Esta semana OpenAI presentó o3, un modelo que redefine los límites de la inteligencia artificial. Este avance utiliza una técnica llamada Test-Time Compute, que permite al modelo razonar y calcular durante su ejecución en lugar de depender únicamente del entrenamiento previo.
Resultados destacados de o3:
Programación: alcanzó un 71,7 % en pruebas, superando ampliamente al líder anterior, Anthropic Sonnet, que obtuvo un 50 %. Hace un año, GPT-4 lograba solo un 2,83 %.
Matemáticas: o3 logró un 97 % en una competencia avanzada, superando el 83 % de su antecesor, o1.
GPQA Diamond: este benchmark transversal le otorgó un 87,7 %, superando incluso a doctorados humanos, que rondan entre el 65 % y el 75 %.
ARC-AGI: logró un 87,5 %, resolviendo uno de los retos más complejos y considerados "imposibles" para modelos anteriores.
