Reasoning in High Gear 推理加速发展

关键信息：OpenAI推出GPT - 3 - mini，它是GPT - 1模型后续版本，在速度、成本及特定领域能力上有显著优势。

模型特性

• 推理强度可选：提供低、中、高三个推理 “强度” 级别，不同级别消耗不同数量推理令牌，对应不同时间与成本来生成思维链。

• 训练与微调：训练集着重科学技术领域结构化问题解决，微调采用基于思维链数据的强化学习。

• 令牌处理：类似GPT - 1系列，对推理操作处理的令牌收费且对用户隐藏，这点与部分竞争模型不同。

• 输入输出限制：最大输入200,000个令牌，最大输出100,000个令牌，知识截止到2023年10月。

性能表现

• 优势领域：在数学（如2024年AIME）、科学（GPQA Diamond）和编程（Codeforces和LiveBench）等多个基准测试中优于GPT - 1和GPT - 1 - mini。高强度或中等强度时比GPT - 1表现好，低强度时比GPT - 1 - mini好。

• 薄弱领域：常识测试表现欠佳，如在MMLU和SimpleQA测试中，即便设置高强度，成绩也不如GPT - 1和GPT - 4o。

功能特性：支持函数调用、结构化输出（JSON格式）、开发者消息以及流式传输，而GPT - 1 - mini不具备这些功能。

使用成本与限制

• API费用：API访问每百万输入/输出令牌1.10美元/4.40美元，缓存输入令牌每百万0.55美元，批量API费用减半。对比GPT - 1和GPT - 1 - mini，费用有明显降低，且GPT - 1 - mini或逐步淘汰。

• 调用限制：OpenAI依用户API使用频率和消费金额限制调用次数，每分钟请求数和令牌数限制从3级的5,000次请求/400万个令牌到5级的30,000次请求/1.5亿个令牌，批量请求限制更高。

安全提示：系统卡片突出训练中的安全措施，因其编程能力提升，存在中等程度被自主滥用风险，是首个被标记此风险的OpenAI模型。

用户评价：用户认可其速度、推理和编程能力，认为详细提示响应更佳，但因规模小，现实世界知识和事实回忆能力不足。

新闻关联：发布GPT - 3 - mini后不久，OpenAI推出基于GPT - 3的ChatGPT研究代理Deep Research 。此前12月宣布GPT - 3模型系列，虽DeepSeek - R1同期吸引关注，但OpenAI称按原计划发布。

重要意义：巩固OpenAI在语言模型领域领先地位，完善GPT - 1系列推理能力。专注特定任务发挥推理模型优势，推动AI从 “聪明实习生” 向 “可靠专业伙伴” 转变。

总结思考：免费层用户也能使用GPT - 3 - mini，更多用户熟悉提示方式，模型价值越大。