o3 ra mắt ngày 16/04/2025 cùng o4-mini, mở rộng dòng model suy luận của OpenAI sang sử dụng công cụ và phân tích hình ảnh. Điểm đáng chú ý không chỉ là trả lời bài toán khó, mà còn chọn khi nào cần tìm kiếm, tính toán hoặc xử lý dữ liệu trong môi trường được cấp quyền.
Suy luận kết hợp công cụ
Theo công bố OpenAI, o3 có thể phối hợp các công cụ trong ChatGPT như web search, Python, phân tích file và tạo ảnh. Đây là năng lực của model trong một sản phẩm có tích hợp công cụ, không có nghĩa mọi lời gọi API tự có trình duyệt hoặc quyền thực thi mã.
Ứng dụng vẫn phải cung cấp công cụ, giới hạn quyền và kiểm tra kết quả. Lời gọi hàm hợp lệ không chứng minh hành động đúng mục tiêu. Với thao tác gửi dữ liệu hoặc thay đổi trạng thái bên ngoài, cần xác minh độc lập thay vì chỉ dựa vào lời báo hoàn tất.
Phân tích hình ảnh trong quá trình giải bài
OpenAI mô tả khả năng kết hợp ảnh vào quá trình suy luận, đồng thời dùng công cụ xoay, phóng to hoặc biến đổi ảnh khi cần. Các ví dụ gồm bảng trắng, sơ đồ và bản phác thảo. Ảnh mờ có thể được diễn giải tốt hơn nhưng không được coi là nguồn thông tin chắc chắn: chi tiết nhỏ, trục biểu đồ và chữ vẫn cần đối chiếu.
Benchmark phải giữ điều kiện dùng Python
Trong AIME 2025 với Python, hãng báo cáo o3 đạt 98,4% pass@1 và 100% consensus@8. Hai chỉ số khác nhau: pass@1 đánh giá một lời giải, còn consensus@8 tổng hợp nhiều mẫu. Không so trực tiếp kết quả có công cụ với model không được dùng công cụ hoặc coi 100% trên tập thi là bảo đảm cho mọi bài toán.
Công bố cũng nêu đánh giá chuyên gia bên ngoài cho thấy o3 ít hơn 20% lỗi nghiêm trọng so với o1 trên các tác vụ khó được khảo sát. Đây là mức giảm tương đối trong đánh giá đó, không phải giảm 20 điểm phần trăm hay hết lỗi. Các biểu đồ benchmark được chú thích ở reasoning effort cao, nên ngân sách suy luận là điều kiện quan trọng khi tái lập.
Chi phí không chỉ nằm ở token trả lời
Model dành thêm tính toán cho suy luận; tác vụ có công cụ còn có bước tìm kiếm, chạy mã và lần thử lại. Không thể suy giá cố định mỗi tác vụ từ thời gian trả lời hoặc phí thuê bao ChatGPT. Bài không dựng bảng giá lịch sử khi chưa có bảng đơn giá đủ điều kiện theo thời điểm và loại token.
Đánh giá hiệu quả cần đo kết quả đúng, độ trễ và tổng chi phí trên cùng yêu cầu. Một chuỗi giải dài nhưng sai vẫn tốn tài nguyên; câu trả lời ngắn cũng có thể đã dùng nhiều tính toán phía trước. Không đồng nhất độ dài văn bản hiển thị với toàn bộ ngân sách xử lý.
Phân biệt o3, mini và pro
o3-mini có mốc ra mắt và phạm vi riêng; không được gán toàn bộ tính năng hình ảnh của o3 cho mini. Trang nguồn cập nhật o3-pro ngày 10/06/2025, nhưng đó không phải ngày ra mắt o3. So với o1, công bố nhấn mạnh phối hợp công cụ và suy luận thị giác. Khả dụng lịch sử không thay thế kiểm tra tài liệu hỗ trợ hiện hành.
Nguồn: OpenAI, Introducing OpenAI o3 and o4-mini, 16/04/2025.
Tác giả
Chăm Sóc Khách Hàng
