OpenAI o3是OpenAI最先进的推理模型，专为处理复杂、高认知任务而打造。2025年4月推出，在软件工程、数学和科学问题解决方面表现卓越。该模型引入三种推理力度级别——低、中、高，让用户根据任务复杂度在延迟和推理深度之间取得平衡。o3支持开发者必备工具，包括函数调用、结构化输出和系统级消息。内置视觉能力使o3能解读和分析图像，适用于多模态应用。通过Chat Completions API、Assistants API和Batch API提供，可灵活集成到企业和研究工作流中。
网站 AI模型网页 | |
提供商 提供该模型的实体机构 | |
聊天 输入消息开始聊天 | |
发布日期 模型首次发布时间 | 1 年 ago 4月 16, 2025 |
模态 模型可处理的数据类型 | 文本 图像 |
API提供商 提供此模型的供应商（非完整列表） | OpenAI API |
知识截止日期 模型知识最后更新时间 | - |
开源 模型代码是否公开可用 | 否 |
输入定价 处理提示词中token的成本 | $10.00 每百万token |
输出定价 模型生成token的成本 | $40.00 每百万token |
MMLU 多任务语言理解测试 - 评估数学、历史、法律等57个学科的知识掌握 | 82.9% 来源 |
MMLU-Pro 增强版MMLU基准测试，包含更难的推理题、更多选项集并降低提示敏感性 | - |
MMMU 多任务多模态理解测试 - 评估文本、图像、音频和视频的综合理解能力 | - |
HellaSwag 高难度句子补全基准测试 | - |
HumanEval 评估代码生成和问题解决能力 | - |
MATH 测试不同难度级别的数学问题解决能力 | - |
GPQA 通过需要深度专业知识的选择题测试化学、生物和物理领域的博士水平知识 | 83.3% Diamond, no tools 来源 |
IFEval 测试模型准确遵循格式指令、生成适当输出并在不同任务中保持指令一致性的能力 | - |
SimpleQA 评估简单问题的准确性 | - |
AIME 2024 | 91.6% 来源 |
AIME 2025 | 88.9% 来源 |
Aider Polyglot 多语言编程基准。 | - |
LiveCodeBench v5 实时编程基准测试 | - |
Global MMLU (Lite) 用于评估模型在全球层面通用性的简化基准测试。 | - |
MathVista 评估人工智能模型在视觉环境中的数学推理能力 | - |
移动应用 | |
MathArena | |
| 平均分数 | 86% |
| AIME 2025 基于美国邀请数学考试（American Invitational Mathematics Examination）题目的测试，旨在检验模型的数学能力。 | 89% |
| HMMT February 2025 基于2025年2月哈佛-MIT数学竞赛题目的测试，旨在检验模型的数学能力。 | 78% |
| BRUMO 2025 | 96% |
| SMT 2025 基于2025年斯坦福数学竞赛题目的测试，旨在检验模型的数学能力。 | 88% |
| CMIMC 2025 基于2025年加拿大数学奥林匹克竞赛题目的测试，旨在检验模型的数学能力。 | 78% |