量子位
·
o3-pro答高难题文字游戏引围观，OpenAI前员工讽刺苹果：这都不叫推理那什么叫推理
💡
原文中文，约3300字，阅读约需8分钟。
📝
内容提要
OpenAI最新的推理模型o3-pro受到关注，但测试显示其推理能力有限，常常只对部分字母正确。前员工Miles Brundage批评苹果的推理研究为模式匹配。o3-pro在短上下文中表现良好，但在长上下文处理上不如Gemini 2.5 Pro。用户Ben Hylak认为，o3-pro需要更多背景信息以发挥最佳能力，并在工具使用和环境理解上有所提升。
🎯
关键要点
- OpenAI最新推理模型o3-pro的推理能力受到关注，但测试显示其能力有限。
- o3-pro在短上下文中表现良好，但在长上下文处理上不如Gemini 2.5 Pro。
- 前员工Miles Brundage批评苹果的推理研究为模式匹配，认为这不是真正的推理。
- o3-pro在编码方面超越了o3和o1-pro，但在智能体编码得分上落后于o3。
- 用户Ben Hylak认为o3-pro需要更多背景信息以发挥最佳能力，并在工具使用和环境理解上有所提升。
- Ben Hylak分享了使用o3-pro的经验，强调模型能力的发挥依赖于背景信息。
- o3-pro在识别环境和工具调用方面表现优于o3，能够更好地理解其所处环境。
- Ben Hylak指出，o3-pro在分析和工具使用方面表现出色，但在直接动手做事上不如预期。
- 推理模型的Prompt技巧核心逻辑不变，语境和系统提示对模型的表现影响巨大。
➡️
