o3

Veröffentlichung

April 2025

Knowledge Cutoff

Juni 2024

Parameter

Unbekannt

Modellfamilie

Proprietär

Zum Modell

o3 Modell-Übersicht

Playground System Card Blog API Referenz

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

Max. Input

200k Token

Max. Output

100k Token

Trainingsdaten

Unbekannt

Parameter

Unbekannt

Input Preis

$2.00

Output Preis

$8.00

Vokabular

Unbekannt

Dateigröße

Unbekannt

o3 Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

o3 Benchmark Übersicht

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.
Serie	Logik & Schlussfolgerung (min 0 / max 100)	Wissenschaft (min 0 / max 100)	Programmierung (min 0 / max 100)
OpenAI o3	56.900000000000006	83.3	74.35

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark Aider Polyglot. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5	88 %
GPT-5 Pro	88 %
Gemini 2.5 Pro	82,2 %
OpenAI o3	79,6 %
DeepSeek-R1-0528	71,6 %
GPT-5 mini	71,6 %

Vergleich von LLMs im Benchmark Aider Polyglot. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	100 %
GPT-5	99,6 %
Grok-4	98,8 %
Qwen3 235B A22B Thinking 2507	92,3 %
GPT-5 mini	91,1 %
OpenAI o3	88,9 %
Gemini 2.5 Pro	88 %
DeepSeek-R1-0528	87,5 %

Vergleich von LLMs im Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Graduate-Level Google-Proof Q&A Benchmark - Diamond Subset. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5 Pro	88,4 %
GPT-5	87,3 %
Gemini 2.5 Pro	86,4 %
OpenAI o3-pro	84 %
Claude Sonnet 4.5	83,4 %
OpenAI o3	83,3 %
Gemini 2.5 Flash-Lite	82,8 %
GPT-5 mini	82,3 %

Vergleich von LLMs im Benchmark Graduate-Level Google-Proof Q&A Benchmark - Diamond Subset. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	44,4 %
Grok-4	38,6 %
GPT-5	35,2 %
GPT-5 Pro	30,7 %
OpenAI o3	24,9 %
Gemini 2.5 Pro	21,6 %
Qwen3 235B A22B Thinking 2507	18,2 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Sonnet 4.5	77,2 %
GPT-5 Pro	74,9 %
GPT-5	74,9 %
GPT-5 mini	71 %
Kimi K2 (0905)	69,2 %
OpenAI o3	69,1 %
OpenAI o4-mini	68,1 %
GLM-4.6	68 %

Vergleich von LLMs im Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Multimodaler Transformer
Input Kontextlänge	200k
Output Kontextlänge	100k
Tokenizer	Unbekannt

Besonderheiten

Tool-Use	Mehrstufig während der Inferenz

Vorteile & Nachteile

Vorteile

SOTA-Modell von OpenAI
OpenAI o3 war zur Veröffentlichung das stärkste LLM von OpenAI.
Reasoning-Modell mit multimodaler Verarbeitung
OpenAI o3 kann neben Text auch Bilder als Input verarbeiten.
Verbesserte Performance durch autonome Nutzung von Tools
o3 ist in der Lage, eigenständig Tools zu verwenden. D.h., dass es für manche Aufgaben z.B. eigene Python Scripts erstellen und ausführen, oder für Informationsbeschaffung auf das Internet zugreifen kann.
Deutliche Preisreduktion in Juni 2025
Im Juni 2025 reduzierte OpenAI die Preise von $10 / $40 (Input/Output) auf $2 / $8. o3 ist damit deutlich günstiger als das Vorgängermodell o1.

Nachteile

Kleines Kontextfenster
o3 hat mit 200k Input-Tokens ein eher kleines Kontextfenster. GPT-4.1, im Vergleich, kann Inputs von bis zu 1 Mio. Token verarbeiten.
Kein Fine-Tuning möglich
Entwickler können keine eigenen Versionen von OpenAI o3 finetunen.

Vergleiche o3 mit anderen LLMs

Vergleiche o3 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	GPQA
Z.ai	GLM-4.6	MIT	355 Mrd.	200k	128k	$0.60	$2.00	82,8 %
xAI	Grok-4 Heavy	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,4 %
xAI	Grok 4	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,3 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$1.25	$10.00	74,2 %
Alibaba	Qwen3	Apache 2.0	235 Mrd.	262,14k	81,92k	$0.13	$0.60	74,1 %
DeepSeek AI	Deepseek-R1	MIT	671 Mrd.	163,84k	163,84k	$0.50	$2.15	73,3 %
Z.ai	GLM-4.5	MIT	355 Mrd.	131,07k	131,07k	$0.60	$2.20	72,9 %
Z.ai	GLM-4.5 Air	MIT	106 Mrd.	131,07k	131,07k	$0.20	$1.10	70,7 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$0.30	$2.50	59,3 %
Anthropic	Claude Sonnet 4	Proprietär	Unbekannt	200k	64k	$3.00	$15.00	55,9 %

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst OpenAI o3 über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.