兄弟们,完犊子了｡

OpenAI 昨天凌晨放出 2 个新模型,一个 o3,一个 o4-mini｡

主要就是有了 Thinking with images 图像思考能力｡就是说,它们可以把图像整合到思维链中,作为推理的一部分｡

听起来咋咋呼呼的,实际如何?

世超把一张 3 年前的照片发给 o3｡

结果它只用了 7 分钟,就分析出我是在哪个城市哪个园区甚至哪条河旁边拍摄的｡｡｡

不儿,你这开盒能力也太猛了｡

你可能好奇,就这些清一色的瓦房,它凭啥猜到?

看完思考过程,世超只能说,它真把观察､搜索､推理､验证发挥到了极致｡

首先,o3 通过屋脊上的现代天窗,岸边的铁链护栏,还有屋檐下的“隐藏式线条灯”,猜出这是一个近些年才规划的新晋景区或特色小镇,并非乌镇周庄那些老牌水乡｡

接下来,是突破口｡

照片中有一处招牌,o3 不断放大发现了文字“ lestay 仓乾居 ”

它通过搜索发现,这是浙江某集团推出的民宿子品牌,接着它居然又跑到集团官网,通过介绍找到了这家酒店的位置:杭州未来科技城梦想小镇核心位置,南临余杭塘河｡

到这里,o3 并不认为就完全实锤是在杭州拍的,它还要进行验证｡

或者说,它想继续秀肌肉｡

因为照片里有积雪,而照片文件名又包含“ 2022-02-17 ”,于是 o3 结合着日期和天气查询了一下,发现 3 年前的那天杭州确实下了大雪｡

最后,它又点开了各种官方报道和游记分享,发现梦想小镇的整体规划风格,也是和照片是一致的｡

至此,招牌､地形､建筑风格､拍摄日的天气全部吻合, 最终 o3 推导完毕,把地点锁定在了余杭区梦想小镇｡

嚯,一开始我还嫌 o3 思考时间太久,怀疑它的水平,但看完推理过程,我开始觉得 7 分钟太快了——

真就是福尔摩斯和列文虎克结合体,不断地放大图片,查看细节,再结合着搜索,一步步推导,验证拍摄地点｡

也许有差友会说,这也不难吧,把招牌放网上一搜不就好了｡

好,那我们再来看看这张｡

这次照片里没有任何文字了,能提供信息的似乎也只有眼前的植物､远处的风车和山脉｡

但仅仅思考了 1 分 39 秒,o3 很“自信”地给出了正确答案——贵州的乌蒙大草原｡

这又是怎么猜出来的?

对普通人来说,这张照片看起来没有任何特征,但对 o3 来说,处处是玄机｡

首先,视野宽阔,地面是高山草甸而非农田,o3 判断拍摄地属于高海拔,是高原草场｡

其次近处的植物是矮杜鹃,远处还有一些大风车｡

同时存在“ 矮杜鹃､大风车､高原草场 ”这些特征,o3 判断这是乌蒙大草原的独有组合,国内其他几个赏花地点都没有的,所以很自信给出了答案｡

是不是有点意思了?

别急,还有｡

这是一张 1996 年冬天我父母在上海拍摄的照片,我让 o3 推测出拍摄日期｡

o3 看到照片里有东方明珠塔,但是旁边却没有金茂大厦､环球金融中心｡

所以时间一定是在东方明珠塔建成后,金茂大厦建成之前｡

于是它搜索了这些建筑竣工时间,再结合我父母的穿着,成功把时间圈在了 1995 年~1998年冬天或初春｡

当然,o3 的图片推理能力,并非只能用来推测照片拍摄地和时间｡

世超发送了一张同事照片和一张古早的大合照,虽然头发掉了不少,但 o3 还是成功在人群锁定了他｡

接着我又发了一张汽车仪表盘照片｡

很快噢,o3 一眼判断出这种典型设计是出现在斯巴鲁上,它甚至还告诉你,这款车型国内通俗称为力狮/傲虎,这辆车还配备了 SI-Drive系统｡

这,可能只有真正的老司机才能做到吧?

后来,世超又跑到博物杂志的微博,找到一张网友@博物杂志的鸟类照片｡

结果,o3 也能判断出这是红头长尾山雀｡

看到这,你心里可能会想:这下好了,别说普通人了,连博物杂志这种博学多识的人都要被 AI 替代了｡

别慌｡

经过我们大量测试,o3 也并非百战百胜,恰恰相反,它翻车的次数其实非常多｡

比如我这张在平潭拍摄的照片,它猜成了厦门,位置差了足足几百公里｡

还有这张广东韶关站的照片,o3一看到有喀斯特地貌,直接锁定了广西和贵州,最后猜成了广西恭城｡

哥们给他发了一个 Mac App 的截图,它也报成了另外一款 UI 近似的软件｡

甚至这个背带裤和篮球的组合这么明显,它也能没找出答案｡

总之呢,这个 o3 啊,它确实比以往的 AI 都强,但也还有一定的进步空间｡

世超也去官网研究了一下资料,我发现这次 o3 能力大升级的背后,核心是“ 强化学习 ”这四个字｡

OpenAI 发现和算力越大,AI性能越强的行业黄金法则一样,在强化学习中,给模型的思考时间越长,模型的能力也会越逆天｡

按照这路子,他们直接让 AI 学会了咋用工具､并且推理啥时候该用什么工具｡

所以这才有了 o3 不断放大图片,以像素级精度查看图片的每个角落,观察到普通人往往忽略的细节,再把所有获取到的信息放在网络上搜索——

足够多的信息量,足够长的时间,配合着足够强大的推理能力,就爆发出了这种恐怖如斯的效果｡

虽然 o3 的出现,把 AI 进程又往前狠狠推动了一大步,但说实话世超也有点担心:

在 AI 能读懂照片的时代,我们的个人信息是不是更不好保护了?