OpenAI o3 评测详情

OpenAI o3 当前已收录的代表性评测结果包括 Aider-Polyglot（5 / 59，得分 81.30）、Creative Writing（2 / 23，得分 87.65）、MATH-500（5 / 44，得分 98.10）。

评测结果

OpenAI o3

评测结果

综合评估

共 5 项评测

评测名称 / 模式

得分

排名/总数

85.60

23 / 132

83.30

64 / 187

60.80

37 / 68

20.32

116 / 172

6.50

44 / 62

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

49.40

14 / 47

编程与软件工程

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

1343

3 / 8

75.80

39 / 123

SWE-bench Verified

69.10

65 / 112

数学推理

共 8 项评测

评测名称 / 模式

得分

排名/总数

98.10

5 / 44

91.60

12 / 62

88.90

42 / 107

20.50

11 / 16

10.30

25 / 60

10.30

25 / 60

10

28 / 60

FrontierMath - Tier 4

思考水平·高

2.10

56 / 80

写作和创作

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

87.65

2 / 23

AI Agent - 工具使用

共 1 项评测

评测名称 / 模式

得分

排名/总数

30.20

21 / 35

多模态理解

共 2 项评测

评测名称 / 模式

得分

排名/总数

82.90

7 / 29

82.90

7 / 29

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

53.10

25 / 63

Agent能力评测

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

76.90

9 / 59

思考水平·高

81.30

5 / 59

与其他模型对比