BenchLeader

o3-pro

推理强度
质量第 96 / 339 名
55.9Index
高于中位数
较中位数 +5.7
价格第 251 / 255 名
$35.00每百万 token
最贵的四分之一
中位数的 41 倍
性价比第 250 / 255 名
1.6分/$
后四分之一
中位数的 0.0 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 254 分之一。

有 85 个更便宜的已排名模型得分更高:Claude Fable 5.2 (72.7, $16.00)、Gemini 4 Carbon (68.9, $4.00)、Claude Opus 5.5 (68.4, $8.00),另有 82 个。

截至 2026年11月16日,o3-pro(OpenAI)在 BenchLeader Index 上得分 55.9(共 608 个已排名配置)。表现最好的是编程(67),最弱的是推理(39)。API 价格为输入每百万 token $20.00、输出每百万 token $80.00(按 3:1 混合为 $35.00),为 2026年11月16日的标价。发布于 2025年6月10日。

要点(截至 2026年11月16日)

  • o3-pro 的 API 价格为输入每百万 token $20.00、输出每百万 token $80.00(按 3:1 混合为 $35.00)(标价,2026年11月16日)。
  • o3-pro 于 2025年6月10日发布(OpenAI)。

详细说明:o3-pro 是 OpenAI 的闭源推理模型,发布于 2025年6月10日。其最佳配置(推理强度 high)在 BenchLeader Index 上得分 55.9 ±8.6,在 608 个配置中排第 198 名,处于上半区。关键在于这个“±”:另有 387 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,编程得分最高(67),推理最低(39)。按混合价格计,每百万 token $35.00,属于已排名模型中最贵的一档。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10月7日。

混合价格
$35.00/M
输入 $20.00 · 输出 $80.00
来源:Artificial Analysis
输出速度
–
首次回答
–
上下文
200k
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2025年6月10日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index56
  2. 推理39
  3. 编程67
  4. 知识62
  5. 指令遵循58
  6. 多模态66

嵌入这个排名

更多徽章样式
[![o3-pro on BenchLeader: 综合第 95 名](https://www.benchleader.com/badge/o3-pro.svg?style=compact)](https://www.benchleader.com/models/o3-pro)

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。

OpenAI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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––––$0.032推理 36
medium––––$0.032长上下文 73 · 推理 38
high最佳55.9#198––$0.032编程 67 · 指令遵循 58 · 知识 62 · 多模态 66 · 推理 39
未说明49.9#352––$0.032智能体与工具 16 · 指令遵循 59 · 知识 59 · 推理 66

Index 走势

2026年9月9日 至 2026年11月16日
415365
  • high
  • 默认

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lowmediumhigh默认来源趋势
GPQA Diamond (AA)不计入 Index推理强度未说明–––84.5%#140Artificial Analysis
Kagi LLM Benchmark推理强度未说明–––72.1%#24Kagi LLM Benchmark
ARC-AGI-144.3%#19557.0%#17659.3%#169–ARC Prize
ARC-AGI-22.1%#2081.9%#2134.9%#185–ARC Prize
LMCA不计入 Index––38.5%#119–Epoch AI Benchmarking Hub
DTBench不计入 Index––86.9%#110–Epoch AI Benchmarking Hub

编程

基准测试high来源趋势
WeirdML58.2%#52WeirdML
Aider Polyglot84.9%#3Aider polyglot leaderboard

智能体与工具

基准测试默认来源趋势
MCP Atlas44.5%#36Scale AI SEAL

知识

基准测试high默认来源趋势
PRBench Finance推理强度未说明–49.1%#13Scale AI SEAL
PRBench Legal推理强度未说明–49.7%#12Scale AI SEAL
MultiNRC49.0%#10–Scale AI SEAL

指令遵循

基准测试high默认来源趋势
MultiChallenge62.4%#14–Scale AI SEAL
TutorBench推理强度未说明–54.6%#5Scale AI SEAL

人类偏好

基准测试medium来源趋势
Lech Mazur Creative Writing不计入 Index84.4%#4Lech Mazur

多模态

基准测试high来源趋势
VISTA51.6%#6Scale AI SEAL

长上下文

基准测试medium来源趋势
Fiction.LiveBench 120k88.9%#5Fiction.live

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index147.5#78Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index21.9#215Artificial Analysis

安全与诚实

基准测试high来源趋势
MASK不计入 Index可能存在污染82.5%#22Scale AI SEAL

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

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。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$0.032––
总结一份 30 页的报告12,000 / 600$0.288––
代码编辑6,000 / 1,500$0.240––
智能体编程会话60,000 / 4,000$1.52––
结构化信息提取2,000 / 200$0.056––

OpenAI 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 o3-pro 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。

[![o3-pro on BenchLeader: 综合第 95 名](https://www.benchleader.com/badge/o3-pro.svg)](https://www.benchleader.com/models/o3-pro)

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-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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

o3-pro 的基准测试得分是多少?
截至 2026年11月16日,o3-pro(推理强度 high)的 BenchLeader Index 为 55.9 ±8.6。最强的是编程(67),最弱的是推理(39)。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-pro 排名第几?
截至 2026年11月16日,o3-pro(推理强度 high)在 608 个已排名配置中排第 198 名。另有 387 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-pro 每百万 token 的价格是多少?
截至 2026年11月16日,o3-pro 的价格为输入每百万 token $20.00、输出每百万 token $80.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $35.00。
o3-pro 是什么时候发布的?
OpenAI 于 2025年6月10日发布了 o3-pro。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-pro: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-pro。