# OpenAI 的 o3 和 o4-mini 现在能直接在推理链里“想”图片了

> 原标题：Thinking with images

- 来源：OpenAI News
- 发布时间：2025-04-16T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/578
- 原文：https://openai.com/index/thinking-with-images

## 摘要

OpenAI 在 4 月 16 日说，o3 和 o4-mini 这两个模型学会了一项新本事：它们不再只是“看”图片，而是能在内部推理时直接对图片做裁剪、缩放、旋转等操作，整个过程不依赖外挂的视觉模型。这意味着模型可以自己把倒过来的字转正再读，或者放大图片里的细节来找线索。

## 推荐理由

OpenAI 让 o3 和 o4-mini 在推理链内直接裁剪、缩放、旋转图片，不依赖外挂视觉模型，模型能自行转正倒置文字或放大细节找线索。

## 锐评

把图像操作塞进推理链，这个方向比单纯加个视觉 encoder 有意思。倒过来的字转正再读，模型自己决定看哪里、看多大，省 context 也省 token，做 agent 的都知道视觉这块分辨率一高就爆。OpenAI 只给了演示耗时，没给 benchmark 分数，这种 demo 我见多了，第三方测出来之前我不太信。
