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.

#125 von 168 im AA Index · aktueller Snapshot
31 AA Index · 20 Benchmark-Zeilen · 7 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite70
Kontext200K
Input / 1M—
Output / 1M—
Wissensstichtag2024-06-01
Output-Speed134 t/s
TTFT (Default-API)5.65s
Statuslightweight
ChatGPT

Familienprofil

Bester veröffentlichter Score je abgedeckter Benchmark-Familie.

79/100 Ø
Wissen
85
Reasoning
88
Mathe
99
Coding
95
Agentisch
37
Langer Kontext
73
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 Analysis2026-09-01
LiveCodeBenchCoding#17/ 3181Artificial Analysis2026-09-01
AIMEMath#20/ 3788Artificial Analysis2026-09-01
AA time to first tokenPerformance#21/ 186Artificial Analysis2026-09-01
AA output speedPerformance#22/ 187Artificial Analysis2026-09-01
MMLU-ProKnowledge#22/ 3985Artificial Analysis2026-09-01
IFBenchReasoning#46/ 12771Artificial Analysis2026-09-01
AA-LCRLong context#62/ 17973Artificial Analysis2026-09-01
SciCodeCoding#116/ 18041Artificial Analysis2026-09-01
Humanity's Last ExamReasoning#120/ 18020Artificial Analysis2026-09-01
GPQA DiamondReasoning#124/ 18583Artificial Analysis2026-09-01
Terminal-BenchAgentic#126/ 18437Artificial Analysis2026-09-01
Artificial Analysis Intelligence IndexReasoning#143/ 18731Artificial Analysis2026-09-01
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
    Claude Mythos Preview
    95
  2. 2
    Gemini 3.7 Flash
    95
  3. 3
    Grok 4.6
    95
MathOpenAI o3 · 99
  1. 1
    OpenAI o3
    99
  2. 2
    GPT-5 (medium)
    99
  3. 3
    GPT-5 (high)
    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 · 73
  1. 1
    Muse Spark 1.2
    83
  2. 2
    Kimi K3
    83
  3. 3
    Gemini 3.5 Flash
    81
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.

13 neu
BenchmarkFamilyScoreQuelleTage her
AA-LCRLong context73.33%Artificial Analysis5
AA output speedPerformance134 t/sArtificial Analysis5
AA time to first tokenPerformance5.65sArtificial Analysis5
AIMEMath88.33%Artificial Analysis5
Artificial Analysis Intelligence IndexReasoning31.1%Artificial Analysis5
GPQA DiamondReasoning82.7%Artificial Analysis5
Humanity's Last ExamReasoning20.1%Artificial Analysis5
IFBenchReasoning71.43%Artificial Analysis5
LiveCodeBenchCoding80.8%Artificial Analysis5
MATHMath99.2%Artificial Analysis5
MMLU-ProKnowledge85.3%Artificial Analysis5
SciCodeCoding41%Artificial Analysis5
Terminal-BenchAgentic37.12%Artificial Analysis5
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 Kontext73
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.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMetaMiniMaxxAIZhipuXiaomiOtherMeituanCohereNVIDIA

Volles Benchmark-Ledger

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

20 Quell-Zeilen

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

Knowledge

Reasoning

Math

Coding

Agentic

Long context

Tool use

Performance

Quellen