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。
GPT-4.1由OpenAI于2025年4月14日推出，提供100万令牌的上下文窗口，每个请求最多支持输出32,768个令牌。在编码任务中表现卓越，SWE-Bench Verified基准测试达到54.6%，在MultiChallenge指令遵循方面比GPT-4o提高10.5%。模型知识截止日期为2024年6月。输入每百万令牌2.00美元，输出每百万令牌8.00美元，缓存输入可享75%折扣，对于重复查询极具成本效益。
| o3 | GPT-4.1 | |
|---|---|---|
网站
| ||
提供商
| ||
聊天
| ||
发布日期
| ||
模态
| 文本 图像 | 文本 图像 |
API提供商
| OpenAI API | OpenAI API |
知识截止日期
| - | - |
开源
| 否 | 否 |
输入定价
| $10.00 每百万token | $2.00 每百万token |
输出定价
| $40.00 每百万token | $8.00 每百万token |
MMLU
| 82.9% 来源 | 90.2% pass@1 来源 |
MMLU-Pro
| - | - |
MMMU
| - | 74.8% 来源 |
HellaSwag
| - | - |
HumanEval
| - | - |
MATH
| - | - |
GPQA
| 83.3% Diamond, no tools 来源 | 66.3% Diamond 来源 |
IFEval
| - | - |
SimpleQA
| - | - |
AIME 2024 | 91.6% 来源 | 48.1% 来源 |
AIME 2025 | 88.9% 来源 | - |
Aider Polyglot
| - | - |
LiveCodeBench v5
| - | - |
Global MMLU (Lite)
| - | 87.3% pass@1 来源 |
MathVista
| - | - |
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% | - |