В рамках акции Shipmas компания OpenAI анонсировала большие языковые модели нового поколения — o3 и o3-mini, являющихся преемниками o1 и o1-mini. По заявлению разработчиков, обе ИИ-модели обладают способностью к рассуждению, что позволяет им разбивать сложные задачи на этапы, объясняя ход своих решений. o3-mini была разработана для кодирования и более высокой производительности. Она располагает тремя настройками вычислений: низкие, средние и высокие.
OpenAI отмечает, что обучение нейросетей еще не завершено и их возможности могут стать даже выше заявленных. Но компания уже принимает заявки исследовательского сообщества на тестирование этих моделей перед их публичным выпуском.
В сравнении со своим предшественником модель o3 показала на 22,8% улучшенные результаты в тестах по кодированию SWE-Bench Verified, сдала экзамен AIME 2024 на 96,7%, пропустив только один вопрос, и получила 87,7% в тесте GPQA Diamond, который охватывает научные проблемы экспертного уровня. В самых сложных математических и логических тестах, которые обычно ставят в тупик любые другие ИИ, o3 решила 25,2% задач — результаты других моделей не превышают и 2%.
В тесте ARC-AGI, который был специально создан для сравнения возможностей искусственного интеллекта с интеллектом человека, модель o3 более чем в три раза превзошла возможности o1, продемонстрировав результат в 88%.
Высокие показатели в тестах стали возможны благодаря тому, что модели могут «рассуждать» и эффективно проверять свои же ответы, чтобы избегать различного рода ошибок и галлюцинаций. Но процесс проверки фактов перед выдачей ответа приводит к небольшой задержке — от нескольких секунд до нескольких минут (зависит от сложности вопроса). Кроме того, задержка связана с тем, что модель определяет, соответствует ли запрос пользователя политике безопасности OpenAI.
Первая версия модели OpenAI o3 будет выпущена в конце января 2025 года. О доступности o3-mini информации пока нет.
The post OpenAI представила ИИ-модели o3 и o3-mini, обладающие «способностью рассуждать» appeared first on InfoCity.
