OpenAI präsentiert revolutionäre KI-Modelle: O3 und O4 Mini

OpenAI hat zwei neue Modelle veröffentlicht, O3 und O4 Mini, die einen bedeutenden Fortschritt in der KI-Technologie darstellen. Das O3-Modell ersetzt das O1, während das O4 Mini das O3 Mini ersetzt. Diese Modelle werden als KI-Systeme mit erweiterten Fähigkeiten beschrieben, einschließlich starkem Bildverständnis, Websuche und Berichtserstellung. Die Veröffentlichung hat Begeisterung ausgelöst, da das Potenzial dieser Modelle, neuartige und nützliche Ideen zu produzieren, von Greg Brockman und Mark Chen von OpenAI hervorgehoben wurde.

Das O3-Modell zeigt eine bemerkenswerte Fähigkeit, Werkzeuge effektiv zu nutzen, was ein neues Merkmal im Vergleich zu früheren Modellen ist. Zum Beispiel hat es in einer einzigen Aufgabe erfolgreich etwa 600 Werkzeugaufrufe ausgeführt, was seine Problemlösungsfähigkeiten demonstriert. Diese Werkzeugnutzung verbessert die Denkfähigkeiten der Modelle und macht sie leistungsfähiger und effizienter bei der Bewältigung komplexer Aufgaben, ähnlich wie die Verwendung eines Taschenrechners für mathematische Probleme oder einer Karten-App für die Navigation.

Das O3-Modell führt multimodales Denken ein, das es ihm ermöglicht, Bilder mit Python zu verarbeiten und zu manipulieren. Diese Fähigkeit ermöglicht es den Nutzern, verschiedene Arten von Bildern hochzuladen, einschließlich komplizierter oder verzerrter Bilder, die das Modell geschickt handhaben kann. Die Fortschritte in diesem Bereich sind auf kontinuierliche Verbesserungen im Verstärkungslernparadigma von OpenAI zurückzuführen, das sowohl die Trainings- als auch die Testprozesse verbessert hat.

Die potenziellen Anwendungen des O3-Modells erstrecken sich auf die wissenschaftliche Forschung, wie durch seine jüngste Verwendung in der Festkörperphysik demonstriert wird. Ein neuer Artikel nutzte das O3 Mini High-Modell, um bei der Beweisführung eines ungelösten Theorems zu helfen, was die Fähigkeit des Modells zeigt, zu bedeutenden wissenschaftlichen Fortschritten beizutragen. Dies spiegelt die Vision von OpenAI wider, KI-Systeme in verschiedenen Bereichen zu integrieren, um Innovation und Entdeckung zu fördern.

Die Diskussion beginnt mit einem Fokus auf eine neue Größe, die mit dem Proton in Verbindung steht und als vektorielle Skalarladung bezeichnet wird, die über das Standardmodell der Teilchenphysik hinausgeht. Diese Größe ist entscheidend für das Verständnis der Stärke von kurzreichweitigen Wechselwirkungen. Der Sprecher verwendet ein Modell, das mit '03' gekennzeichnet ist, um die richtigen Größen zu erkunden und zu identifizieren, die benötigt werden, um eine spezifische Forschungsfrage zu adressieren, mit dem Ziel, die Ergebnisse mit der aktuellen Literatur zu vergleichen.

Das Modell '03' hat die Aufgabe, relevante aktuelle Erkenntnisse zu finden, um Schätzungen im Zusammenhang mit der Forschung des Sprechers zu aktualisieren. Der Sprecher reflektiert über die zeitaufwändige Natur dieser Aufgabe und merkt an, dass es mehrere Tage gedauert hätte, sich wieder mit ihrem Projekt vertraut zu machen und die Literatur zu durchforsten. Im Gegensatz dazu überprüft das Modell in nur wenigen Sekunden effizient mindestens zehn Arbeiten und zeigt damit erhebliche Zeitersparnis.

Das Modell fasst die Ergebnisse des Sprechers erfolgreich zusammen, schätzt einen unnormalisierten Wert und wendet eine spezifische Konstante zur Normalisierung an. Der Sprecher merkt an, dass die Schätzung des Modells eng mit seinen eigenen Ergebnissen übereinstimmt, die in seinem Papier bei etwa 1,2 lagen. Das Modell zeigt jedoch, dass die Präzision der Ergebnisse des Sprechers nicht so hoch ist wie der aktuelle Stand der Technik, was der Sprecher akzeptiert und den Kontext seines Praktikums anerkennt.

Das Gespräch wechselt zu Eric, der einen weiteren Aspekt der Fähigkeiten des Modells vorstellt. Er hebt die Fähigkeit des Modells hervor, Werkzeuge zu nutzen, die in CHIGBT verfügbar sind, nachdem er Gedächtnisfunktionen aktiviert hat, die es dem Modell ermöglichen, Informationen über den Benutzer zu speichern. Diese Fähigkeit betont die Intelligenz des Modells und sein Potenzial, in der Spitzenforschung in verschiedenen Bereichen zu unterstützen, die nicht auf Teilchenphysik beschränkt sind.

Der Sprecher diskutiert eine faszinierende Forschungsrichtung, bei der Wissenschaftler Geräusche von gesunden Korallenriffen aufnehmen und sie unter Wasser mit Lautsprechern abspielen. Diese innovative Methode hat sich als wirksam erwiesen, um die Ansiedlung neuer Korallen und Fische zu beschleunigen, was zur Regeneration von Korallenriffen beiträgt. Der Sprecher äußert Begeisterung über die Schnittstelle seiner Interessen am Tauchen und an Musik und hebt das Potenzial dieser Forschung für den Erhalt von Korallenriffen hervor.

Die Diskussion verschiebt sich auf die beeindruckende Leistung von KI-Modellen, insbesondere dem 03-Modell, das einen Score von 98,4 bei den AIME 2024 und 2025 Benchmarks erreicht hat. Der Mini mit Python erzielte 99,9, während der Mini mit Terminal 2719 beim Codeforces-Wettbewerb erreichte. Der Sprecher plant, die Programmierfähigkeiten dieser Modelle gegen Gemini 2.5 Pro und Claude 3.5 und 3.7 zu testen und betont die Fähigkeiten der Modelle im Programmieren sowie deren Skalierung von Trainings- und Testberechnungen.

Forscherin Ana und ein weiterer nicht namentlich genannter Forscher von OpenAI präsentieren Einblicke, wie die Modelle trainiert und bewertet werden. Sie zeigen Ergebnisse aus standardisierten Benchmarks in Mathematik, Programmierung und Wissenschaft, die einen signifikanten Leistungszuwachs der neuen Modelle im Vergleich zu den alten zeigen. Der Sprecher merkt an, dass trotz der Komplexität der zugrunde liegende Mechanismus die Vorhersage des nächsten Tokens bleibt, die verbessert wurde, um effektiver mit realen Daten zu interagieren.

Das Modell erreicht eine Genauigkeit von 99 % bei Programmieraufgaben und rangiert unter den besten 200 Teilnehmern weltweit mit einem Punktestand von über 2700 auf Codeforces. Darüber hinaus glänzt es im GPQA-Set und beantwortet über 83 % der schwierigen Fragen auf Doktoratsniveau, was seine fortgeschrittenen Fähigkeiten unter Beweis stellt.

In einer Demonstration geht das Modell ein Problem aus dem AM Math Contest an, indem es zunächst eine brute-force-Lösung mit einem Python-Interpreter generiert und die korrekte Antwort von 82 erzielt. Da es die Uneleganz dieser Methode erkennt, vereinfacht es seinen Ansatz und überprüft seine Antwort erneut, was seine Fähigkeit veranschaulicht, effektivere Problemlösungsstrategien organisch zu erlernen, ohne explizites Training.

Das Modell wird auch anhand praktischer Programmierbenchmarks bewertet und erzielt erstklassige Ergebnisse auf Plattformen wie SweetAnswer und Polydot. Ein konkretes Beispiel umfasst das Debuggen eines Python-Pakets namens Senpai, bei dem das Modell aufgefordert wird, einen Fehler zu identifizieren, während es Zugriff auf eine vorinstallierte virtuelle Maschine hat, die das Senpai-Repository enthält.

Während des Debugging-Prozesses überprüft das Modell zunächst das gemeldete Problem, indem es die Ausgabe des Codes überprüft und bestätigt, dass 'max of two x' falsch ausgegeben wird. Anschließend erkundet es die Codebasis mit gängigen Terminalwerkzeugen und durchsucht Dateien, um die Struktur des Repositories zu verstehen. Schließlich identifiziert es ein Problem mit der Klassenvererbung im Code und demonstriert damit seine Fähigkeit, komplexe Code-Strukturen zu navigieren und zu analysieren.

Das Modell führt erfolgreich eine Unit-Test-Engine aus, um seine Ausgabe zu überprüfen, und demonstriert seine Fähigkeit, Ergebnisse mit eckigen Klammern auszugeben. Diese spezielle Route war kürzer als gewöhnlich und umfasste 22 Interaktionen und 16.000 Tokens, während das Modell typischerweise über 100 Interaktionen verarbeitet, im Durchschnitt 37. Die Zuverlässigkeit der Ausführung solcher langen Rollouts wird als bedeutende Errungenschaft hervorgehoben.

Die Diskussion verschiebt sich auf die beeindruckenden Leistungskennzahlen des Modells bei standardisierten multimodalen Benchmarks, einschließlich MMU, Math Vista, Charive und Vstar. Die Anwendung von Denkparadigmen auf multimodale Aufgaben, die zuvor als unmöglich angesehen wurden, ist jetzt machbar, was die Fähigkeit des Modells verbessert, Bilder direkt in seinen Denkprozess zu manipulieren.

Das 03-Modell schneidet im Vergleich zu tiefen Forschungsmodellen günstig ab und erzielt ähnliche Ergebnisse bei deutlich schnellerer Leistung und niedrigeren Inferenzkosten. Das 04 Mini-Modell zeichnet sich durch seine überlegene Leistung im Vergleich zum 03 Mini-Modell aus, insbesondere für Benutzer, die ein kleines, schnelles multimodales Denkmodell benötigen. Die Ergebnisse zeigen, dass das 03-Modell hohe Leistung zu reduzierten Kosten bieten kann, was Pläne zur Ablösung der älteren 01-Modelle vorantreibt.

Der Sprecher betont, dass die neuen Modelle, obwohl sie nicht im gleichen Maße wie die vorherigen Versionen auf Benchmarks optimiert sind, für Anwendungen in der realen Welt entwickelt wurden und schnellere Reaktionszeiten bieten. Die Entwicklung erforderte über zehnmal die Rechenleistung im Vergleich zu den 01-Modellen, was den rigorosen Aufwand und die Innovation hinter den Verbesserungen zeigt. Die Leistungsverbesserungen sind offensichtlich, da die Rechenleistung steigt, was zu besseren Bewertungsergebnissen führt.

Das Gespräch endet mit der Einführung von 'Codecs', einer neuen Initiative, die darauf abzielt, Codierungsmodelle mit Desktop-Umgebungen zu integrieren und die Echtzeit-Code-Entwicklungsmöglichkeiten zu verbessern. Dazu gehört eine Funktion, die Webcam-Eingaben in ASCII-Zeichen umwandelt. Darüber hinaus wird ein Fonds in Höhe von 1 Million Dollar angekündigt, um Open-Source-Projekte zu unterstützen, die Codecs nutzen, was ein Engagement zur Förderung von Innovationen in der Codierungsgemeinschaft widerspiegelt.

Fouad und Michael vom Forschungsteam der Agenten stellen Codex CLI vor, eine leichte Schnittstelle, die darauf ausgelegt ist, Benutzer mit KI-Modellen zu verbinden. Sie reflektieren über die Entwicklung der KI-Coding-Fähigkeiten seit der ursprünglichen Codex-Demo und betonen die Bedeutung von Code für das Training von Modellen. Die Präsentation markiert den Beginn einer Reihe von Anwendungen, die darauf abzielen, die Zukunft des Programmierens zu gestalten.

Das Team demonstriert Codex CLI, indem es einen Bild-zu-Frage-Generator mit Codex und dem neuesten Modell, 04 Mini, neu implementiert. Sie zeigen die multimodalen Denkfähigkeiten des Modells, indem sie einen Screenshot in das Terminal ziehen, was Codex ermöglicht, das Bild zu analysieren und Aktionen vorzuschlagen. Dies hebt die Fähigkeit des Modells hervor, effektiv mit verschiedenen Dateitypen und Codebasen zu interagieren.

Fouad erklärt die Betriebsmodi von Codex, insbesondere den 'Vorschlagsmodus', in dem das Modell Befehle zur Genehmigung durch den Benutzer vorschlägt, und den 'Vollautomatikmodus', der es dem Modell ermöglicht, Aufgaben autonom auszuführen, während es Sicherheitsprotokolle einhält. Im Vollautomatikmodus arbeitet Codex mit Netzwerkbeschränkungen und eingeschränktem Verzeichniszugriff, um die Sicherheit des Benutzers bei der Ausführung von Aufgaben zu gewährleisten.

Die Diskussion hebt den Abschluss der ASI-HTML-Datei mit Codex hervor und zeigt dessen benutzerfreundliche Funktionen, einschließlich eines Breitenreglers. Der Sprecher äußert seine Begeisterung über die vollständige Verfügbarkeit von Codex, das zur eigenen Erstellung verwendet wurde. OpenAI hat außerdem die Open-Source-Veröffentlichung des gesamten Codex-Codes auf GitHub im Repository OpenAI/Codex angekündigt und ermutigt die Nutzer, das Tool zu erkunden und zu nutzen.

OpenAI startet eine Open-Source-Initiative im Wert von 1 Million US-Dollar, die darauf abzielt, Projekte zu unterstützen, die ihre neuesten Modelle über API-Guthaben nutzen. Diese Initiative soll die Entwicklung von Open-Source-Projekten mit Codex CLI beschleunigen, weitere Details werden in einem Forschungsblogbeitrag bereitgestellt.

Ab heute werden die Abonnenten des Pro Plus-Teams Zugang zu den neuen Modellen 03, 04 mini und 04 mini high erhalten, die Verbesserungen gegenüber den vorherigen Generationen darstellen. Der Übergang wird die ältere 01 und 03 mini-Serie ersetzen. Unternehmens- und Bildungskunden müssen eine zusätzliche Woche auf den Zugang warten. Der Sprecher versichert, dass das 03 Pro-Modell für aktuelle 01 Pro-Nutzer eingeführt wird und betont den umfangreichen Aufwand, der betrieben wurde, um diese Modelle verfügbar zu machen.

Der Sprecher reflektiert über die bedeutende Arbeit, die mit der Entwicklung dieser neuen Modelle verbunden ist, und betrachtet sie als einen entscheidenden Schritt zur Erreichung von Künstlicher Allgemeiner Intelligenz (AGI) zum Wohle der Menschheit. Sie äußern Optimismus über die Anwendungen der Modelle in wissenschaftlichen Bereichen und im Alltag und ermutigen die Nutzer, ihre Fähigkeiten zu erkunden.