上周，OpenAI在直播中发布了 o 系列新模型：o4-mini 和 o3。
OpenAI表示，o3是他们目前最强大的推理模型，在分析图像、图表和图形等视觉任务中表现尤为出色。而 o4-mini 则是一个较小的模型，专注于快速且经济高效的推理，特别在数学、编码和视觉任务中实现了优异的性能。
接下来，我们将在 302.AI 平台上分别对 o4-mini 和 o3 进行实测对比，以评估这两大新模型的性能表现。
模型实测
一、o4-mini实测
（对比模型：DeepSeek R1、o1-mini）
1、简单推理
提示词：
分析下列序列的规律，并填写后续三个元素： 3, 5, 6, 10, 9, 17, 12, 26, 15, ___, ___, ___
题目分析：序列中的规律是交替进行，正确答案为：37, 18, 50。
o4-mini：解析过程较为简洁，答案正确。
o1-mini：奇偶列规律分析正确，但是数字所在位数数错了，导致最后答案是错误的。
DeepSeek R1：分析规律正确，答案正确。
2、模型幻觉测试
提示词：“独在异乡为异客”的前一句是什么？
题目分析：“独在异乡为异客”就是古诗《九月九日忆山东兄弟》的第一句，没有前一句。
o4-mini：答案正确。
o1-mini：答案错误，存在明显的幻觉。
DeepSeek R1：回答正确。
3、编程测试
提示词：请生成一个跑酷游戏，界面必须包含游戏操作说明，开始游戏按钮
o4-mini：游戏界面比较简洁，跳跃正常，观察到右上角的分数随着开始时间一直在增加，不过部分障碍物设置太高，多次尝试仍然是无法越过，这不太合理。
o1-mini：根据操作说明按下空格键可跳跃，但实操发现空格键并未响应，存在明显逻辑问题。
DeepSeek R1：按照操作说明可进行跳跃，但是发现障碍物设置并不合理，完全未起到阻碍的作用，游戏存在明显问题。
其他模型效果：
来看下 o3 的效果，整体还不错。完整度较高，障碍设置合理，分数是根据成功跳过障碍物实时增加的。
二、o3实测
对比模型：Gemini 2.5 pro、Doubao-1.5-Thinking-Pro-Vision
1、地点识别
提示词：图片是在哪拍摄的？
题目解析：对于地标建筑不是特别明显的图片，模型要正确识别难度还是比较大的，图片正确的位置为：位于广州市白云区的麓湖公园。
o3：答案错误。
Gemini 2.5 pro：答案错误。
Doubao-1.5-Thinking-Pro-Vision：回答正确。
2、图片推理
提示词：杯子有多高？
题目分析：根据图片可知存在两个未知数：一个是杯子的高度（题目所问），另一个是杯子叠加的高度。通过设定未知数可以列出方程，根据两个等式求解，以得出杯子的高度。正确答案为 14 厘米。
o3：回答正确。
Gemini 2.5 pro：回答正确。
Doubao-1.5-Thinking-Pro-Vision：回答正确。
3、图片找不同
提示词：图片中共有6处不同，请指出具体在哪里
（右侧为答案）
o3：未能准确找出不同之处，描述不对。
（红色圈出的部分是错误的）
Gemini 2.5 pro：正确指出了三处不同。
（红色圈出的部分是完全错误的）
Doubao-1.5-Thinking-Pro-Vision：正确指出了五处不同。
（红色圈出的部分是完全错误的）
实测总结
1、实测结果整理：
| o4-mini & DeepSeek R1 & o1-mini | |||
| 简单推理 | 模型幻觉 | 编程测试 | |
| o4-mini | 正确 | 正确 | 部分障碍物设置过高 |
| o1-min | 错误 | 错误 | 存在逻辑问题 |
| DeepSeek R1 | 正确 | 正确 | 障碍物设置过于简单 |
| o3 & Gemini 2.5 pro & Doubao-1.5-Thinking-Pro-Vision | |||
| 地点识别 | 图片推理 | 图片找不同 | |
| o3 | 错误 | 正确 | 未能准确找出 |
| Gemini 2.5 pro | 错误 | 正确 | 正确找出3处，有3处错误 |
| Doubao-1.5-Thinking-Pro-Vision | 正确 | 正确 | 正确找出5处，有1处错误 |
2、实测总结：
通过以上实测，可初步得出以下结论：
o4-mini & DeepSeek R1 & o1-mini
（1）o4-mini 较于 o1-mini 有明显的能力提升：在简单推理与模型幻觉测试中，o4-mini 和 DeepSeek R1 在简单推理和模型幻觉测试中均表现出色，o1-mini 则是表现较差。
（2）轻量级模型在编程能力上还有待提升：三个对比模型在编程任务中均存在不足，o4-mini 在障碍物设置方面存在不合理之处，如障碍物过高以至于无法越过，o1-mini存在明显的逻辑问题，而DeepSeek R1则因障碍物设置过于简单而未能有效发挥作用。
o3 & Gemini 2.5 pro & Doubao-1.5-Thinking-Pro-Vision
（1）o3 模型地点识别任务未达到网络预期水平：地点识别任务中处理随手拍摄且缺乏显著地标的图片时，仅Doubao-1.5模型能够提供准确答案。
（2）各模型在常规图片推理方面具备一定能力，但在复杂视觉任务中仍有较大提升空间：在简单图片推理任务中，各模型均能给出正确答案，但在难度较高的找不同测试中，所有模型均未能准确指出所有不同之处。。
如何在302.AI中使用
302.AI的聊天机器人和API超市提供了按需付费无订阅的服务方式，企业和个人用户可按需灵活选用。
1、使用模型对话
使用路径：依次点击使用机器人→聊天机器人→ 选择模型 →创建聊天机器人；
o3/o4-mini：
2、使用模型API
企业用户可以通过302.AI的API超市快速、便捷地调用模型，还能够根据特定项目需求进行定制化开发。
相关文档：使用API→API超市→语言大模型→OpenAI→查看文档；
API名称：
o4-mini：o4-mini
o3：o3
