o3-mini
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,价格只有 17 分之一。
有 86 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50),另有 83 个。
截至 2026年11月16日,o3-mini(OpenAI)在 BenchLeader Index 上得分 50.2(共 608 个已排名配置)。表现最好的是数学(55),最弱的是智能体与工具(40)。API 价格为输入每百万 token $1.10、输出每百万 token $4.40(按 3:1 混合为 $1.93),为 2026年11月16日的标价。输出速度约为 190 token/秒(Artificial Analysis)。发布于 2025年1月31日。
要点(截至 2026年11月16日)
- o3-mini 的 API 价格为输入每百万 token $1.10、输出每百万 token $4.40(按 3:1 混合为 $1.93)(标价,2026年11月16日)。
- o3-mini 的输出速度约为 190 token/秒(Artificial Analysis,2026年11月16日)。
- o3-mini 于 2025年1月31日发布(OpenAI)。
详细说明:o3-mini 是 OpenAI 的闭源推理模型,发布于 2025年1月31日。其最佳配置在 BenchLeader Index 上得分 50.2 ±4.9,在 608 个配置中排第 344 名,处于下半区。关键在于这个“±”:另有 279 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(55),智能体与工具最低(40)。按混合价格计,每百万 token $1.93,比大多数已排名模型贵。输出速度为 192 token/秒,首次回答需 6.3 秒,位于最快的四分之一。它已在 4 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $1.93/M
- 输入 $1.10 · 输出 $4.40
- 来源:Artificial Analysis
- 输出速度
- 192 tok/s
- 由 Artificial Analysis 测量
- 首次回答
- 6.25 s
- 上下文
- 200k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年1月31日
- 综合 Index50
- 推理52
- 编程54
- 智能体与工具40
- 数学55
- 人类偏好51
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/o3-mini)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
| 推理强度 | Index | 排名 | 速度 | 首次回答 | 聊天回复成本 | 类别 |
|---|---|---|---|---|---|---|
| low | 40.2 | #532 | 192 tok/s | 6.25 s | $0.0018 | 编程 36 · 数学 32 · 推理 38 |
| medium | 46.4 | #433 | 192 tok/s | 6.25 s | $0.0018 | 智能体与工具 46 · 编程 53 · 长上下文 41 · 数学 45 · 推理 41 |
| high | 47.9 | #393 | 213 tok/s | 19 s | $0.0018 | 智能体与工具 35 · 编程 50 · 人类偏好 53 · 指令遵循 66 · 知识 41 · 长上下文 45 · 数学 51 · 推理 41 |
| 未说明最佳 | 50.2 | #344 | 192 tok/s | 6.25 s | $0.0018 | 智能体与工具 40 · 编程 54 · 人类偏好 51 · 数学 55 · 推理 52 |
Index 走势
2026年9月8日 至 2026年11月16日- 默认
- high
- medium
- low
Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
推理
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| 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)不计入 Index | – | – | 77.3%#225 | 74.8%#258 | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | – | – | 12.0%#301 | 7.9%#376 | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index | – | – | 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 | |
| CritPt不计入 Index | – | – | 0.3%#291 | – | Artificial Analysis | |
| SciPredict不计入 Index推理强度未说明 | – | – | – | 19.8%#7 | Scale AI SEAL | |
| Arena Expert不计入 Index | – | – | 1399#175 | 1366#203 | Arena (LMArena) | |
| Chess Puzzles不计入 Index | 6.0%#142 | 11.0%#128 | 15.0%#120 | – | Epoch AI Benchmarking Hub | |
| Mystery Game Puzzles不计入 Index | – | – | 7.0%#128 | – | Epoch AI Benchmarking Hub | |
| LMCA不计入 Index | – | – | 19.0%#169 | – | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index | – | – | 68.8%#167 | – | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | – | 63.5%#41 | ForecastBench |
编程
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| 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)不计入 Index | – | – | 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)不计入 Index推理强度未说明 | – | – | – | 42.4%#42 | SWE-bench | |
| CadEval不计入 Index | – | 54.0%#5 | – | – | Epoch AI Benchmarking Hub | |
| Terminal-Bench 4.0 (AA)不计入 Index | – | – | 0.0%#186 | – | Artificial Analysis | |
| Terminal-Bench 2.1 (AA)不计入 Index | – | – | 4.5%#212 | – | Artificial Analysis | |
| LiveCodeBench (AA)不计入 Index | – | – | 73.4%#52 | 71.8%#57 | Artificial Analysis |
智能体与工具
| 基准测试 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Cybench | 22.5%#10 | – | – | Cybench | |
| Terminal-Bench Hard | – | 6.1%#271 | 6.8%#254 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | – | 31.3%#258 | 28.6%#271 | Artificial Analysis | |
| GDPval-AA v2.1不计入 Index | – | 237#271 | – | Artificial Analysis | |
| τ³-Banking (AA) | – | 5.2%#187 | – | Artificial Analysis | |
| AutomationBench不计入 Index | – | 0.5%#241 | – | Artificial Analysis | |
| GDP.pdf (AA)不计入 Index | – | 2.0%#225 | – | Artificial Analysis | |
| AA-Briefcase v1.1不计入 Index | – | 143#243 | – | Artificial Analysis | |
| BrowseComp不计入 Index推理强度未说明 | – | – | 1.5%#13 | OpenAI |
数学
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| 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 500不计入 Index | – | – | 91.8%#19 | – | Vals AI | |
| Arena Maths | – | – | 1405#147 | 1382#175 | Arena (LMArena) |
知识
| 基准测试 | high | 来源 | 趋势 |
|---|---|---|---|
| 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 |
指令遵循
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| IFBench | 67.1%#89 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index | 1366#184 | 1344#201 | Arena (LMArena) |
人类偏好
| 基准测试 | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Arena Text | – | 1364#197 | 1348#211 | Arena (LMArena) | |
| Arena Creative Writing不计入 Index | – | 1312#211 | 1301#226 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | – | 1345#206 | 1340#215 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | – | 1373#192 | 1360#204 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 61.5%#42 | 61.7%#41 | – | Lech Mazur |
长上下文
| 基准测试 | medium | high | 来源 | 趋势 |
|---|---|---|---|---|
| Fiction.LiveBench 120k | 43.8%#25 | – | Fiction.live | |
| AA-LCR v1.1 | – | 43.0%#369 | Artificial Analysis | |
| MLCR不计入 Index | – | 7.2%#145 | Artificial Analysis |
综合
| 基准测试 | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | 140.6#114 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 11.0#378 | 12.5#340 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 220#350 | 214.5#365 | Artificial Analysis |
安全与诚实
| 基准测试 | low | medium | high | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|---|
| FORTRESS不计入 Index推理强度未说明 | – | – | – | 30.1%#57 | Scale AI SEAL | |
| MASK不计入 Index | 49.7%#50 | 48.9%#55 | 46.8%#59 | – | Scale AI SEAL | |
| PropensityBench不计入 Index推理强度未说明 | – | – | – | 33.2%#5 | Scale AI SEAL |
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.550。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0018 | $0.0016 | 7.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.016 | $0.011 | 9.4 s |
| 代码编辑 | 6,000 / 1,500 | $0.013 | $0.011 | 14.1 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.084 | $0.059 | 27.1 s |
| 结构化信息提取 | 2,000 / 200 | $0.0031 | $0.0023 | 7.3 s |
OpenAI 的更多模型
另请参阅
嵌入或引用
在模型卡片或 README 中展示 o3-mini 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/o3-mini)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
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}
}常见问题
- o3-mini 的基准测试得分是多少?
- 截至 2026年11月16日,o3-mini 的 BenchLeader Index 为 50.2 ±4.9。最强的是数学(55),最弱的是智能体与工具(40)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- o3-mini 排名第几?
- 截至 2026年11月16日,o3-mini 在 608 个已排名配置中排第 344 名。另有 279 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- o3-mini 每百万 token 的价格是多少?
- 截至 2026年11月16日,o3-mini 的价格为输入每百万 token $1.10、输出每百万 token $4.40,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.93。
- o3-mini 是什么时候发布的?
- OpenAI 于 2025年1月31日发布了 o3-mini。BenchLeader 收录了它在 4 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《o3-mini:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/o3-mini。