Sam Altman公布路线图：GPT-5与o3强强联合，自动推理完胜手工策略

在2024-25赛季英超第15轮，托特纳姆热刺主场对阵切尔西。只用了4分钟，索兰克就为热刺破门，库库雷利亚复刻了杰拉德滑倒被断球的经典一幕。两队的状态截然不同，以5比1大胜南安普顿，取得英超三连胜之后，切尔西在英超积分榜上升至第2位，比排名榜首的利物浦少了7分。

来源 @indigo

今天在 Sam 公布的中，GPT-5作为一个模型系统整合了 o3，我们不用来回选择模型去完成任务了，看来 o3的能力足以让 GPT 升级换代。在 OpenAI 的一篇评测论文「Competitive Programming with Large Reasoning Models」中，再次验证了萨顿教授在「苦涩的教训」中总结的历史规律：

1. 研究者总想构建一些知识并教给 AI；

2. 这些知识在短期内让人感觉是有用的；

3. 但是从长远看，人类构建的知识有个明显的天花板，它们的发展会被限制；

4. 让 AI 自行搜索和学习的暴力破解法，最终确带来了突破性进展；

OpenAI 拿微调版的 o1-ioi 与 o3对比 。前者在 o1的基础上继续强化学习、并针对2024年国际信息学奥林匹克竞赛（IOI）做了专门调优；另配合手工设计的“ 时推理策略”（test-time str egies）以提升得分；而后者是更大规模、更多强化学习训练的模型，无需依赖设计的策略就可自主在推理过程中生成复杂验证流程。

在模拟真实竞赛环境评测的比分：

- o1-preview（o1早期版本）1258分（62% 分位）；o1最终达1673分（89% 分位）

- o1-ioi（带人类手工推理策略）提升至2214分（98% 分位）

- o3更进一步，在 CodeForces 中达2724分（99.8% 分位）， 接近顶尖人类选手

可以看出，手工策略在一定阶段可提升效果，但不如大规模通用模型的“自我推理”。一方面，o1-ioi 类似于 AlphaCode 早期做法，通过人为的策略在推理时筛选/组合大量方案，显著提高在竞赛任务中的表现；另一方面，随着模型规模和 RL 训练量的增大，o3“涌现”出了更加灵活且强大的自验证、自适应推理能力，反而摆脱了手工策略的依赖，取得更优效果。

统一的强化学习框架更具有通用性！o3不再需要特定的竞赛类策略，也能在 CodeForces、IOI、高级软件开发任务上大幅领先。意味着依靠纯粹的模型大规模训练、让模型自动学会工具调用（如编译、 、写辅助检查脚本）可以取得“超越人为微调”的成果。

论文表示“大规模通用推理模型” 很可能成为学术研究与工业落地中 复杂问题的核心基础设施，其背后的思路链推理（chain-of-thought）与强化学习机制，将持续拓展到更多模态、更广领域，为 AI 自动化与生产力变革带来深远影响。