OpenAI o3 to najbardziej zaawansowany model rozumowania od OpenAI, stworzony specjalnie do obsługi złożonych zadań wymagających wysokiej sprawności poznawczej. Wprowadzony w kwietniu 2025 roku, zapewnia wyjątkową wydajność w inżynierii oprogramowania, matematyce i rozwiązywaniu problemów naukowych. Model wprowadza trzy poziomy wysiłku rozumowania — niski, średni i wysoki — pozwalając użytkownikom zrównoważyć opóźnienie i głębię rozumowania w zależności od złożoności zadania. o3 obsługuje niezbędne narzędzia dla deweloperów, w tym wywoływanie funkcji, strukturalne wyniki i komunikaty na poziomie systemu. Dzięki wbudowanym możliwościom wizyjnym o3 może interpretować i analizować obrazy, co czyni go odpowiednim do zastosowań multimodalnych. Jest dostępny przez Chat Completions API, Assistants API i Batch API, umożliwiając elastyczną integrację z przepływami pracy przedsiębiorstw i badań.
W ciągu pięciu miesięcy od wydania Qwen2-VL deweloperzy zbudowali na jego podstawie nowe modele, dostarczając cennych opinii. Teraz Qwen2.5-VL wprowadza ulepszone możliwości, w tym precyzyjną analizę obrazów, tekstów i wykresów oraz lokalizację obiektów ze strukturalnymi wynikami JSON. Rozumie długie filmy, identyfikuje kluczowe wydarzenia i działa jako agent, współpracujący z narzędziami na komputerach i telefonach. Architektura modelu obejmuje dynamiczne przetwarzanie wideo i zoptymalizowany enkoder ViT dla lepszej szybkości i dokładności.
| o3 | Qwen2.5-VL-32B | |
|---|---|---|
Strona internetowa
| ||
Dostawca
| ||
Czat
| ||
Data wydania
| ||
Modalności
| tekst obrazy | tekst obrazy wideo |
Dostawcy API
| OpenAI API | - |
Data ostatniej aktualizacji wiedzy
| - | Nieznane |
Open Source
| Nie | Tak (Źródło) |
Cena za wejście
| $10.00 za milion tokenów | $0 |
Cena za wyjście
| $40.00 za milion tokenów | $0 |
MMLU
| 82.9% Źródło | 78.4% Źródło |
MMLU-Pro
| - | 49.5% |
MMMU
| - | 70% |
HellaSwag
| - | Niedostępne |
HumanEval
| - | Niedostępne |
MATH
| - | 82.2% |
GPQA
| 83.3% Diamond, no tools Źródło | 46.0% Diamond |
IFEval
| - | Niedostępne |
SimpleQA
| - | - |
AIME 2024 | 91.6% Źródło | - |
AIME 2025 | 88.9% Źródło | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | - |
MathVista
| - | - |
Aplikacja mobilna | - | |
MathArena | ||
| Średni wynik | 86% | - |
AIME 2025 Test oparty na zadaniach z konkursu matematycznego (American Invitational Mathematics Examination),mający na celu sprawdzenie umiejętności matematycznych modeli. | 89% | - |
HMMT February 2025 Test oparty na zadaniach z Harvard-MIT Mathematics Tournament, luty 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | 78% | - |
BRUMO 2025 | 96% | - |
SMT 2025 Test oparty na zadaniach z Stanford Math Tournament, 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | 88% | - |
CMIMC 2025 Test oparty na zadaniach z Canadian Mathematical Olympiad, 2025, mający na celu sprawdzenie umiejętności matematycznych modeli. | 78% | - |
Compare AI. Test. Benchmarks. Chatboty mobilne, Sketch
Copyright © 2026 All Right Reserved.