o3 深度解读：OpenAI 终于发力 tool use，agent 产品危险了吗？

主要观点总结

本文重点解读了OpenAI新发布的o3和o4-mini模型，以及相关的技术细节和用户反馈。文章还涉及了OpenAI开源的Codex CLI的目的和特性，以及一线模型的定价和RL Scaling的讨论。

关键观点总结

关键观点1: o3和o4-mini模型的主要特点和用户评价

o3和o4-mini模型在agentic能力和多模态CoT方面取得了显著进展，但视觉推理和coding能力仍存在负面评价。

关键观点2: Codex CLI的特性

Codex CLI具有多模态推理能力和与本地代码环境的集成特性，旨在将AI模型与用户的计算机无缝连接。

关键观点3: 一线模型的定价

一线模型的定价可以视为在同一个水平上竞争，其中o3和o4-mini的定价相对于其他模型较为亲民。

关键观点4: RL Scaling的重要性

RL Scaling依然有效，算力提升的收益清晰。OpenAI通过增加算力投入在o3和o4-mini的RL训练中获得了更好的性能表现。

关键观点5: Era of Experience的讨论

两位强化学习教父Richard Sutton和David Silver发布的论文强调了Experience在RL中的重要性，并指出了Agent从经验中自主学习的下一步发展方向。