去年12月，OpenAI推出了一款名为"o3"的推理模型。这个在决策过程中更智能、更缜密的模型，展现了OpenAI在开发更具慎思能力AI方面的进步。但存在一个关键问题。

模型首发时，OpenAI与Arc Prize基金会合作测试。该机构运营的ARC-AGI基准测试专门评估高性能AI模型。这些对人类而言极其简单的测试题目，大众都能轻松解决，但对AI却非易事。

基金会最初估算o3解决复杂问题的成本约为3000美元。但最新评估显示，现在每项任务的成本已接近3万美元。虽然OpenAI在测试中获得了高分，却付出了远超平均水平的代价——这个天文数字揭示了尖端AI模型的惊人运行成本。

关键区别： o3与驱动ChatGPT的模型完全不同。o3具有反思能力，专为复杂问题解决和推理设计，因此需要更高计算能力。

据Arc Prize基金会数据，o3(高)的计算功耗是o3(低)的172倍。开发者可以选择低、中、高三种推理强度，本质上是要求模型进行更深度思考。虽然提高推理强度能获得更好结果，但计算功耗和成本也随之飙升。

在ARC-AGI测试中，正是o3(高)版本产生了如此高昂的成本。换言之，这是OpenAI最精细的模型，被推到了计算能力的绝对极限。

牛津大学高级研究员Toby Ord在X平台指出，o3(高)对每个任务进行了1024次尝试，每次尝试生成约137页文本，总计约4300万字——相当于为每个任务编写了一部《大英百科全书》！

成本效益分析： 虽然低强度版本得分不高，但可能更具成本效益。目前OpenAI尚未公布o3的商用定价，已推出的o3-mini虽然更便宜，但性能差距显著。

对普通用户而言，这种定价毫无影响。ChatGPT仍是OpenAI最具成本效益的模型之一，而o3即便上市，也只会被AI前沿领域的研究者采用。但随着Deepseek、Claude等竞争者开始降低成本，开发更经济的复杂模型，OpenAI可能很快会成为同类产品中最昂贵的供应商。