摘要：不过，直播发布会通篇看下来，我感觉最值得关注的地方应该是——o3 的图像推理能力。

今天凌晨，OpenAI 丢出两个新模型：o3、o4mini。

相比于之前的 o1/o3mini，新模型的整体能力有了不小的进步。

不过，直播发布会通篇看下来，我感觉最值得关注的地方应该是——o3 的图像推理能力。

严格来讲，o3 可以说是首个真正意义上的“图像推理大模型”。

o3 不仅能通过文字进行复杂推理，还能直接从图像中获取信息并进行深度思考。

与以往的 AI 模型不同，o3 可以像侦探一样"看图破案"——

它能分析照片中的细节，推理出背后的逻辑关系，甚至解决需要多步骤视觉分析的复杂问题。

无论是手写数学题、医学影像，还是生产线质检，o3都能胜任。

这是 OpenAI 官方 po 出的数据，o3 在视觉推理基准测试中表现惊人：

✅ MMMU（多模态多学科理解）：82.9%

✅ MathVista（数学视觉推理）：86.8%

o3是如何"思考"图片的？

据 OpenAI 官方研究显示，o3 的图像推理能力主要体现在以下几个方面：

适合 o3 发挥“火眼金睛”能力的 10 大场景

1. 教育：智能辅导

学生只需拍下自己的手写笔记或习题，o3 就能识别出公式、图表，并一步步推导出解题思路。

2. 医疗：辅助诊断

医生上传患者的 X 光片、CT 扫描、病理切片图像，o3 能够识别异常特征，结合患者病史进行多维度分析，提供初步诊断建议。

3. 制造业：智能质检

在生产线上，o3 可分析产品图像，检测表面缺陷、尺寸偏差或组装错误。

4. 零售：智能库存管理

零售商只需用手机拍摄货架照片，o3 便能识别商品种类、数量和摆放情况，推理出库存状态并提供补货建议。

5. 交通：智能分析

利用 o3 分析交通摄像头捕捉的道路图像，识别交通拥堵模式，预测潜在事故风险，并优化信号灯控制。

6. 农业：精准监控

农民通过无人机或手机拍摄田间作物照片，让 o3 分析叶片颜色、形态和生长状况，识别病虫害迹象，并提供针对性的处理建议。

7. 建筑：施工监督+安全管理

定期拍摄施工现场照片，o3 可分析施工进度、材料使用情况和潜在安全隐患。

8. 金融：欺诈检测

银行和保险公司利用 o3 分析交易相关的图像证据，如收据、合同或事故照片，检测潜在的欺诈行为。

9. 法律：证据分析

律师和调查人员利用 o3 分析案件相关图像证据，如犯罪现场照片、监控录像或文件照片。

10. 创意设计：智能设计辅助

设计师上传产品原型或空间布局草图，o3 能分析设计的美学和功能性，提出改进建议。

目前，o3 模型已向 ChatGPT Plus、Pro 和 Team 用户开放。

普通账号可以通过“Think”功能试用能力稍有不同的 o4-mini 模型（o4-mini 同样具备图像处理能力，更侧重效率和成本）。

从理解文本到“看懂”世界，OpenAI o3 将正式推开 AI “视觉推理”的大门。

虽然“看图破案”的比喻略带夸张，但 o3 所展现的图像理解与推理能力，确实让我们离那个“AI之眼”洞察万物的未来，又近了一大步。

来源：运营黑客