o3-pro
よりコスパが高いモデル: MiMo-V2.5 $0.138/MでIndex 56.3(254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85つあります:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00)ほか82つ。
2026年11月16日時点で、o3-pro(OpenAI)のBenchLeader Indexは55.9です(ランク付け対象は608構成)。最も強いのはコーディング(67)、最も弱いのは推論(39)です。API料金は入力100万トークンあたり$20.00、出力100万トークンあたり$80.00(3:1のブレンドで$35.00)で、2026年11月16日時点の定価です。2025年6月10日にリリースされました。
要点(2026年11月16日時点)
- o3-proのAPI料金は入力100万トークンあたり$20.00、出力100万トークンあたり$80.00(3:1のブレンドで$35.00)です(定価、2026年11月16日)。
- o3-proは2025年6月10日にリリースされました(OpenAI)。
詳しく見ると:o3-proはOpenAIのプロプライエタリな推論モデルです(2025年6月10日リリース)。最もスコアの高い構成(推論エフォート high)は、BenchLeader Indexで55.9 ±8.6を記録し、608構成中198位で上位半分に入ります。重要なのはこの「±」です。ほかに387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。カテゴリ別ではコーディングが最も高く(67)、推論が最も低くなっています(39)。ブレンド価格は100万トークンあたり$35.00で、ランク付けされたモデルの中で最も高価な部類です。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10月7日。
- ブレンド価格
- $35.00/M
- 入力$20.00・出力$80.00
- 出典:Artificial Analysis
- 出力速度
- –
- 回答開始
- –
- 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6月10日
- 総合Index56
- 推論39
- コーディング67
- 知識62
- 指示追従58
- マルチモーダル66
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-pro)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。
Indexの推移
2026年9月9日〜2026年11月16日- high
- 標準
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 (AA)Index対象外エフォート未記載 | – | – | – | 84.5%#140 | Artificial Analysis | |
| Kagi LLM Benchmarkエフォート未記載 | – | – | – | 72.1%#24 | Kagi LLM Benchmark | |
| ARC-AGI-1 | 44.3%#195 | 57.0%#176 | 59.3%#169 | – | ARC Prize | |
| ARC-AGI-2 | 2.1%#208 | 1.9%#213 | 4.9%#185 | – | ARC Prize | |
| LMCAIndex対象外 | – | – | 38.5%#119 | – | Epoch AI Benchmarking Hub | |
| DTBenchIndex対象外 | – | – | 86.9%#110 | – | Epoch AI Benchmarking Hub |
コーディング
| ベンチマーク | high | 出典 | 推移 |
|---|---|---|---|
| WeirdML | 58.2%#52 | WeirdML | |
| Aider Polyglot | 84.9%#3 | Aider polyglot leaderboard |
エージェント・ツール
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| MCP Atlas | 44.5%#36 | Scale AI SEAL |
知識
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| PRBench Financeエフォート未記載 | – | 49.1%#13 | Scale AI SEAL | |
| PRBench Legalエフォート未記載 | – | 49.7%#12 | Scale AI SEAL | |
| MultiNRC | 49.0%#10 | – | Scale AI SEAL |
指示追従
| ベンチマーク | high | 標準 | 出典 | 推移 |
|---|---|---|---|---|
| MultiChallenge | 62.4%#14 | – | Scale AI SEAL | |
| TutorBenchエフォート未記載 | – | 54.6%#5 | Scale AI SEAL |
人間の評価
| ベンチマーク | medium | 出典 | 推移 |
|---|---|---|---|
| Lech Mazur Creative WritingIndex対象外 | 84.4%#4 | Lech Mazur |
マルチモーダル
| ベンチマーク | high | 出典 | 推移 |
|---|---|---|---|
| VISTA | 51.6%#6 | Scale AI SEAL |
長文コンテキスト
| ベンチマーク | medium | 出典 | 推移 |
|---|---|---|---|
| Fiction.LiveBench 120k | 88.9%#5 | Fiction.live |
総合
| ベンチマーク | 標準 | 出典 | 推移 |
|---|---|---|---|
| Epoch Capabilities IndexIndex対象外 | 147.5#78 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2Index対象外 | 21.9#215 | Artificial Analysis |
安全性・誠実さ
| ベンチマーク | high | 出典 | 推移 |
|---|---|---|---|
| MASKIndex対象外汚染の可能性 | 82.5%#22 | Scale AI SEAL |
強みのあるベンチマーク
測定されたすべての構成の中で、この構成が上位5位以内に入っているベンチマークです。
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 | $0.032 | – | – |
| 30ページのレポートを要約 | 12,000 / 600 | $0.288 | – | – |
| コード編集 | 6,000 / 1,500 | $0.240 | – | – |
| エージェント型コーディングセッション | 60,000 / 4,000 | $1.52 | – | – |
| 構造化データの抽出 | 2,000 / 200 | $0.056 | – | – |
関連ページ
埋め込み・引用
o3-pro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-pro)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-pro on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/o3-pro
BibTeX:
@misc{benchleader_o3_pro_20261116,
author = {{BenchLeader}},
title = {{o3-pro on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/o3-pro}},
note = {Data as of 2026-11-16}
}よくある質問
- o3-proのベンチマークスコアは?
- 2026年11月16日時点で、o3-pro(推論エフォート high)のBenchLeader Indexは55.9 ±8.6です。最も強いのはコーディング(67)、最も弱いのは推論(39)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-proの順位は?
- 2026年11月16日時点で、o3-pro(推論エフォート high)はランク付けされた608構成中198位です。ほかに387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-pro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-proの料金は入力100万トークンあたり$20.00、出力100万トークンあたり$80.00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$35.00です。
- o3-proはいつリリースされましたか?
- OpenAIが2025年6月10日にo3-pro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-pro: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-pro