/V3推理服务。中国相对于美国较薄弱的基础模型、芯片和数据中心，正在形成合力。

既然OpenAI出手了，Grok-3 和Gemini Pro还坐得住吗？下周可能更精彩。DeepSeek V3炸裂了他们的圣诞新年和12连发，他们也要一窝蜂地炸裂我们的春节，直到十五。（转载自：未尽研究）

扫码下载app 最新资讯实时掌握

DeepSeek OpenAI

上一篇新加坡称美国公司应遵守DeepSeek芯片出口管制

下一篇比 DeepSeek 更猛的，是 DeepSeek 的创始人