Az OpenAI bemutatta legújabb, eddigi legintelligensebb nyelvi modelljeit, az O3-at és az O4 mini verziót. Ezek a modellek már képesek komplex feladatok elvégzésére, amelyekhez többféle eszköz használatára is szükség van, például webes keresésre, kód futtatására vagy képelemzésre.
Az újdonságok között szerepel, hogy a modellek minden korábbinál jobban képesek maguktól eldönteni, mikor melyik eszközt érdemes bevetniük, akár több eszköz kombinálásával is. Ez lehetővé teszi bonyolult, többlépéses problémák gyors és hatékony megoldását, legyen szó adatelemzésről, programkód szerkesztéséről vagy vizuális tartalmak értelmezéséről.
Külön figyelmet kapott, hogy ezek a modellek multimodális képességekkel is bírnak: képesek képeket, diagramokat vagy akár kézzel írott vázlatokat is értelmezni, még akkor is, ha azok rossz minőségűek. Az eszközhasználattal ötvözött képelemzés pedig új horizontokat nyit a mesterséges intelligencia alkalmazásaiban.
A bemutató során szó esett a teljesítménymérési mutatókról: az új modellek sorra felülmúlják elődeiket olyan benchmarkokon, mint a matematikai vagy kódolási versenyek, illetve multimodális kiértékelések. Emellett megtudhatjuk, hogyan változott a hozzáférés és az árképzés, valamint hogy milyen új fejlesztések jelentek meg, például a nyílt forráskódú codec CLI szoftver vagy a modellen végzett nagy volumenű kezdeményezések támogatása.
A témák között szerepelnek továbbá a modellek fejlesztési irányai, a specifikusabb kérdések kezelésének lehetőségei, illetve a mesterséges intelligencia jövőbeni integrációja a mindennapi feladatok megkönnyítésére. Felmerül a kérdés: meddig fejlődhetnek ezek a rendszerek, és milyen problémákat oldhatnak meg a közeljövőben?
