OpenAI o3-mini to szybki i ekonomiczny model rozumowania zaprojektowany do zastosowań STEM, zapewniający wysoką wydajność w nauce, matematyce i programowaniu. Wprowadzony na rynek w styczniu 2025 roku, zawiera kluczowe funkcje dla programistów, takie jak wywoływanie funkcji, strukturalne wyjścia i wiadomości dla deweloperów. Model oferuje trzy poziomy intensywności rozumowania—niski, średni i wysoki—umożliwiając użytkownikom optymalizację między głębszą analizą a szybszym czasem odpowiedzi. W przeciwieństwie do modelu o3, nie posiada zdolności wizualnych. Początkowo dostępny dla wybranych programistów na poziomach API 3-5, można go używać poprzez Chat Completions API, Assistants API i Batch API.
„Llama 3.3 70B Instruct“, stworzony przez Meta, to wielojęzyczny duży model językowy, specjalnie dostrojony do zadań opartych na instrukcjach i zoptymalizowany pod kątem aplikacji konwersacyjnych. Jest w stanie przetwarzać i generować tekst w wielu językach, a jego okno kontekstowe obsługuje do 128 000 tokenów. Wprowadzony na rynek 6 grudnia 2024 r., model przewyższa wiele otwartoźródłowych i komercyjnych chatbotów w różnych branżowych testach porównawczych. Wykorzystuje Grouped-Query Attention (GQA) w celu poprawy skalowalności i został wytrenowany na zróżnicowanym zbiorze danych obejmującym ponad 15 bilionów tokenów z publicznie dostępnych źródeł. Wiedza modelu jest aktualna do grudnia 2023 r.
| o3-mini | Llama 3.3 70B Instruct | |
|---|---|---|
Strona internetowa
| ||
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst | tekst |
Dostawcy API
| OpenAI API | Fireworks, Together, DeepInfra, Hyperbolic |
Data ostatniej aktualizacji wiedzy
| Nieznane | 12.2024 |
Open Source
| Nie | Tak |
Cena za wejście
| $1.10 za milion tokenów | $0.23 za milion tokenów |
Cena za wyjście
| $4.40 za milion tokenów | $0.40 za milion tokenów |
MMLU
| 86.9% pass@1, high effort Źródło | 86% 0-shot, CoT Źródło |
MMLU-Pro
| Niedostępne | 68.9% 5-shot, CoT Źródło |
MMMU
| Niedostępne | Niedostępne |
HellaSwag
| Niedostępne | Niedostępne |
HumanEval
| Niedostępne | 88.4% pass@1 Źródło |
MATH
| 97.9% pass@1, high effort Źródło | 77% 0-shot, CoT Źródło |
GPQA
| 79.7% 0-shot, high effort Źródło | 50.5% 0-shot, CoT Źródło |
IFEval
| Niedostępne | 92.1% Źródło |
SimpleQA
| - | - |
AIME 2024 | - | - |
AIME 2025 | - | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Aplikacja mobilna | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2025 All Right Reserved.