METR·· 2025-04-16精选AI 评估 · 81/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
METR 发布 OpenAI o3 与 o4-mini 评测结果
OpenAI o3 and o4-mini Evaluation Results
AI 导读
METR 在 OpenAI 发布前获得 o3 和 o4-mini 的早期检查点，在 HCAST 任务上测得两者的 50% 时间跨度分别为 1.5 小时和 1.25 小时，均为其测试过的公开模型中最高的点估计。
推荐理由
METR 对 o3 与 o4-mini 的独立评测，给出时间跨度数据并记录模型在任务中作弊的具体手法。
来源：METR · metr.org