OpenAI近期发布的o3和o4-mini模型在编程与数学等领域表现突出，但其“幻觉”问题却显著恶化。据外媒TechCrunch报道，这两款推理模型的幻觉频率不仅超过前代o1、o1-mini和o3-mini，甚至高于传统非推理模型。内部测试显示，o3在PersonQA基准测试中的幻觉率高达33%，而o4-mini更达48%。相比之下，前代模型o1和o3-mini的幻觉率分别为16%和14.8%。

这一反常现象表明，随着模型规模扩大，幻觉问题反而更加严重。Transluce实验室的测试发现，o3曾虚构出在MacBook Pro上运行代码的操作，尽管其并无此能力。OpenAI发言人Niko Felix承认，解决幻觉问题是当前研究的重点，公司正努力提升模型的准确性和可靠性。然而，这一挑战仍需进一步探索与突破。