OpenAI 預告新一代推理模型 o3／o3-mini：AIME 拿下96.7%高分

OpenAI 在為期12天的「12 Days of OpenAI」系列活動壓軸（第12天），正式預告下一代推理模型 o3 與其精簡版 o3-mini。值得注意的是，命名直接從 o1 跳到 o3，官方說明是為了避免與英國電信品牌 O2 的商標產生衝突。

根據 OpenAI 公布的基準測試數據，o3 在2024年美國數學邀請賽（AIME）拿下96.7%的高分成績；在研究生等級的科學題目測驗 GPQA Diamond 上達到87.7%；在程式設計基準 SWE-Bench Verified 上，比前代 o1 高出22.8個百分點。這些數字若屬實，代表 o3 在數學推理、科學知識與實際寫程式能力上，都較前代有明顯躍進。

不過需要注意，這次是「預告」而非正式公開上線。OpenAI 目前只開放安全與資安研究人員申請早期存取，用來在正式發布前進行紅隊測試與風險評估。至於精簡版 o3-mini，官方表示要到2025年初才會正式對外釋出，供一般開發者與消費者使用。

為何刻意跳過「o2」這個命名

模型命名看似小事，但反映出 AI 巨頭在全球商標與品牌布局上的謹慎。O2 是英國知名電信業者的註冊商標，OpenAI 選擇直接跳號避免法律糾紛，也顯示大型科技公司在快速迭代產品時，仍必須兼顧智慧財產權的合規成本。

基準分數的意義與侷限

AIME、GPQA Diamond、SWE-Bench Verified 都是業界慣用的推理能力指標，分別對應數學競賽題、研究生科學知識、真實世界程式碼修復任務。o3 在三項測試的表現若成立，代表其「思考鏈」式推理能力持續進化，尤其 SWE-Bench 22.8個百分點的躍進，意味著 AI 在理解複雜程式庫、定位錯誤根因的能力上更接近資深工程師水準。但基準測試終究是官方自行公布的數字，缺乏第三方獨立驗證，實際表現仍待正式開放後由社群檢驗。

為何選擇「預告不公開」的節奏

相較於過去新模型多半直接開放付費使用，o3 這次先只讓安全研究人員申請存取，反映業界對「能力愈強、風險評估愈需要時間」的共識。這也呼應近年 AI 圈對高階推理模型可能被濫用（例如生成攻擊性程式碼、規避安全機制）的持續討論，OpenAI 選擇用先封閉測試、後分階段開放的方式因應。

對管理者的意義

o3-mini 要到2025年初才會正式釋出，意味著現階段管理者不必急著調整技術選型，但可以開始關注：一旦具備研究生級科學推理與更強程式除錯能力的模型進入市場，哪些內部流程（例如品保報告分析、技術文件審閱）有機會率先受益，提前規劃導入評估的時程與預算，才不會在正式開放時措手不及。