OpenAI
o3-mini 评测成绩
来自 4 个来源、6 项基准的 12 条成绩。
其他名称: o3-mini-high · o3-mini-2025-01-31_low · o3-mini-2025-01-31_high · o3-mini (high) · o3-mini-2025-01-31_medium · o3-mini (medium) · O3 Mini · Agentless Lite + O3 Mini (20250214) · O3-Mini-2025-01-31 (Low) · o3-mini-2025-01-31__low
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1364 | 203 | Overall, style control on; 18589 votes; 95% CI 1358–1369“o3-mini-high” | 官方榜单 | 2026年10月8日 |
| LMArena Text | 1348 | 218 | Overall, style control on; 56750 votes; 95% CI 1344–1352 | 官方榜单 | 2026年10月8日 |
| LiveCodeBench | 51.1% | 14 | Code generation, 182 problems dated 2025-01-01…2025-04-07“O3-Mini-2025-01-31 (Low)” | 官方榜单 | 2025年4月7日 |
| GPQA Diamond | 77.0% | 128 | Epoch AI run, accuracy; effort: high | 独立评测 | 2025年2月13日 |
| GPQA Diamond | 74.3% | 144 | Epoch AI run, accuracy; effort: medium | 独立评测 | 2025年1月31日 |
| GPQA Diamond | 68.2% | 165 | Epoch AI run, accuracy | 独立评测 | 2026年7月20日 |
| SWE-bench Verified | 42.4% | 77 | agent: Agentless Lite | 官方榜单 | 2025年2月14日 |
| AIME (OTIS Mock AIME 2024–2025) | 76.9% | 117 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: high | 独立评测 | 2025年2月27日 |
| AIME (OTIS Mock AIME 2024–2025) | 63.9% | 142 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: medium | 独立评测 | 2025年2月25日 |
| AIME (OTIS Mock AIME 2024–2025) | 44.4% | 179 | Epoch AI run, OTIS Mock AIME 2024–2025 | 独立评测 | 2026年7月20日 |
| MATH Level 5 | 96.5% | 10 | Epoch AI run, accuracy; effort: high | 独立评测 | 2025年2月13日 |
| MATH Level 5 | 95.2% | 15 | Epoch AI run, accuracy; effort: medium | 独立评测 | 2025年1月31日 |
常见问题
o3-mini 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LiveCodeBench leaderboard、LMArena leaderboard dataset和SWE-bench leaderboards (swebench.com)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。