Zum Hauptinhalt springen
SprachmodellVeraltet

o3

OpenAI

Veröffentlicht
16. April 2025
Datenstand
8. September 2026
Vorgängermodell
o1
Benchmark-Meta-Score
4,3 / 100
Standardfehler ± 2,2
Geschwindigkeit
178,4 Token/s
Ausgabe-Tempo
Preis
2 $ · 8 $
Eingabe · Ausgabe / 1 Mio. Token
Eingabe
Text, Bild
Ausgabe
Text

Neu an o3 war die Verbindung von Reasoning und agentischer Werkzeugnutzung in ChatGPT. Das Modell kann selbst entscheiden, wann es Websuche, Python oder Bildgenerierung kombiniert. Es kann außerdem Bilder in seine Gedankengänge einbeziehen, statt sie nur vor dem Nachdenken zu beschreiben.

Gegenüber o1 berichtet OpenAI weniger schwere Fehler bei schwierigen Praxisaufgaben. o4-mini erschien parallel als kleinere, günstigere Stufe. o3-pro ergänzt o3 mit mehr Rechenaufwand für längeres Nachdenken.

Position
Platz 49 von 91
Indexwert
4,3 / 100
1.Claude Fable 5.193 / 100
1.Claude Opus 5.594,3 / 100
1.Claude Sonnet 5.591,5 / 100
2.GPT-6 Astra90,5 / 100
3.Claude Opus 587,6 / 100
4.GPT-6.1 Sol88,6 / 100
4.Muse Wonder Full86,9 / 100
5.Claude Fable 585 / 100
7.Muse Wonder80 / 100
10.Gemini 3.7 Flash71,3 / 100
10.Gemini 3.8 Flash70,2 / 100
10.GPT-5.6 Sol71,4 / 100
10.GPT-6 Sol70,4 / 100
10.Muse Spark 1.366,1 / 100
11.Claude Haiku 5.559,3 / 100
13.Kimi K362 / 100
15.GPT-5.554,7 / 100
16.Claude Opus 4.852 / 100
16.Grok 4.655,7 / 100
16.Grok 4.754,6 / 100
17.Qwen 3.8 Max 090249,8 / 100
18.Claude Opus 4.744,9 / 100
18.GLM-5.350,5 / 100
18.GPT-5.6 Terra47,9 / 100
20.DeepSeek-V4.1-Flash42,4 / 100
20.Gemini 3.6 Flash44,4 / 100
21.Gemini 3.5 Flash45,9 / 100
22.Grok 4.537,9 / 100
23.Mistral Large 432,4 / 100
24.GLM-5.3-Flash38 / 100
24.GPT-6 Luna38,6 / 100
28.Claude Sonnet 531,5 / 100
28.GPT-5.6 Luna33,1 / 100
29.Gemini 3.1 Pro Preview28,7 / 100
32.Claude Opus 4.617,9 / 100
33.DeepSeek-V4-Flash15,1 / 100
34.Claude Sonnet 4.620,1 / 100
34.DeepSeek-V4-Pro19,6 / 100
34.GLM-5.224,1 / 100
35.Qwen 3.8 27B14,8 / 100
36.MiniMax M316,9 / 100
36.Qwen 3.7 Max16,8 / 100
37.Gemini 3 Flash Preview10,6 / 100
37.GPT-5.415,4 / 100
40.Kimi K2.613,2 / 100
42.Kimi K2.7 Code9,4 / 100
43.GPT-57,5 / 100
44.GLM-5.18,9 / 100
44.Qwen 3.7 Plus8,2 / 100
45.Claude Opus 4.55,2 / 100
47.Inkling4,6 / 100
47.Inkling Small4,9 / 100
47.MiMo-V2.5-Pro4,5 / 100
49.Gemini 3.5 Flash-Lite4,8 / 100
49.o34,3 / 100
51.GPT-5.4 mini3,7 / 100
54.GLM-52,5 / 100
54.Grok 4.32,2 / 100
55.Kimi K2.52,2 / 100
55.Qwen 3.6 27B1,8 / 100
57.Claude Sonnet 4.50,9 / 100
57.Gemma 4 31B0,3 / 100
57.MiMo-V2.51,4 / 100
58.GPT-5 mini1,4 / 100
60.MiniMax M2.71,1 / 100
60.o4-mini0,7 / 100
62.Gemini 2.5 Pro0,4 / 100
62.GPT-5.4 nano0,7 / 100
63.MiniMax M2.50,6 / 100
64.Gemini 3.1 Flash-Lite0,4 / 100
66.MiniMax M2.10,2 / 100
67.Ling 3.0 Flash0,1 / 100
67.o10,1 / 100
69.Kimi K2 Thinking0,1 / 100
72.GLM-4.50 / 100
73.DeepSeek-R10 / 100
73.Mistral Medium 3.50 / 100
74.GPT OSS 120B0 / 100
75.GPT-4.10 / 100
78.GPT-4.1 mini0 / 100
78.GPT-5 nano0 / 100
78.o3-mini0 / 100
80.Trinity Large Thinking0 / 100
81.DeepSeek-V3 03240 / 100
82.GPT OSS 20B0 / 100
82.Mistral Small 40 / 100
83.Mistral Large 30 / 100
86.DeepSeek-V30 / 100
88.Llama 4 Maverick0 / 100
90.Command A0 / 100
90.Llama 4 Scout0 / 100
Methodik und Quelle

Der Auswahlindex des LLM-Vergleichshubs mittelt Rangperzentile aus 65 dokumentierten Vergleichskohorten. Die Benchmark-Meta-Scores stehen im Benchmarkbereich.