整個過年期間，AI 圈的頭條都被被 DeepSeek 霸占了。2 月 1 日，OpenAI 終于按捺不住，推出了全新的推理模型系列 o3-mini。這個系列不僅首次對免費用戶開放了推理模型，還將成本降低了多達 15 倍（相比之前的 o1 系列）。

OpenAI 還表示，這是其推理模型系列中最新且最具成本效益的模型：

最近，AI 社區非常熱衷于將 DeepSeek R1 與其他推理模型進行對比。

尤其是經典的編程挑戰——模擬彈跳球：“Write a Python script that makes a ball bounce within a certain shape. Let the shape rotate slowly and ensure the ball stays within the shape.”（編寫一個Python腳本，使一個球在某個形狀內彈跳。讓這個形狀緩慢旋轉，并確保球保持在形狀內。）

這個，相當于一個碰撞檢測算法，需要模型識別何時兩個物體（例如球和形狀的邊緣）發生碰撞。寫得不好的算法可能會導致明顯的物理錯誤。

隨著 DeepSeek R1 在國外持續發酵，微軟、NVIDIA、亞馬遜等美國云計算平臺紛紛爭相采用 R1，而 R1 在這一任務上也壓倒了 OpenAI 的 o1-pro。

從 Claude 3.5 Sonnet 和谷歌 Gemini 1.5 Pro 生成的結果來看，DeepSeek 旗下的開源模型確實在性能上領先了一個層次以上。

然而，隨著 o3-mini 的發布，輿論似乎一夜之間發生了變化，因為一篇文章宣稱 OpenAI 的 o3-mini 已經超越了 DeepSeek R1。目前，這篇文章已吸引了近 400 萬網友的關注。

開發者使用的提示是：“write a Python program that shows a ball bouncing inside a spinning hexagon. The ball should be affected by gravity and friction, and it must bounce off the rotating walls realistically.”（編寫一個Python程序，展示一個球在旋轉的六邊形內彈跳。球應受重力和摩擦力的影響，并且必須真實地從旋轉的墻壁反彈。）

這意味著 o3-mini 和 DeepSeek R1 都被要求編寫一個 Python 程序，使得球在旋轉的六邊形內彈跳，且小球在彈跳過程中需要受到重力和摩擦力的影響。最終的結果如下：

在結果方面，o3-mini 展現了更好的碰撞和彈跳效果。從重力和摩擦力的理解上看，DeepSeek R1 版本中的小球似乎與牛頓定律相悖，完全忽略了重力。

這并非個別情況。hyperbolic_labs 的聯合創始人金宇晨（Yuchen Jin）曾經指出過這個問題。他將提示“write a python script of a ball bouncing inside a tesseract”（編寫一個Python腳本，模擬一個球在四維超立方體內部彈跳）輸入到 DeepSeek R1 和o3-mini 中。

四維超立方體的每個頂點相鄰四條邊，每條邊連接兩個立方體。四維空間中的幾何形狀超出了人類的直觀感知，因此當我們聽到這些描述時，可能很難想象四維超立方體的樣子。

o3-mini 不僅展示了一個穩定的幾何結構，而且小球在四維空間內彈跳的軌跡也非常靈活，給人一種撞擊立方體側面的沖擊感。

根據金宇晨的說法，他嘗試了多次，每次使用 DeepSeek R1 的結果都不如 o3-mini 的一次嘗試。例如，這次嘗試的結果只是留下了一個靜止的小球。

在 Pass@1 測試中，這次 DeepSeek R1 展示了小球和幾何框架，甚至小球的顏色也發生了變化。不幸的是，它將四維超立方體簡化為三維空間坐標。

? 圖片 ?

本文轉載自 ??PyTorch研習社??，作者： 南七無名式