OpenAI o3 mini深度测评：编程题胜率首次超越人类工程师
OpenAI o3 mini发布时，很多人只注意到了”价格便宜”这个卖点。
实际上真正值得关注的，是它在编程基准测试上的表现：在多个公开竞争性编程题集（Codeforces rating 2000+）上，o3 mini的通过率首次超越了90百分位的人类参赛者。
这不是普通的”AI做了道编程题”，这是AI在人类认为很难的编程问题上打败了大多数人类专业选手。
o3 mini和o3的区别
o3是OpenAI的旗舰推理模型，o3 mini是精简版，主要针对代码和STEM任务做了优化。
在性能上：
- 编程和数学：o3 mini基本追平o3，部分测试甚至反超
- 长文写作和创意任务：明显弱于o3
- 价格：o3 mini大约是o3的1/10
简单说：如果你主要用它写代码或做数学推导，o3 mini是更高性价比的选择。
实测：它怎么处理复杂编程问题
我给它出了一道动态规划题：在一个带权有向图中，找到从起点到终点的路径，使路径上的最小边权最大化（最大最小路径问题）。
普通模型的通常做法：尝试暴力搜索或者套用Dijkstra。o3 mini的做法是：
- 先识别这是”最大最小路径”问题（不是最短路）
- 指出可以用二分答案 + BFS验证，或者修改版Dijkstra
- 写出修改版Dijkstra的完整代码，并标注了关键处理差异
- 给出了时间复杂度分析和边界情况说明
整个推理过程完整展示在回答里，不是”黑箱给答案”，而是可以跟着它的思路走。
这种过程透明的推理，是o3系列区别于GPT-4o的最大特征。
它的限制
诚实地说，o3 mini不是万能的：
- 上下文窗口短：当代码库很大时，它的表现会退化
- 过度推理：简单问题也会走很长的推理链，浪费时间和Token
- 创意类任务平庸：写个营销文案、设计故事情节，它不如GPT-4o流畅
对开发者的实际意义
o3 mini的出现，让AI辅助编程从”自动补全”升级到”自动推理”。
以前你用Copilot，它帮你补全语法。现在你用o3 mini，它帮你想清楚算法。这是质的区别。
但有一个问题随之而来：当AI能做算法题，初级程序员的位置在哪里？
我的看法：算法题不是编程的全部。 真实工程中，更多时间花在理解需求、处理遗留代码、协调团队上。这些o3 mini都还做不了。
短期内，o3 mini更像是一个”高级题解助手”，而不是”替代工程师”。
但长期来看，边界在移动。
更多AI模型测评，关注 wdsega.github.io