o3-mini
よりコスパが高いモデル: Ling 3.0 Flash $0.115/MでIndex 51.7(17分の1の価格)。
より安価でスコアの高いランク付けモデルが86つあります:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50)ほか83つ。
2026年11月16日時点で、o3-mini(OpenAI)のBenchLeader Indexは50.2です(ランク付け対象は608構成)。最も強いのは数学(55)、最も弱いのはエージェント・ツール(40)です。API料金は入力100万トークンあたり$1.10、出力100万トークンあたり$4.40(3:1のブレンドで$1.93)で、2026年11月16日時点の定価です。出力速度は約190トークン/秒です(Artificial Analysis)。2025年1月31日にリリースされました。
要点(2026年11月16日時点)
- o3-miniのAPI料金は入力100万トークンあたり$1.10、出力100万トークンあたり$4.40(3:1のブレンドで$1.93)です(定価、2026年11月16日)。
- o3-miniの出力速度は約190トークン/秒です(Artificial Analysis、2026年11月16日)。
- o3-miniは2025年1月31日にリリースされました(OpenAI)。
詳しく見ると:o3-miniはOpenAIのプロプライエタリな推論モデルです(2025年1月31日リリース)。最もスコアの高い構成は、BenchLeader Indexで50.2 ±4.9を記録し、608構成中344位で下位半分に入ります。重要なのはこの「±」です。ほかに279構成のスコアがこの範囲に入っており、品質だけでは区別できません。差がつくのは価格と速度です。カテゴリ別では数学が最も高く(55)、エージェント・ツールが最も低くなっています(40)。ブレンド価格は100万トークンあたり$1.93で、ランク付けされたモデルの多くより高価です。出力速度は192トークン/秒、回答開始まで6.3秒で、最速の4分の1に入ります。4通りの推論エフォート設定で測定されています。この要約は最もスコアの高い設定について述べたもので、上のタブで切り替えられます。最終測定日:2026年11月11日。
- ブレンド価格
- $1.93/M
- 入力$1.10・出力$4.40
- 出典:Artificial Analysis
- 出力速度
- 192 tok/s
- Artificial Analysisによる測定
- 回答開始
- 6.25 s
- コンテキスト
- 200k
- 出典:models.dev
- タスクあたりコスト
- –
- タスクあたりトークン数
- –
- リリース日
- 2025年1月31日
- 総合Index50
- 推論52
- コーディング54
- エージェント・ツール40
- 数学55
- 人間の評価51
この順位を埋め込む
ほかのバッジスタイル[](https://www.benchleader.com/models/o3-mini)README.mdの冒頭、ほかのバッジの横に貼り付けてください。バッジはデータの更新ごとに描き直され、このページへリンクします。
推論エフォート別の構成
同じモデルでも、どれだけ考えさせるかによって振る舞いが変わります。各行が1つの推論エフォート設定で、その設定で実行されたベンチマークだけで評価しています。「未記載」は、どの設定を使ったかを公開元が明記していない結果をまとめたものです。推論モデルの場合は思考モードであることが多いものの、そうとは仮定していません。ここかページ上部で設定を選ぶと、その価格、速度、カテゴリ別スコアを表示します。
| エフォート | Index | 順位 | 速度 | 回答開始 | チャット返答のコスト | カテゴリ |
|---|---|---|---|---|---|---|
| low | 40.2 | #532 | 192 tok/s | 6.25 s | $0.0018 | コーディング 36 · 数学 32 · 推論 38 |
| medium | 46.4 | #433 | 192 tok/s | 6.25 s | $0.0018 | エージェント・ツール 46 · コーディング 53 · 長文コンテキスト 41 · 数学 45 · 推論 41 |
| high | 47.9 | #393 | 213 tok/s | 19 s | $0.0018 | エージェント・ツール 35 · コーディング 50 · 人間の評価 53 · 指示追従 66 · 知識 41 · 長文コンテキスト 45 · 数学 51 · 推論 41 |
| 未記載最良 | 50.2 | #344 | 192 tok/s | 6.25 s | $0.0018 | エージェント・ツール 40 · コーディング 54 · 人間の評価 51 · 数学 55 · 推論 52 |
Indexの推移
2026年9月8日〜2026年11月16日- 標準
- high
- medium
- low
Indexは毎日ゼロから計算し直すため、新しいベンチマーク結果が加わったとき、公開元がスコアを修正したとき、または正規化の基準となるモデルが変わったときに線が動きます。初期の変動は、スコアがまだ落ち着いていないことを示している場合がほとんどです。
ベンチマーク結果
LLMベンチマーク一覧を見る。列は推論エフォートごとです。順位は、そのベンチマークでのすべてのモデルのすべての構成の中での位置です。スコアにカーソルを合わせると、元になった実行が表示されます。
推論
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| GPQA Diamond | 68.2%#186 | 74.3%#165 | 77.0%#151 | – | Epoch AI Benchmarking Hub | |
| SimpleBench | – | – | 22.8%#100 | – | SimpleBench | |
| Arena Hard Prompts | – | – | 1402#180 | 1371#204 | Arena (LMArena) | |
| GPQA Diamond (AA)Index対象外 | – | – | 77.3%#225 | 74.8%#258 | Artificial Analysis | |
| Humanity's Last Exam (AA)Index対象外 | – | – | 12.0%#301 | 7.9%#376 | Artificial Analysis | |
| GPQA Diamond (Vals)Index対象外 | – | – | 75.5%#78 | – | Vals AI | |
| ARC-AGI-1 | 14.5%#236 | 22.3%#225 | 34.5%#208 | – | ARC Prize | |
| ARC-AGI-2 | 0.0%#251 | 2.1%#208 | 3.0%#200 | – | ARC Prize | |
| CritPtIndex対象外 | – | – | 0.3%#291 | – | Artificial Analysis | |
| SciPredictIndex対象外エフォート未記載 | – | – | – | 19.8%#7 | Scale AI SEAL | |
| Arena ExpertIndex対象外 | – | – | 1399#175 | 1366#203 | Arena (LMArena) | |
| Chess PuzzlesIndex対象外 | 6.0%#142 | 11.0%#128 | 15.0%#120 | – | Epoch AI Benchmarking Hub | |
| Mystery Game PuzzlesIndex対象外 | – | – | 7.0%#128 | – | Epoch AI Benchmarking Hub | |
| LMCAIndex対象外 | – | – | 19.0%#169 | – | Epoch AI Benchmarking Hub | |
| DTBenchIndex対象外 | – | – | 68.8%#167 | – | Epoch AI Benchmarking Hub | |
| ForecastBenchIndex対象外エフォート未記載 | – | – | – | 63.5%#41 | ForecastBench |
コーディング
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| SciCode | – | – | 42.8%#166 | – | SciCode | |
| WeirdML | – | – | 43.7%#88 | – | WeirdML | |
| GSO-Bench | 1.3%#33 | – | 1.3%#33 | – | GSO-Bench | |
| Arena Coding | – | – | 1434#173 | 1417#189 | Arena (LMArena) | |
| SciCode (AA)Index対象外 | – | – | 42.8%#175 | – | Artificial Analysis | |
| LiveCodeBench | – | – | 71.5%#83 | – | Vals AI | |
| Aider Polyglot | – | 53.8%#30 | 60.4%#21 | – | Aider polyglot leaderboard | |
| SWE-bench Verified (any scaffold)Index対象外エフォート未記載 | – | – | – | 42.4%#42 | SWE-bench | |
| CadEvalIndex対象外 | – | 54.0%#5 | – | – | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)Index対象外 | – | – | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)Index対象外 | – | – | 4.5%#212 | – | Artificial Analysis | |
| LiveCodeBench (AA)Index対象外 | – | – | 73.4%#52 | 71.8%#57 | Artificial Analysis |
エージェント・ツール
| ベンチマーク | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| Cybench | 22.5%#10 | – | – | Cybench | |
| Terminal-Bench Hard | – | 6.1%#271 | 6.8%#254 | Artificial Analysis | |
| τ²-Bench Telecom (AA)Index対象外 | – | 31.3%#258 | 28.6%#271 | Artificial Analysis | |
| GDPval-AA v2.1Index対象外 | – | 237#271 | – | Artificial Analysis | |
| τ³-Banking (AA) | – | 5.2%#187 | – | Artificial Analysis | |
| AutomationBenchIndex対象外 | – | 0.5%#241 | – | Artificial Analysis | |
| GDP.pdf (AA)Index対象外 | – | 2.0%#225 | – | Artificial Analysis | |
| AA-Briefcase v1.1Index対象外 | – | 143#243 | – | Artificial Analysis | |
| BrowseCompIndex対象外エフォート未記載 | – | – | 1.5%#13 | OpenAI |
数学
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| FrontierMath Tiers 1–3 | 3.9%#118 | 10.5%#109 | 18.6%#99 | – | Epoch AI Benchmarking Hub | |
| FrontierMath Tier 4 | – | – | 0.0%#77 | – | Epoch AI Benchmarking Hub | |
| OTIS Mock AIME | 44.4%#205 | 63.9%#168 | 76.9%#136 | – | Epoch AI Benchmarking Hub | |
| MATH Level 5 | – | 95.2%#14 | 96.5%#10 | – | Epoch AI Benchmarking Hub | |
| AIME (Vals) | – | – | 86.5%#32 | – | Vals AI | |
| MGSM | – | – | 91.3%#27 | – | Vals AI | |
| MATH 500Index対象外 | – | – | 91.8%#19 | – | Vals AI | |
| Arena Maths | – | – | 1405#147 | 1382#175 | Arena (LMArena) |
知識
| ベンチマーク | high | 出典 | 推移 |
|---|---|---|---|
| SimpleQA Verified | 15.3%#91 | Epoch AI Benchmarking Hub | |
| MMLU-Pro | 78.7%#99 | Vals AI | |
| LegalBench | 71.5%#118 | Vals AI | |
| CorpFin | 45.3%#114 | Vals AI | |
| TaxEval | 69.4%#96 | Vals AI | |
| MedQA | 94.8%#14 | Vals AI |
指示追従
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| IFBench | 67.1%#89 | – | Artificial Analysis | |
| Arena Instruction FollowingIndex対象外 | 1366#184 | 1344#201 | Arena (LMArena) |
人間の評価
| ベンチマーク | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|
| Arena Text | – | 1364#197 | 1348#211 | Arena (LMArena) | |
| Arena Creative WritingIndex対象外 | – | 1312#211 | 1301#226 | Arena (LMArena) | |
| Arena Multi-turnIndex対象外 | – | 1345#206 | 1340#215 | Arena (LMArena) | |
| Arena Longer QueriesIndex対象外 | – | 1373#192 | 1360#204 | Arena (LMArena) | |
| Lech Mazur Creative WritingIndex対象外 | 61.5%#42 | 61.7%#41 | – | Lech Mazur |
長文コンテキスト
| ベンチマーク | medium | high | 出典 | 推移 |
|---|---|---|---|---|
| Fiction.LiveBench 120k | 43.8%#25 | – | Fiction.live | |
| AA-LCR v1.1 | – | 43.0%#369 | Artificial Analysis | |
| MLCRIndex対象外 | – | 7.2%#145 | Artificial Analysis |
総合
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| Epoch Capabilities IndexIndex対象外エフォート未記載 | – | 140.6#114 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 11.0#378 | 12.5#340 | Artificial Analysis | |
| AA Progress Index v1Index対象外 | 220#350 | 214.5#365 | Artificial Analysis |
安全性・誠実さ
| ベンチマーク | low | medium | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|---|---|
| FORTRESSIndex対象外エフォート未記載 | – | – | – | 30.1%#57 | Scale AI SEAL | |
| MASKIndex対象外 | 49.7%#50 | 48.9%#55 | 46.8%#59 | – | Scale AI SEAL | |
| PropensityBenchIndex対象外エフォート未記載 | – | – | – | 33.2%#5 | Scale AI SEAL |
タスクあたりのコスト
最もスコアの高い構成の定価、出力速度、回答開始までの時間から算出した推定値です。「キャッシュあり」は、入力の4分の3が100万トークンあたり$0.550のプロンプトキャッシュから提供されると仮定しています。推論トークンは考慮していません。
| ワークロード | 入力/出力トークン | コスト | キャッシュあり | 時間 |
|---|---|---|---|---|
| チャットの返答 | 400 / 300 | $0.0018 | $0.0016 | 7.8 s |
| 30ページのレポートを要約 | 12,000 / 600 | $0.016 | $0.011 | 9.4 s |
| コード編集 | 6,000 / 1,500 | $0.013 | $0.011 | 14.1 s |
| エージェント型コーディングセッション | 60,000 / 4,000 | $0.084 | $0.059 | 27.1 s |
| 構造化データの抽出 | 2,000 / 200 | $0.0031 | $0.0023 | 7.3 s |
OpenAIのほかのモデル
関連ページ
埋め込み・引用
o3-miniの順位をモデルカードやREADMEに表示できます。バッジは毎日の更新に合わせて描き直され、データの日付が入り、このページへリンクします。
[](https://www.benchleader.com/models/o3-mini)このページを引用する
ランキングは毎日変わるため、参考文献にはデータの日付を入れます。APAスタイル:
BenchLeader. (2026, November 16). o3-mini on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/o3-mini
BibTeX:
@misc{benchleader_o3_mini_20261116,
author = {{BenchLeader}},
title = {{o3-mini on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/o3-mini}},
note = {Data as of 2026-11-16}
}よくある質問
- o3-miniのベンチマークスコアは?
- 2026年11月16日時点で、o3-miniのBenchLeader Indexは50.2 ±4.9です。最も強いのは数学(55)、最も弱いのはエージェント・ツール(40)です。この評価は第三者のベンチマーク結果だけに基づいており、このページのすべてのスコアに公開元へのリンクがあります。
- o3-miniの順位は?
- 2026年11月16日時点で、o3-miniはランク付けされた608構成中344位です。ほかに279構成のスコアが誤差の範囲内にあるため、正確な順位よりも順位帯のほうが意味を持ちます。首位はClaude Fable 5.2(推論エフォート max)で、72.7です。
- o3-miniの料金は100万トークンあたりいくらですか?
- 2026年11月16日時点で、o3-miniの料金は入力100万トークンあたり$1.10、出力100万トークンあたり$4.40で、ブレンド価格(出力1トークンにつき入力3トークン)は$1.93です。
- o3-miniはいつリリースされましたか?
- OpenAIが2025年1月31日にo3-miniをリリースしました。BenchLeaderには4通りの推論エフォート設定での結果があります。
2026年11月16日時点のデータです。 これらの構成を比較
引用表記:BenchLeader「o3-mini:ベンチマーク、料金、速度、順位」2026年11月16日時点のデータ、https://www.benchleader.com/ja/models/o3-mini