VerdictPal
Beitreten

Modelle / OpenAI

OpenAI o3

OpenAI o · Release 2025-04-16

OpenAIs Reasoning-Modell April 2025. Extended Thinking für Mathe, Code und Wissenschaft. LiveBench 68,5 %, LongBench v2 51,2 %, BFCL 78,1 %.

OpenAI-Reasoning-Tier, wenn Latenz und Kosten hinter schwierigster Single-Shot-Problemlösung zurückstehen.

#135 von 184 im AA Index · aktueller Snapshot
20 AA Index · 19 Benchmark-Zeilen · 7 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite71
Kontext200K
Input / 1M—
Output / 1M—
Wissensstichtag2024-06-01
Output-Speed151 t/s
TTFT (Default-API)4.72s
Statuslightweight
ChatGPT

Familienprofil

Bester veröffentlichter Score je abgedeckter Benchmark-Familie.

80/100 Ø
Wissen
85
Reasoning
88
Mathe
99
Coding
95
Agentisch
37
Langer Kontext
75
Tool-Nutzung
78

7 getestete Benchmark-Familien

Benchmark-Platzierungen

Wo OpenAI o3 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
MATHMath#2/ 2599Artificial Analysis2026-09-10
AA output speedPerformance#16/ 190Artificial Analysis2026-09-10
LiveCodeBenchCoding#17/ 3181Artificial Analysis2026-09-10
AIMEMath#20/ 3788Artificial Analysis2026-09-10
MMLU-ProKnowledge#22/ 3985Artificial Analysis2026-09-10
AA time to first tokenPerformance#25/ 190Artificial Analysis2026-09-10
IFBenchReasoning#46/ 12771Artificial Analysis2026-09-10
AA-LCRLong context#86/ 18275Artificial Analysis2026-09-10
Humanity's Last ExamReasoning#125/ 18520Artificial Analysis2026-09-10
GPQA DiamondReasoning#129/ 19083Artificial Analysis2026-09-10
Terminal-BenchAgentic#131/ 18937Artificial Analysis2026-09-10
Artificial Analysis Intelligence IndexReasoning#139/ 18820Artificial Analysis2026-09-10
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo OpenAI o3 auftaucht, ist es hervorgehoben.

KnowledgeOpenAI o3 · 85
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
ReasoningOpenAI o3 · 88
  1. 1
    GPT-6 Astra
    96
  2. 2
    Claude Mythos Preview
    95
  3. 3
    Gemini 3.7 Flash
    95
MathOpenAI o3 · 99
  1. 1
    OpenAI o3
    99
  2. 2
    GPT-5 (medium)
    99
  3. 3
    Grok 4
    99
CodingOpenAI o3 · 95
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticOpenAI o3 · 37
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
Long contextOpenAI o3 · 75
  1. 1
    Kimi K3
    89
  2. 2
    Claude Fable 5.1
    85
  3. 3
    GPT-5.5 (high)
    84
Tool useOpenAI o3 · 78
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für OpenAI o3 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

12 neu
BenchmarkFamilyScoreQuelleTage her
AA-LCRLong context74.67%Artificial Analysis4
AA output speedPerformance151 t/sArtificial Analysis4
AA time to first tokenPerformance4.72sArtificial Analysis4
AIMEMath88.33%Artificial Analysis4
Artificial Analysis Intelligence IndexReasoning20.2%Artificial Analysis4
GPQA DiamondReasoning82.7%Artificial Analysis4
Humanity's Last ExamReasoning20.1%Artificial Analysis4
IFBenchReasoning71.43%Artificial Analysis4
LiveCodeBenchCoding80.8%Artificial Analysis4
MATHMath99.2%Artificial Analysis4
MMLU-ProKnowledge85.3%Artificial Analysis4
Terminal-BenchAgentic37.12%Artificial Analysis4
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Wissen85
Reasoning88
Mathe99
Coding95
Agentisch37
Langer Kontext75
Tool-Nutzung78
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30Input-USD / 1M Tokens · log-Skala →← Intelligenz

Hover auf einen Punkt zeigt Name, Score und Input-Preis. Per Tastatur: die zwölf besten mit Tab durchgehen oder die Rangliste unten nutzen.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMetaxAIMiniMaxZhipuXiaomiOtherMeituanCohereNVIDIA

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für OpenAI o3. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

19 Quell-Zeilen

17 von 37 Katalog-Benchmarks haben eine belegte Zeile für OpenAI o3.

Knowledge

Reasoning

Math

Coding

Agentic

Long context

Tool use

Performance

Quellen

The Pack · Redaktionsnewsletter

Neue Tools in dein Postfach. Kostenlos.

Eine kurze E-Mail, wenn ein Tool erscheint oder den Status wechselt. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.