OpenAI o3는 복잡하고 고차원적인 사고가 필요한 작업을 처리하기 위해 특별히 설계된 OpenAI의 가장 진보된 추론 모델입니다. 2025년 4월 출시된 이 모델은 소프트웨어 엔지니어링, 수학, 과학 문제 해결에서 탁월한 성능을 보여줍니다. 저·중·고 세 단계의 추론 수준을 제공하여 작업 복잡도에 따라 지연 시간과 추론 깊이 사이에서 균형을 맞출 수 있습니다. 함수 호출, 구조화된 출력, 시스템 메시지 등 개발자용 핵심 도구를 지원하며, 내장된 비전 기능을 통해 이미지 해석 및 분석도 가능합니다. 이 모델은 Chat Completions API, Assistants API, Batch API를 통해 제공되어 기업 및 연구 환경에 유연하게 통합할 수 있습니다.
메타가 개발한 Llama 3.3 70B Instruct는 지시 기반 작업에 특화되어 미세 조정된 다국어 대형 언어 모델로, 대화형 응용에 최적화되어 있습니다. 최대 128,000 토큰의 컨텍스트 윈도우를 지원하며, 다양한 언어의 텍스트 생성 및 처리가 가능합니다. 2024년 12월 6일 출시되었으며, 공개 및 사유 챗봇 모델 다수를 능가하는 벤치마크 성능을 기록했습니다. Grouped-Query Attention(GQA)을 활용해 확장성을 높였으며, 공개 데이터 기반의 15조 개 이상 토큰으로 학습되었습니다. 모델 지식은 2023년 12월 기준입니다.
| o3 | Llama 3.3 70B Instruct | |
|---|---|---|
웹사이트
| ||
제공자
| ||
채팅
| ||
출시일
| ||
모달리티
| 텍스트 이미지 | 텍스트 |
API 제공자
| OpenAI API | Fireworks, Together, DeepInfra, Hyperbolic |
지식 업데이트 종료일
| - | 12.2024 |
오픈 소스
| 아니오 | 예 |
입력 가격
| $10.00 100만 토큰당 | $0.23 100만 토큰당 |
출력 가격
| $40.00 100만 토큰당 | $0.40 100만 토큰당 |
MMLU
| 82.9% 출처 | 86% 0-shot, CoT 출처 |
MMLU-Pro
| - | 68.9% 5-shot, CoT 출처 |
MMMU
| - | 정보 없음 |
HellaSwag
| - | 정보 없음 |
HumanEval
| - | 88.4% pass@1 출처 |
MATH
| - | 77% 0-shot, CoT 출처 |
GPQA
| 83.3% Diamond, no tools 출처 | 50.5% 0-shot, CoT 출처 |
IFEval
| - | 92.1% 출처 |
SimpleQA
| - | - |
AIME 2024 | 91.6% 출처 | - |
AIME 2025 | 88.9% 출처 | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
모바일 앱 | - | |
MathArena | ||
| 평균 점수 | 86% | - |
AIME 2025 American Invitational Mathematics Examination의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 89% | - |
HMMT February 2025 2025년 2월 Harvard-MIT Mathematics Tournament의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 78% | - |
BRUMO 2025 | 96% | - |
SMT 2025 2025년 Stanford Math Tournament의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 88% | - |
CMIMC 2025 2025년 Canadian Mathematical Olympiad의 문제를 기반으로 한 테스트로, 모델의 수학적 능력을 검증하기 위해 설계되었습니다. | 78% | - |