AI 圈的頭條被 DeepSeek 承包了十幾天，昨天，OpenAI 終于坐不住了，推出了全新推理模型系列 o3-mini。不僅首次向免費用戶開放了推理模型，而且相比之前的 o1 系列，成本更是降低了 15 倍之多。

OpenAI 也稱這是其推理模型系列中最新、最具成本效益的模型：

剛剛上線，已經有網友迫不及待的拿它和席卷整個大模型圈的國產大模型 DeepSeek R1 進行對比了。

前段時間，AI 社區開始沉迷用 DeepSeek R1 和其他（推理）模型比拼這個任務：「編寫一個 Python 腳本，讓一個球在某個形狀內彈跳。讓該形狀緩慢旋轉，并確保球停留在形狀內。」

這種模擬彈跳球的測試是一個經典的編程挑戰。它相當于一個碰撞檢測算法，需要模型去識別兩個物體（例如一個球和一個形狀的側面）何時發生碰撞。編寫不當的算法會出現明顯的物理錯誤。

在 DeepSeek R1 席卷國內外熱搜，微軟、英偉達、亞馬遜等美國云計算平臺爭先恐后引進 R1 的同時，R1 也在這個任務中完成了對 OpenAI  o1 pro 的碾壓。

再看 Claude 3.5 Sonnet 和谷歌的 Gemini 1.5 Pro 的生成結果，DeepSeek 旗下的開源模型高出的確實不只是一個 level。

然而，在 o3-mini 上線后，劇情似乎一夜反轉了，比如這個帖子宣稱 OpenAI o3-mini 碾壓了 DeepSeek R1。目前已引發近 400 萬網友圍觀。

該開發者用的 prompt 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"

也就是分別讓 o3-mini 和 DeepSeek R1 寫一個球在旋轉的六邊形內彈跳的 python 程序，小球跳動的過程中要遵循重力和摩擦力的影響。最后的展示效果如下：

從效果來看，o3-mini 把碰撞、彈跳效果展示的更好。從對重力和摩擦力的理解來看，DeepSeek R1 版本的小球似乎有點壓不住牛頓的棺材板了，完全不受重力控制。

這并非個案，@hyperbolic_labs 聯合創始人 Yuchen Jin 在此之前也發現了這個問題，他分別向 DeepSeek R1 和 o3-mini 輸入了提示詞：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）。

四維超立方體的每個頂點與四條棱相鄰，每條棱則連接兩個立方體。四維空間內的幾何圖形超出了人類的直觀感知范圍，所以聽著這些描述，我們可能很難想象出一個四維超立方體長什么樣子。

而 o3mini 不僅展現出了穩定的幾何結構，小球在四維空間內彈跳的運動軌跡也較為靈活，有撞到立方體側面的打擊感。

再來看 DeepSeek R1 這邊，它對四維超立方體的形狀理解似乎還不夠深入透徹。同時，小球在其中的運動軌跡也顯得有些詭異，有一種「飄忽不定」的感覺。

據 Yuchen Jin 稱，他試了很多次，所有用 DeepSeek R1 嘗試都比一次性的 o3-mini 要差，比如下面這次就剩下球了。

機器之心也親測了一把，同樣是 Pass@1 測試，DeepSeek R1 這次是既有球又有幾何外框了，甚至小球還會變換顏色色，遺憾的是，它把四維超立方體簡化成了三維空間坐標軸。

o3-mini 的表現則有些「買家秀」的意味，明明和 Yuchen Jin 輸入的是完全一樣的提示詞，為什么 o3-mini 就不會了？得不到如上所示的「賣家秀」了呢？

看來，在生成小球在幾何外框內跳動的程序這方面，DeepSeek R1 并不是完全是 o3-mini 的手下敗將。

AIGC 從業者 @myapdx 用了一個更加復雜的同類提示詞來測試 o3-mini 和 DeepSeek R1：編寫一個 p5.js 腳本，模擬 100 個彩色小球在一個球體內部彈跳。每個小球都應留下一條逐漸消失的軌跡，顯示其最近的路徑。容器球體應緩慢旋轉。請確保實現適當的碰撞檢測，使小球保持在球體內部。

o3-mini 的效果是這樣的：

提示詞里的這么多項要求：在球體內部彈跳、留下逐漸消失的軌跡、容器緩慢旋轉......o3-mini 都完美滿足。

而 DeepSeek R1 的效果，好像也沒差到哪里去：

至于為什么會出現這樣的差異，Yuchen Jin 和 @myapdx 都在帖子中提到，這個任務對模型如何理解真實世界的物理規律有所反應。模型需要綜合自己對語言、幾何、物理和編程的理解，方能得出最后的模擬結果。從前兩輪的結果看來，o3-mini 有可能是物理學得最好的大模型。

與此同時，OpenAI 也在昨天的發布博客中強調過，在博士極科學問題方面 o3-mini-low 的表現優于 o1-mini。o3-mini-high 的表現與 o1 相當，在博士級生物學、化學和物理問題上都有顯著進步。

對人類來說，理解小球跳動時的重力和摩擦力并不算困難，但在大語言模型領域，這種對物體物理狀態的「世界模型」理解能力，直到最近才真正突破。

還有網友猜測，DeepSeek R1 的程序有時只有一個球，會不會是它想得太多了？

不知是否有讀者親自體驗過？歡迎討論。