رونمایی OpenAI از مدل استدلالی جدید o3-mini

01

از 02

استدلال دقیق‌تر و کارآمدتر

برخلاف اغلب مدل‌های زبانی بزرگ، مدل‌های استدلالی مانند o3-mini پیش از ارائه پاسخ‌ها، نتایج خود را با دقت بررسی می‌کنند. این ویژگی، آنها را از خطاهای رایج که باعث ایجاد مشکل در اغلب مدل‌ها می‌شود، مصون می‌کند.

البته، این فرایند باعث می‌شود که زمان بیشتری برای رسیدن به پاسخ صرف شود، اما در مقابل، این مدل‌ها در حوزه‌هایی مانند فیزیک عملکرد دقیق‌تری دارند، هرچند همچنان بی‌نقص نیستند.

مدل هوش مصنوعی استدلالی o3-mini برای حل مسائل STEM، به‌ویژه در حوزه‌های برنامه‌نویسی، ریاضیات و علوم، بهینه‌سازی شده است. شرکت OpenAI ادعا دارد که این مدل از نظر قابلیت‌ها، تقریباً هم‌سطح مدل‌های o1 و o1-mini است، اما با سرعت بیشتر و هزینه کمتر اجرا می‌شود.

به گفته این شرکت، در آزمایش‌های مستقل، پاسخ‌های ارائه‌شده توسط o3-mini در بیش از ۵۰ درصد موارد برتر از o1-mini ارزیابی شده است. همچنین این مدل در تست‌های A/B در مقایسه با o1-mini حدود ۳۹ درصد خطاهای کمتری در مواجهه با «سؤالات دشوار دنیای واقعی» داشته و پاسخ‌های خود را ۲۴ درصد سریع‌تر ارائه کرده است.

مدل o3-mini از روز جمعه، برای تمام کاربران از طریق ChatGPT در دسترس می‌باشد. با وجود این‌، کاربران دارای اشتراک‌های ChatGPT Plus و Team محدودیت استفاده بیشتری برابر با ۱۵۰ درخواست در روز خواهند داشت، در حالی‌ که مشترکان ChatGPT Pro به این مدل دسترسی نامحدود خواهند داشت.

همچنین شرکت OpenAI اعلام کرده است که مدل o3-mini طی یک هفته آینده در اختیار کاربران ChatGPT Enterprise و ChatGPT Edu نیز قرار خواهد گرفت، اما اشاره‌ای به ChatGPT Gov نکرده است.

کاربران دارای اشتراک ویژه ChatGPT می‌توانند از طریق منوی کشویی، مدل o3-mini را انتخاب کنند. کاربران رایگان نیز می‌توانند دکمه جدید “Reason” را در نوار چت انتخاب، یا از ChatGPT بخواهند پاسخ را «مجدد تولید» کند.

از روز جمعه، مدل هوش مصنوعی استدلالی o3-mini از طریق API نیز برای تعدادی از توسعه‌دهندگان در دسترس می‌باشد. البته این مدل در ابتدا از قابلیت تحلیل تصاویر پشتیبانی نخواهد کرد. توسعه‌دهندگان می‌توانند سطح «تلاش استدلالی» (کم، متوسط یا زیاد) را تنظیم کنند تا o3-mini بسته به نیازهای آنها، عمیق‌تر فکر کند.

قیمت مدل o3-mini برابر با ۰.۵۵ دلار به ازای هر یک میلیون توکن ورودی کش‌شده و ۴.۴۰ دلار به ازای هر یک میلیون توکن خروجی است، که تقریباً معادل ۷۵۰ هزار کلمه می‌باشد.

این قیمت ۶۳ درصد ارزان‌تر از o1-mini است و با مدل استدلالی R1 شرکت DeepSeek رقابت می‌کند. DeepSeek برای مدل R1 هزینه‌ای معادل ۰.۱۴ دلار برای یک میلیون توکن ورودی کش‌شده و ۲.۱۹ دلار برای یک میلیون توکن خروجی دریافت می‌کند.

مدل o3-mini در ChatGPT روی تلاش استدلالی متوسط تنظیم شده است، که به گفته OpenAI «تعادلی مناسب بین سرعت و دقت» را ارائه می‌دهد. کاربران پولی می‌توانند در انتخابگر مدل، گزینه «o3-mini-high» را انتخاب کنند، که OpenAI از آن به‌ عنوان «هوش بالاتر» یاد می‌کند، اما پاسخ‌ها را کندتر ارائه می‌دهد.

صرف‌نظر از نسخه انتخابی o3-mini در ChatGPT، این مدل از قابلیت جست‌وجو برای یافتن پاسخ‌های به‌روز با لینک به منابع معتبر وب بهره می‌برد. البته، OpenAI تأکید کرده است که این قابلیت در حال حاضر در مرحله آزمایشی قرار دارد.

در پست وبلاگی OpenAI آمده است:

«درحالی‌که مدل o1 همچنان مدل استدلالی جامع‌تر ما برای دانش عمومی است، اما مدل o3-mini یک گزینه تخصصی برای حوزه‌های فنی می‌باشد، که به دقت و سرعت بیشتری نیاز دارند. انتشار این مدل، گامی دیگر در راستای توسعه هوش مصنوعی مقرون‌به‌صرفه محسوب می‌شود.»

02

از 02

ملاحظات و چالش‌ها

مدل o3-mini تاکنون قدرتمندترین مدل OpenAI نیست و در همه شاخص‌ها از مدل استدلالی R1 شرکت DeepSeek برتری ندارد.

مدل استدلالی o3-mini در آزمون AIME 2024 که توانایی مدل‌ها را در درک و پاسخ‌گویی به دستورالعمل‌های پیچیده ارزیابی می‌کند، عملکرد بهتری نسبت به R1 دارد. همچنین در آزمون SWE-bench Verified که روی برنامه‌نویسی متمرکز است، تنها با ۰.۱ امتیاز اختلاف از R1 پیشی می‌گیرد. در حالی‌ که در تلاش استدلالی پایین، مدل o3-mini در آزمون GPQA Diamond که شامل سؤالات فیزیک، زیست‌شناسی و شیمی در سطح دکتری است، از R1 عقب می‌ماند.

با وجود این‌، شرکت OpenAI اعلام کرده است که o3-mini به‌ لطف رویکرد هم‌راستایی تأملی و آزمایش‌های امنیتی سخت‌گیرانه، از نظر ایمنی در سطح مدل‌های خانواده o1 یا حتی ایمن‌تر از آنها است. این مدل در آزمون‌های مرتبط با امنیت و شناسایی ضعف‌ها، عملکردی به‌مراتب بهتر از GPT-4o، یکی از مدل‌های پرچم‌دار OpenAI، داشته است.