OpenAI o3

是什么

o3 是 OpenAI 推出的推理模型（reasoning model）。所谓推理模型，是指在给出答案之前先在内部把问题一步步想过一遍的模型：它把更多算力花在「思考」上，回答因此更慢，通常也更贵，但在需要多步推导的问题上更稳。OpenAI 于 2024 年 12 月 20 日公布 o3，2025 年 4 月 16 日与更小的 o4-mini 一同正式发布^[1]。

名字的由来

这款模型叫 o3 而不是 o2，是为了避开与移动运营商 O2 的商标冲突^[1]。它接在 o1 之后：OpenAI 的接口文档把 o3 列为 o1 的后继，并把它之后的接棒者记为 GPT-5^[2]。

主要特点

发布时 OpenAI 强调了两点。其一，o3 可以完整调用 ChatGPT 内部的各种工具，也可以通过函数调用（function calling）接入自定义工具，并且被训练过去判断什么时候该用、该怎么用这些工具——由模型自己决定一个问题需不需要检索、计算或运行代码^[7]。其二，o3 和 o4-mini 是 OpenAI 第一批能把图像直接纳入思维链（chain of thought）的模型：图片不只是开头读一遍的输入，而可以成为推理过程本身的一部分^[7]。

成绩

在 GPQA Diamond 上，OpenAI 报告的成绩是 87.7%^[1]。在用来检验模型能否解决代码仓库中真实软件问题的 SWE-bench Verified 上，o3 得 71.7%，o1 为 48.9%^[1]。在编程竞赛平台 Codeforces 上，它的 Elo 分为 2727，o1 为 1891^[1]。在 ARC-AGI 基准上，它的准确率是 o1 的三倍^[1]。OpenAI 称 o3 是其最强的推理模型，并称它在 Codeforces、在不使用针对具体模型定制的脚手架（scaffold）的 SWE-bench 以及 MMMU 上都刷新了最好成绩^[7]。在由外部专家进行的评测中，o3 在困难的真实任务上出现重大错误的次数比 o1 少 20%^[7]。在 ChatGPT 中，与 o1 相同的延迟和成本下，o3 的表现更好^[7]。

接口规格

通过 API 使用时，o3 的上下文窗口为 20 万 token，最多可输出 10 万 token，知识截止日期为 2024 年 6 月 1 日，支持文本和图像输入；价格为每百万输入 token 2 美元、每百万输出 token 8 美元^[2]。

还被用在哪里

深度研究（deep research）这项 ChatGPT 功能由一个版本的 o3 驱动，该功能于 2025 年 2 月 2 日上线^[1][6]。2025 年 5 月，一个名为 codex-1 的微调版本驱动了 Codex 智能体^[1][5]。

在 o 系列中的位置

OpenAI 的 GPT-5 系统卡把 gpt-5-thinking 记为 o3 的后继^[4]。2026 年 5 月 28 日，OpenAI 宣布 o3 将于 2026 年 8 月 26 日退出 ChatGPT；o3 的 API 快照于 2026 年 6 月 11 日被弃用，并定于 2026 年 12 月 11 日关停^[1][3]。在 o 系列里，o3 处于中间一代：它接在 o1 之后，在编程与科学基准上把差距拉开，随后又由 GPT-5 取代^[2]。