甬兴证券报告聚焦OpenAI压轴发布的o3模型。Day12发布的o3模型在ARC-AGI基准测试中取得87.5%的高分（低计算75.7%），而o1仅25%，性能达三倍以上。o3可在响应前暂停、考虑相关提示并解释推理过程，可调推理时间分为低/中/高三种计算级别。o3提出训练端新范式deliberative alignment，可减少对人工标注训练内容的依赖。o3的发布标志着推理模型从“能用”进入“好用”阶段，AGI能力显著加强，为AI Agent在复杂决策场景中的应用奠定基础。

o3模型在ARC-AGI（抽象推理语料库）基准测试中表现亮眼。ARC-AGI被认为是衡量AI系统向通用人工智能（AGI）进展的重要标尺，要求模型在未见过的抽象推理任务上展现灵活性和适应性。o3在高计算设置下获得87.5%的分数，低计算设置下得分为75.7%，而o1系列仅25%。这一跨越式的性能提升表明o3在推理能力上实现了质的飞跃。

o3还支持可调推理时间，分为低、中、高三种计算级别。计算级别越高，o3的任务执行性能越好。用户可根据任务复杂度灵活调配计算资源，在性能与成本之间取得平衡。o3 mini版本同步发布，为不同场景需求提供更轻量化的选择。

o3提出训练端新范式deliberative alignment。传统RLHF（基于人类反馈的强化学习）依赖大量人工标注数据，成本高、扩展性有限。deliberative alignment可在训练过程中减少对人工标注的依赖，通过模型自身推理能力实现对齐。

这一技术突破具有深远产业意义：大幅降低大模型训练的人力成本，使中小企业和开发者也能定制高性能模型；加速AI能力的泛化，使模型在特定垂直领域（如法律、医疗、金融）快速获得接近o3级别的推理能力；为AGI发展提供更高效的技术路径，从“数据驱动”转向“推理驱动”。

o3的发布标志着推理模型从“能用”进入“好用”阶段。推理能力一直是制约AI应用场景拓展的关键瓶颈。o3的突破使AI Agent能够处理更具挑战性的任务流程，从简单的指令执行升级为具备结构化思维的智能协作者。

在金融分析、科研探索等对推理深度要求较高的专业领域，Agent将能够提供更接近人类专家水平的决策支持。API成本方面，o1模型API较预览版思考成本降低60%，附带高级视觉功能。GPT-4o音频成本降低60%，mini版本价格降低10倍。低成本推理模型将加速AI Agent在各垂直领域的商业化落地。

o3 vs o1性能对比

指标	o1系列	o3	提升
ARC-AGI得分（高计算）	25%	87.5%	3.5倍
ARC-AGI得分（低计算）	—	75.7%	—
推理时间可调	—	低/中/高三档	灵活计算
训练范式	RLHF（人工标注）	Deliberative Alignment	减少人工标注