OpenAI llança els seus models més intel·ligents fins a la data: o3 i o4-mini amb accés complet a eines

OpenAI ha anunciat el llançament de o3 i o4-mini, els últims models de la seva sèrie-o caracteritzats per la seva capacitat de raonament avançat. Aquests models, descrits com els més intel·ligents llançats per la companyia fins a la data, representen un canvi significatiu en les capacitats de ChatGPT tant per a usuaris curiosos com per a investigadors avançats.

Per primera vegada, aquests models de raonament poden utilitzar i combinar de forma autònoma totes les eines disponibles a ChatGPT, incloent-hi cerques web, anàlisi d'arxius amb Python, raonament visual i generació d'imatges. La innovació clau rau en què estan entrenats per decidir quan i com utilitzar aquestes eines per produir respostes detallades i reflexives en els formats adequats, generalment en menys d'un minut.

OpenAI o3 es posiciona com el model de raonament més potent de la companyia, establint nous rècords en benchmarks com Codeforces, SWE-bench i MMMU. Està optimitzat per a consultes complexes que requereixen anàlisi multifacètica i destaca especialment en tasques visuals com l'anàlisi d'imatges, gràfics i elements gràfics. Segons avaluacions d'experts externs, o3 comet un 20% menys d'errors greus que el seu predecessor, OpenAI o1, en tasques complexes del món real, excel·lent en programació, consultoria empresarial i ideació creativa.

Per la seva banda, o4-mini és un model més petit optimitzat per a un raonament ràpid i eficient. Malgrat la seva mida reduïda, aconsegueix un rendiment notable en matemàtiques, programació i tasques visuals, sent el model amb millor acompliment en les proves AIME 2024 i 2025. En avaluacions realitzades per experts, o4-mini també supera el seu predecessor, o3-mini, en tasques no-STEM i en dominis com la ciència de dades.

Una de les innovacions més destacades és la capacitat d'aquests models per integrar imatges directament en la seva cadena de pensament. No només "veuen" una imatge, sinó que "pensen" amb ella, la qual cosa desbloqueja una nova classe de resolució de problemes que combina raonament visual i textual. Els usuaris poden carregar fotos de pissarres, diagrames de llibres de text o esbossos dibuixats a mà, i els models poden interpretar-los fins i tot si estan borrosos o són de baixa qualitat.