ChatGPT團隊OpenAI，近期發布了最新推理AI模型o3與o4-mini，不只是寫程式、解題的能力更上一層樓，更首次將圖像整合進思維鏈中，讓AI不只是能看到圖像，還能利用圖像思考與回答。本文用o3實測了3個實用的圖片分析功能，包括給出完整的飲食控制建議；辨識照片中遠處的小字與揪出拍照地點，真的都能準確完成？哪一個功能最強？一文詳解。
OpenAI o3 怎麼用？
1月底時，OpenAI先推出o3的小模型o3-mini和o3-mini-high；在4月16日時，正式推出推理模型o3，以及新推理模型o4的小模型o4-mini和o4-mini-high。號稱是OpenAI最聰明、最強大的模型，並且也首次將圖像分析納入推理範圍，功能更全面。
目前ChatGPT的Plus用戶已能使用這些新模型，取代o1、o3‑mini和o3‑mini‑high。額度限制為每週可用o3傳100則訊息、每天可用o4-mini傳300則訊息、o4-mini-high則為100則訊息。
實測1：辨識照片拍攝地點
有時在網路上看到一張照片，想知道是在哪裡拍攝的，除了使用Google以圖搜圖，現在也可以直接問ChatGPT。
o3的強項之一在於，其在檢視照片時，會透過放大、裁剪等技巧確認照片中的細節，例如放大路標文字、細看遠處建築物等。實測上傳一張在臺北市立美術館內往外拍的照片，o3有正確辨識出畫面中的圓山大飯店，也有推論出照片的拍攝位置和角度。
不過，再多上傳一些照片測試後發現，只要畫面看起來像在校園內拍攝，o3都會優先猜測其是位於台灣大學。例如在交大校園博覽會拍攝的照片，畫面中的旗子上寫著「國立陽明交通大學」字樣，但o3並未嘗試放大照片查看，便直接做出判斷。
另一張在清華大學成功湖畔拍攝的照片，畫面中有清大的代表動物熊貓，但o3也並未以此推理，而是直接判斷為台灣大學。
實測2：幫忙看照片中的遠處文字
上傳一張從遠方拍攝旗幟的照片，旗上文字是以右轉90度的角度書寫。實測結果發現，o3透過放大和旋轉照片，成功辨識出旗子上的文字。
實測3：計算熱量與提供飲食控制建議
除了提供照片上有的資訊，o3也可根據照片提供進一步的分析報告。上傳三張食物的照片，包括一張蔥油餅加蛋和蝦仁的照片，以及兩張附有營養資訊的餅乾包裝照片，請o3計算熱量並提供飲食控制建議。
結果發現，兩個餅乾的熱量o3皆有正確辨識，並且製作了一個表格統整份量、營養成分和熱量。接著o3根據目前攝取的營養和熱量，提供今日應補足的食物建議，相當詳細且清楚。
完整對話可見此連結。
小結：辨識圖中文字的能力更強
雖然這並不是ChatGPT第一次開放圖像分析功能，但推理模型o3相較於4o等過去模型，在辨識圖片時確實會更仔細查看細節後再回應，降低了其回答錯誤的可能。特別是有了放大和裁切等自動編輯照片的功能，使其在文字辨識的表現更加出色。
