El miércoles, Openai anunciado El dispersión de dos nuevos modelos, O3 y O4-Mini, que combinan capacidades de razonamiento simuladas con camino a funciones como navegación web y codificación. Estos modelos marcan la primera vez que los modelos centrados en el razonamiento de OpenAI pueden usar cada útil CHATGPT simultáneamente, incluido el prospección visual y la coexistentes de imágenes.

Operai anunció O3 en diciembre, y hasta ahora, solo han estado disponibles modelos derivados menos capaces llamados “O3-Mini” y “03-Mini-High”. Sin confiscación, los nuevos modelos reemplazan a sus predecesores: O1 y O3-Mini.

Operai está implementando camino hoy para los usuarios de ChatGPT Plus, Pro y del equipo, con los clientes de Enterprise y EDU que obtienen camino la próxima semana. Los usuarios gratuitos pueden probar O4-Mini seleccionando la opción “pensar” ayer de destinar consultas. CEO de Operai Sam Altman tuiteado que “esperamos exhalar O3-Pro al nivel profesional en unas pocas semanas”.

Para los desarrolladores, entreambos modelos están disponibles a partir de hoy a través de la API de finalización de chat y la API de respuestas, aunque algunas organizaciones necesitarán demostración para el camino.

“Estos son los modelos más inteligentes que hemos audaz hasta la época, que representan un cambio de paso en las capacidades de ChatGPT para todos, desde usuarios curiosos hasta investigadores avanzados”, afirmó Openii en su sitio web. Operai dice que los modelos ofrecen una mejor eficiencia de costo que sus predecesores, y cada uno viene con un caso de uso previsto diferente: O3 apunta a un prospección complicado, mientras que O4-Mini, es una lectura más pequeña de su maniquí SR de próxima coexistentes “O4” (aún no audaz), optimiza para la velocidad y la costumbre.

Lo que distingue a estos nuevos modelos de los otros modelos de Openai (como GPT-4O y GPT-4.5) es su capacidad de razonamiento simulado, que utiliza un proceso de “pensamiento” paso a paso simulado para resolver problemas. Por otra parte, los nuevos modelos determinan dinámicamente cuándo y cómo implementar ayudas para resolver problemas de varios pasos. Por ejemplo, cuando se les preguntó sobre el uso futuro de energía en California, los modelos pueden averiguar de forma autónoma los datos de servicios públicos, escribir código de Python para crear pronósticos, originar visualización de gráficos y explicar los factores secreto detrás de las predicciones, todo interiormente de una sola consulta.