OpenAI 的 o3 API 提供其最先进的推理模型 o3 的访问能力,支持多模态输入、高级函数调用、结构化输出,并针对编码、数学与视觉理解等复杂任务进行了优化。

关键特性
高级推理能力
o3 引入了“私有思维链”机制,使模型能够进行多步逻辑推理。这种方法使模型能够规划并执行需要复杂问题解决能力的任务,使其区别于前代产品。
多模态集成
o3 的一项重要增强是其能够处理并推理视觉输入,如图像和示意图。该多模态能力使模型能够解释和分析视觉数据,扩展其在医学影像和设计等领域的适用性。
工具自主性
o3 可在 ChatGPT 生态内自主调用多种工具,包括网页搜索、Python 执行、图像分析与文件解读。这种自主性提升了其在无需持续人工干预的情况下处理复杂任务的效率。
技术规格
架构与设计
o3 构建于生成式预训练变压器(GPT)架构之上,并融入了促进高级推理与多模态处理的增强特性。该模型采用强化学习技术优化其决策过程,使响应更加准确且具备上下文感知能力。
计算配置
为适应不同的计算资源与任务复杂度,o3 提供三种计算等级:低、中、高。更高的计算等级可支持更复杂的推理任务,但需要更多的算力与时间。
与前代模型的演进
从 o1 过渡到 o3
o3 作为 OpenAI 的 o1 模型的继任者,在推理能力与性能方面带来了显著提升。与 o1 不同,o3 得益于其增强的架构与学习机制,能够处理更复杂的任务。
开发时间线
- 2024 年 12 月 20 日:宣布 o3 的开发。
- 2025 年 1 月 31 日:发布经济型变体 o3-mini。
- 2025 年 4 月 16 日:正式发布完整的 o3 模型。

基准测试表现
o3 在各类基准测试中表现卓越,显著优于此前的 o1 等模型。以下为主要测试结果:
| Benchmark | o3 分数 | o1 分数 | 描述 |
|---|---|---|---|
| ARC-AGI | 87.5% | 32% | 衡量在无预训练知识情况下解决新颖智能任务的能力 |
| AIME 2024 (Mathematics) | 96.7% | 83.3% | 测试高级数学问题求解能力 |
| Codeforces Elo (Coding) | 2727 | 1891 | 竞技编程平台;2727 为国际大师级 |
| SWE-bench Verified | 71.7% | 48.9% | 评估编码能力 |
| GPQA Diamond (Science) | 87.7% | – | 测试博士级科学推理能力 |
技术指标
Codeforces 评级
在竞技编程领域,o3 获得了 2727 的 Codeforces 评级,跻身全球顶尖人类程序员之列。该评级体现了模型高效解决复杂算法问题的能力
Token 处理能力
单次任务可处理多达 3300 万个 tokens,使其能够应对大规模且复杂的输入。该能力对于需要深入分析与推理的任务至关重要
参见 GPT-4.1 API
如何通过 CometAPI 调用 o3 API
CometAPI 中的 o3 API 价格,较官方价优惠 20%:
- 输入 Tokens:$8 / M tokens
- 输出 Tokens:$32 / M tokens
必要步骤
- 登录 cometapi.com。如果您尚未成为我们的用户,请先注册。
- 获取接口的访问凭证 API Key。在个人中心的 API Token 处点击“Add Token”,获取令牌密钥:sk-xxxxx 并提交。
- 获取本站的 URL:https://api.cometapi.com/
使用方法
- 选择 “
o3/ o3-2025-04-16” 端点发送 API 请求并设置请求体。请求方法与请求体可在我们网站的 API 文档中获取。我们的网站也提供 Apifox 测试以供使用。 - 将 <YOUR_API_KEY> 替换为您账户中的实际 CometAPI 密钥。
- 将您的问题或请求填写到 content 字段中——模型将对该内容进行响应。
- 处理 API 响应以获取生成的答案。
有关模型上线信息,请参见 https://api.cometapi.com/new-model.
有关模型价格信息,请参见 https://api.cometapi.com/pricing。
API 使用示例
开发者可以通过 CometAPI 的 API 与 o3 交互,将其集成到各种应用中。以下是一个 Python 示例:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.cometapi.com/v1/chat/completions",
api_key="<YOUR_API_KEY>",
)
response = openai.ChatCompletion.create(
model="o3",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Explain the concept of quantum entanglement."}
]
)
print(response)
该脚本向 o3 模型发送提示并打印生成的响应,展示了如何利用 o3 进行复杂解释。
