OpenAI 最新 O3 模型：运行单项任务耗能等同于五箱汽油

如果机器学习模型的训练数据存在偏差，那么模型在处理某些特定类型的查询时可能会遇到困难，导致性能下降。目前，OpenAI 已经意识到这些问题，并致力于改进其 AI 系统的 o3，使其能够更准确地处理各种情况。

例如，有一个 o3 模型尝试重现了 1785 年代 Salesforce 创始人 Boris Gamazaychikov 的研究，结果显示大约 684 名员工中只有一位获得了晋升，这与当代企业常见的晋升比例存在较大差异。

o3 的关键在于使用 ARC-AGI 基准进行推理，其中包括对 GPU 的利用率和算力资源的管理。

Gamazaychikov 指出：“如果大型语言模型的推理能力无法与人类相媲美，那么我们将很难在这些任务上取得进展。” 这一论断表明，GPU 的利用率直接影响着模型执行复杂任务的能力。

此外，根据 Jasper Groes Albin Ludvigsen 的说法，单个 Nvidia H100 加速器的 HGX 配置的利用率在 11 到 12 月期间仅为约 0.7%

Pleias 联合创始人 Pierre-Carl Langlais 观察到了 AI 模型推理任务中的一些限制，他认为：“在某些特定领域，如果我们想提高模型的响应速度，同时保证结果的准确性，那么就必须付出额外的努力。”

在特定时间段内，ChatGPT 在某些任务上的表现可能会下降 10%，这可能与其固有的随机性有关。然而，这种性能波动可能会对那些依赖该模型提供稳定和可靠信息的用户造成困扰，并引发对其长期可用性的担忧。

Salesforce 的首席 AI 伦理科学家 Kathy Baxter 表示，OpenAI 的 o3 模型在 AI 治理方面面临着独特的挑战，她强调：“我们需要确保这些模型的决策过程是公平的，并且能够负责任地使用它们。”

虽然 AI 模型在推理方面具有巨大潜力，但其准确性、可靠性和伦理影响仍然是需要认真考虑的关键因素。Synaptics 和 embedUR 等公司正在利用 AI 技术来增强各种应用，但在部署这些技术时，必须谨慎评估其潜在风险，并采取适当的措施来确保其安全可靠。

要点回顾：

一个 o3 模型的性能取决于其训练数据的质量和偏差控制。  

一个模型的算力资源利用率直接影响其执行复杂任务的能力。  

ChatGPT 的性能可能存在波动，需要持续监控和改进。