o3-mini र o3-mini (उच्च) आज रिलीज हुनेछ।
नियमित प्रयोगकर्ताहरूले पनि पाउनेछन् o3-mini, र प्लस प्रयोगकर्ताहरूले o3-mini (उच्च) प्रयोग गर्न सक्षम हुनेछन्।
o3-mini (उच्च) Codeforce मा o1 भन्दा लगभग 200 अंक बढी छ, o1 भन्दा छिटो छ, र कोडिङ र गणितमा राम्रो प्रदर्शन गर्दछ, तर लागत अझै o1-mini को स्तरमा छ।
प्लस प्रयोगकर्ताहरूले o3-mini एक दिन 100 पटक प्रयोग गर्न सक्छन्। यद्यपि, o3-mini (उच्च) को उपयोग सीमा थप पुष्टि गर्न आवश्यक छ।
केही नेटिजन्सले भने, हो, R1 यति लोकप्रिय छ कि Openai लाई रोक्न सक्दैन:
र यसअघि, अलीबाबा क्वेन टोलीले नयाँ वर्षको पूर्वसन्ध्यामा qwen2.5-max जारी गर्यो। वसन्त पर्वको समयमा, सबैले अझै रोल गर्न आवश्यक छ, हाहाहा...
वास्तवमा, क्रिसमसको प्रत्यक्ष प्रसारणको रूपमा, Openai ले घोषणा गर्यो कि o3 mini 2025 को शुरुमा उपलब्ध हुनेछ:
हामीले अझै पनि o3 र o3-mini के हो भन्ने बारेमा कुरा गर्न आवश्यक छ?
o3: एक अत्याधुनिक अनुमान मोडेल जसले कोडिङ, गणित, र AGI-उन्मुख बेन्चमार्क परीक्षणहरूमा पनि उत्कृष्ट हुन्छ। यसले बुद्धिमत्ता र समस्या समाधानको लागि नयाँ बेन्चमार्क सेट गर्दछ।
o3-mini: o3 को एक किफायती संस्करण जसले धेरै कम लागत र गतिमा उत्कृष्ट प्रदर्शन प्रदान गर्दछ।
यी मोडेलहरूले पूरै नयाँ स्तरमा निष्कर्ष निकालेका छन्, जटिल कार्यहरूमा सफलताहरू सम्भव बनाउँदै जसमा गहिरो समझ र तर्क आवश्यक छ।
o3 ले तीन प्रमुख सफलताहरू ल्याउँछ।
प्रोग्रामिङ क्षमता: व्यावहारिक प्रोग्रामिङमा ७१.७१TP11T शुद्धता, o1 भन्दा २०१TP11T बढी। कोडफोर्समा २७२७ अंक, पहिले नै मानव स्तरलाई पार गर्दै।
गणित स्तर: अमेरिकी गणित ओलम्पियाड छनोट चरणमा लगभग ९७१TP११T शुद्धता। सबैभन्दा कठिन एपिक एआई फ्रन्टियर गणित समस्याहरूले पनि २५१TP११T नतिजा प्राप्त गर्न सक्छ।
सबैभन्दा अचम्मको कुरा Arc AGI परीक्षण हो: 87.5%, यो अत्यन्तै कठिन बेन्चमार्क परीक्षणमा पहिलो पटक मानिसहरूलाई उछिनेर।
किन o3-mini एक विघटनकारी नवीनता हो? o3-mini ले दुई परिवर्तनहरू ल्याउँछ।
अनुकूलन सोच: तर्क को गहिराई कार्य को कठिनाई अनुसार समायोजित गर्न सकिन्छ, तीन मोडहरु बाट छनौट गर्न को लागी: कम, मध्यम र उच्च।
यसले एआईलाई वास्तविक-विश्व प्रयोग परिदृश्यहरूसँग अझ नजिकबाट मिल्दो बनाउँछ।
लागत-प्रभावकारिता सफलता: o1-mini भन्दा कम लागत, छिटो प्रतिक्रिया, र राम्रो परिणाम।
यद्यपि, नेटिजन्सहरू विलाप गर्छन् कि o3 उच्चले प्रति कार्य $1,000 खपत गर्छ:
थप रूपमा, त्यहाँ साँच्चै धेरै मोडेलहरू उपलब्ध छन्, र हामीले तिनीहरू बीच कसरी स्विच गर्ने भनेर पुष्टि गर्न बाँकी छ।
