一项新研究表明，OpenAI 的 o1-preview 人工智能系统在诊断复杂医疗案例方面，可能优于人类医生。哈佛医学院和斯坦福大学的研究团队对 o1-preview 进行了全面的医疗诊断测试，结果显示该系统相比于早期版本有了显著进步。

得益于多模态能力的提升，AI模型最新K12学科测验综合得分相较于半年前提升了12.86%，但是仍与北京海淀学生平均水平存在差距。不过，AI模型普遍存在“文强理弱”的偏科情况，在英语和历史文科试题的表现上，已有AI模型超越了人类考生的平均分。

在AIME 2024数学竞赛评测中，o3取得了96.7%的准确率，性能直接飙升13.4%；在博士级科学问答基准GPQA Diamond上，o3准确率为87.7%，相较于上一代o1提升9.7%。

国泰君安研报表示，OpenAI 12 days发布会最后四天发布了o1 ...

包含72块GB300的“新一代计算单元 ”GB300 NVL72 ，更是被评价为“能让OpenAI o1/o3推理大模型的思维链长度，在高batch size下达到10万tokens的唯一方案”。

12月25日，阿里云通义千问发布业界首个开源多模态推理模型QVQ-72B-Preview。QVQ展现出超预期的视觉理解和推理能力，在解决数学、物理、科学等领域的复杂推理问题上表现尤为突出。多项评测数据显示，QVQ超越了此前的视觉理解模型「开源王者」Q ...

IT之家 12 月 25 日消息，由哈佛医学院和斯坦福大学组成的科研团队，在医学诊断领域深入评估 OpenAI 的 o1-preview 模型， 发现其比人类医生更擅长诊断棘手的医疗案例。 根据研究报告，o1-preview 正确诊断了 78.3% ...

圣诞节前，人工智能巨头上演了一场精彩的推理模型攻防战。谷歌和OpenAI正面对垒，谷歌刚发布自家的先进推理模型挑战OpenAI的o1，第二天，OpenAI就推出了升级版的最强推理模型o3。

新的Thinking模型是以刚发布的2.0 Flash版本为基础，使用了类似o1模型的慢思维思考方式，可以深度可视化展示整个思维链过程，尤其是在执行数学、编程等复杂问题方面，能持续输出全部推理过程，而不是直接给出答案。

OpenAI 于上周五发布了一个 新的人工智能推理模型系列 o3，该初创公司声称它比 o1 或其发布的任何其他产品都更加先进。 这些改进似乎来自于测试时间计算的扩展，但 OpenAI 还表示，它使用了一种新的安全范式来训练其 o 系列模型。上周五，OpenAI 发布了关于"慎重对齐"的最新研究，概述了该公司确保人工智能推理模型与人类开发者价值观保持一致的最新方法。 这家初创公司使用这种方法让 o1 ...