OpenAI'nin en son büyük dil modeli olan "o3", henüz geniş çapta piyasaya sürülmedi, ancak ön testler yeteneklerine işaret ediyor. Model, yetenekleri hakkında az ayrıntıyla bir tanıtım videosu aracılığıyla kısaca tanıtıldı. Özellikle, o3, yeni durumlara uyum sağlama yeteneğini ölçmek için tasarlanmış bir ölçüt olan "Yapay Genel Zekâ için Soyutlama ve Akıl Yürütme Korpusu" (ARC-AGI) kullanılarak test edildi. Bu testte o3, 76% doğruluk oranına ulaştı ve Mechanical Turk çalışanlarının kaydettiği insan skorlarını aşarak, AI'nın yeni görevleri ele alma yeteneğinde bir dönüm noktası olarak kabul edilen bir başarıya imza attı. ARC-AGI'yi geliştiren François Chollet, o3'ün skorunun AI yeteneğinde önemli bir sıçrama gösterdiğini vurguluyor ve o3'ün yakında insan işiyle rekabet edebileceğini öne sürüyor. Chollet, daha önce AI'nın insan seviyesinde zekâya ulaşması konusunda şüpheci olsa da, bu gelişmeyi bir değişim olarak kabul ediyor.

ARC-AGI testi, dil üzerine dayanmayan görsel bulmacaları çözmeyi içeriyor ve o3 gibi modellere yeni yollarla meydan okuyor. Başarılarına rağmen, o3'ün yöntemleri, kapalı kaynak yapısı nedeniyle belirsizliğini koruyor. Chollet, modelin mimarisinin öncüllerinden önemli ölçüde farklı olduğunu ve Google'ın AlphaZero tarafından kullanılan bir test zamanı arama yaklaşımını benimsediğini öne sürüyor. Ancak, OpenAI'nin ARC-AGI skorları için harcanan kaynakları açıklamadığına dikkat çekiyor, bu da algılanan verimliliği etkileyebilir. o3'ün genel uyarlanabilirliği konusunda sorular devam ediyor, zira özellikle ARC-AGI testi için eğitildi. Chollet, o3'ün umut vaat ettiğini vurgulasa da, bazı basit görevlerde başarısız olduğunu belirtiyor ve bunun henüz AGI (yapay genel zekâ) seviyesinde olmadığını öne sürüyor. Modellere, o3 gibi daha fazla meydan okumak için güncellenmiş bir ARC-AGI versiyonu yayımlamayı planladığını belirtiyor ve gerçek AGI'nın şimdilik hala erişilmez olduğunu ifade ediyor.