12-દિવસીય લાંબા ‘ShipMas’ ના છેલ્લા દિવસે, OpenAI એ o3 અને o3-mini નામના તેના નવા ફ્રન્ટિયર રિઝનિંગ મોડલ્સનું અનાવરણ કર્યું. આ મૉડલ્સનું હમણાં પૂરતું જ પૂર્વાવલોકન કરવામાં આવ્યું છે, અને OpenAI તેમને ટૂંક સમયમાં રિલીઝ કરશે નહીં.
OpenAIના સીઈઓ સેમ ઓલ્ટમેને જાહેર કર્યું કે કંપની જાન્યુઆરીના અંત સુધીમાં o3 મિની અને થોડા સમય પછી સંપૂર્ણ o3 લોન્ચ કરવાની યોજના ધરાવે છે. આ એટલા માટે છે કારણ કે ઓલ્ટમેન વિચારે છે કે વધુ મજબૂત એલએલએમ હાલના મોડલને પાછળ રાખી શકે છે અને નવા રોકાણકારો અને વપરાશકર્તાઓને આકર્ષિત કરી શકે છે.
AI સ્ટાર્ટઅપ આ મોડલ્સને સાર્વજનિક કરવામાં આવે તે પહેલાં આગળ આવવા અને તેનું પરીક્ષણ કરવા માટે સંશોધકોની અરજીઓ સ્વીકારી રહ્યું છે. બાહ્ય સંશોધકો માટેની અરજી પ્રક્રિયા 10 જાન્યુઆરીએ બંધ થાય છે.
OpenAIએ આ વર્ષે સપ્ટેમ્બરમાં o1 લોન્ચ કર્યું હતું, જેનું અગાઉ કોડ-નેમ પ્રોજેક્ટ સ્ટ્રોબેરી હતું. હવે, એવું લાગે છે કે કંપની O2 ને સંપૂર્ણપણે છોડી રહી છે, અને O3 મોડેલ સાથે આગળ વધી રહી છે. અહેવાલ મુજબ, કંપની O2 નામની બ્રિટિશ કંપની સાથે સંભવિત કૉપિરાઇટ સંઘર્ષને ટાળવા માટે o2 છોડી રહી છે.
o3 મોડલ્સે તેમના પુરોગામી દ્વારા સેટ કરેલા અગાઉના પ્રદર્શન રેકોર્ડને વટાવી દીધા છે. મોડેલે કોડિંગ ટેસ્ટમાં ઉત્કૃષ્ટ દેખાવ કર્યો, જેને SWE-Bench Verified તરીકે પણ ઓળખવામાં આવે છે, 22.8 ટકા. રિપોર્ટ અનુસાર, મોડેલે સ્પર્ધાત્મક પ્રોગ્રામિંગમાં OpenAIના મુખ્ય વૈજ્ઞાનિકને હરાવ્યા છે. વધુમાં, મૉડેલે ગણિતની સૌથી અઘરી સ્પર્ધાઓમાં ટોચનું સ્થાન મેળવ્યું છે – AIME 2024 – નિષ્ણાત-સ્તરની વિજ્ઞાન સમસ્યાઓ પર 87.7 ટકાના સ્કોર સાથે. જ્યારે સૌથી અઘરી ગણિત અને તર્ક સમસ્યાઓની વાત આવે છે, ત્યારે o3 એ તેમાંથી 25.02 ટકા ઉકેલી કાઢ્યા હતા, જે 2 ટકાથી વધુ સ્કોર ન કરી શકતા અન્ય મોડલ્સને પાછળ છોડી દે છે.
જ્યારે o1 મોડલ જટિલ કાર્યો દ્વારા તર્ક કરવા અને મુશ્કેલ સમસ્યાઓ હલ કરવામાં સક્ષમ છે, ત્યારે નવા o3 અને o3-મિની મોડલ્સ વધુ શક્તિશાળી હશે. નવા મોડલ હાલમાં આંતરિક સુરક્ષા પરીક્ષણને આધીન છે.
