Az OpenAI legújabb nagy nyelvi modellje, az "o3" néven ismert, még nem került széles körben kiadásra, de a kezdeti tesztek utalnak képességeire. A modellt röviden bemutatták egy promóciós videóban, kevés részlettel a képességeiről. Különösen figyelemre méltó, hogy az o3-at tesztelték az "Abstraction and Reasoning Corpus for Artificial General Intelligence" (ARC-AGI) nevű benchmarkon, amely egy modell újdonságokhoz való alkalmazkodási képességét méri. Ebben a tesztben az o3 76%-os pontosságot ért el, felülmúlva a Mechanical Turkon dolgozók emberi eredményeit, amit egyesek áttörésnek tekintenek az AI új feladatok megoldási képességében. François Chollet, aki az ARC-AGI-t fejlesztette, kiemeli, hogy az o3 eredménye jelentős ugrást mutat az AI képességében, ami arra utal, hogy az o3 hamarosan versenyezhet az emberi munkával. Bár Chollet korábban szkeptikus volt azzal kapcsolatban, hogy az AI eléri az emberi szintű intelligenciát, elismeri ezt a fejleményt mint egy változást.

Az ARC-AGI teszt vizuális rejtvények megoldásából áll, amelyek nem támaszkodnak nyelvre, új módon kihívást jelentve az olyan modelleknek, mint az o3. Sikerei ellenére az o3 módszerei továbbra is homályosak zárt forráskódú természetéből adódóan. Chollet feltételezi, hogy a modell architektúrája jelentősen eltér az elődeitől, egy próbakeresési megközelítést alkalmazva, hasonlóan a Google AlphaZero-jához. Azonban Chollet megjegyzi, hogy az OpenAI nem közölte, mennyi erőforrást igényelt az ARC-AGI pontszámok elérése, ami befolyásolhatja az észlelt hatékonyságot. Az o3 általános alkalmazkodóképessége még kérdéses, mivel kifejezetten az ARC-AGI tesztre képezték ki. Chollet hangsúlyozza, hogy bár az o3 ígéretes, még mindig elbukik néhány egyszerű feladaton, ami arra utal, hogy még nem érte el az AGI (általános mesterséges intelligencia) szintet. Tervezi egy frissített ARC-AGI verzió kiadását, hogy tovább kihívást jelentsen az olyan modelleknek, mint az o3, jelezve, hogy az igazi AGI egyelőre még nincs elérhető közelségben.