北京時間2月1日凌晨，為應(yīng)對DeepSeek-R1所帶來的競爭，OpenAI正式發(fā)布了o3-mini模型，這也是OpenAI推理系列中最新、最具成本效益的模型，并且已在ChatGPT和API中開放使用。

據(jù)悉，該模型在數(shù)學代碼等基準測試中刷新SOTA，相關(guān)測試中o3-mini（high）在準確率和校準誤差（Calibration Error）均是最優(yōu)。

△o3-mini與o1在AIME競賽數(shù)學的得分對比

據(jù)介紹，o3-mini的價格比OpenAI o1-mini便宜63%，比滿血版o1便宜93%。開發(fā)者可根據(jù)需求選擇高、中、低三種推理強度，讓o3-mini在處理復(fù)雜問題時進行深度思考，平衡速度和準確性。

具體來說，目前ChatGPT免費用戶首次可以體驗一個有限速率的o3-mini版本，速率限制與現(xiàn)有的 GPT-4o 限制類似；Plus用戶可選擇o3-mini-high更高智能版本；每月支付200美元的 Pro 用戶可無限使用o3-mini和o3-mini-high。

API層面，o3-mini輸入1.10美元/百萬token、輸出4.40美元/百萬token，價格比o1-mini便宜63%，比滿血版o1便宜93%，但仍是GPT-4o mini的7倍左右。

OpenAI表示，o3-mini的發(fā)布是在追求高效能智能技術(shù)道路上的又一重要里程碑。通過優(yōu)化科學（Science）、技術(shù)（Technology）、工程（Engineering）和數(shù)學（Mathematics）領(lǐng)域的推理能力，同時保持較低的成本，讓高質(zhì)量AI技術(shù)變得更加平易近人。

OpenAI聯(lián)合創(chuàng)始人、首席執(zhí)行官山姆·奧爾特曼在o3-mini發(fā)布后的在線問答中透露：“在未來幾周，滿血版o3即將上線?！?/p>

談及對于DeepSeek的看法，奧爾特曼表示：“它（DeepSeek）確實是一個非常好的模型，OpenAI會開發(fā)出更好的模型，但我們不會像往年那樣保持那么大的領(lǐng)先優(yōu)勢了?！?/strong>

奧爾特曼還罕見地承認了自己的錯誤，并表示OpenAI正在討論一個新的開源策略。

“我個人認為，在這個問題上我們站錯了隊，需要想出一個不同的開源策略；不是OpenAI的每個人都持有這種觀點，而且這也不是我們目前的最高優(yōu)先級?！?/strong>

值得一提的是，圖靈獎得主、主導(dǎo)Meta AI研究的首席科學家Yann LeCun日前就曾指出，DeepSeek 成功的最大收獲，是AI開源的價值使任何人都能受益。

“對那些看到DeepSeek表現(xiàn)并認為‘中國在AI領(lǐng)域正超越美國’的人而言，你的解讀錯了，正確解讀應(yīng)是‘開源模型正超越專有模型’。DeepSeek 從開放研究和開源獲益良多（如同PyTorch和Llama），他們提出新想法，并從其他人的工作基礎(chǔ)加以建構(gòu)。他們發(fā)布新的模型并開源，所以每個人都能從中受益，這就是開放研究和開源的力量?！盰ann LeCun說道。

近期，中國AI技術(shù)廠商DeepSeek推出的V3和 R1 兩款開源 AI 模型都顛覆了業(yè)界對于“AI算力需求”的看法。

特別是DeepSeek推出的推理大模型DeepSeek-R1，其不僅性能比肩OpenAI o1 ，并且其所需的訓練成本可能只有后者的約1/20（僅用了2048 個 H800 GPU，花了兩個月的時間訓練完成，僅花費了約558萬美元），API的定價更是只有后者的約1/28，相當于使用成本降低了約97%。

也就是說，DeepSeek采用并不先進的AI芯片，以更低的算力要求和更低的成本，達到了OpenAI等美國AI技術(shù)廠商的頂級AI大模型的效果。

這一成就被認為對美國的人工智能領(lǐng)導(dǎo)地位構(gòu)成威脅，不僅引發(fā)了OpenAI、Meta、谷歌等眾多大模型廠商恐慌，還引發(fā)了英偉達等AI芯片企業(yè)的價值重估和股價大跌。

然而，據(jù)SemiAnalysis，與外界認為DeepSeek公司擁有5萬張H100 GPU計算卡看法不同，該機構(gòu)認為，DeepSeek囤積了6萬張英偉達GPU卡，其中包括1萬張A100、1萬張H100、1萬張“特供版”H800、3萬張“特供版”H20，算力資本支出的總體擁有成本（TCO）超過140億元，達19.96億美元（約合人民幣143.45億元）。

DeepSeek 的總服務(wù)器資本支出約為 16.29 億美元，運營此類集群的成本高達 9.44 億美元，因此總體的成本可能高達 25.73 億美元。

但是，DeepSeek并未進行過大規(guī)模融資，其母公司幻方似乎也不太可能會進行如此大規(guī)模的硬件支出。

DeepSeek官方公布的數(shù)據(jù)來看，其DeepSeek-V3的訓練僅用了約2080張英偉達H800加速卡，這部分的芯片投資大約為4000萬美元左右。

而且，DeepSeek訓練其AI模型也并不一定非要擁有龐大的自有的硬件基礎(chǔ)設(shè)施，其完全可以通過租用第三方的硬件基礎(chǔ)設(shè)施來對自己的大模型進行訓練。

不過，如果SemiAnalysis對于DeepSeek囤積了6萬張英偉達GPU加速卡的分析是正確的話，那么這也意味著DeepSeek現(xiàn)有的AI算力硬件，足以支撐其沿著目前的技術(shù)路徑在未來持續(xù)研發(fā)出多代性能更為強大的AI大模型。