Automatisierte Seite. Automatisch von KI verfasst und übersetzt und per Software mit den Quellen abgeglichen; keine menschliche Redaktion. SI-IQ ist ein Index auf Basis öffentlicher Benchmark-Ergebnisse, kein IQ-Test. So funktioniert es
Wie intelligent ist o3?
o3 ist ein Modell von OpenAI, veröffentlicht am 16.04.2025. Der SI-IQ beträgt 116 (90-%-Intervall 113–119), geschätzt aus 10 Benchmark-Ergebnissen von 3 unabhängigen Evaluatoren. Der stärkste Bereich ist Schlussfolgern, der schwächste Programmieren.
Fakten
- Entwickler
- OpenAI
- Veröffentlicht
- 16.04.2025
- Zugang
- API-Zugang
- Verwendete Benchmarks
- 10 Ergebnisse von 3 Evaluatoren
- API-Preis
- 2,00 $ Eingabe / 8,00 $ Ausgabe pro 1 Mio. Tokens (Preisliste des Entwicklers, 18.10.2026)
- Kontextfenster
- 200.000 Tokens
Fähigkeiten nach Bereich (SI-IQ, 90-%-Intervall)
Alle verwendeten Benchmark-Ergebnisse
Jeder Wert ist genau so angegeben, wie ihn die Quelle veröffentlicht hat: bei Epoch AI die beste ihrer Laufeinstellungen, bei OpenRouter der mediane Hosting-Anbieter (das eigene Hosting des Entwicklers, wenn dieses den Test durchgeführt hat). „Implizierter SI-IQ“ ist die Fähigkeit, auf die dieses einzelne Ergebnis hindeutet; der Gesamt-SI-IQ ist ihr präzisionsgewichteter Durchschnitt.
| Benchmark | Punktzahl | Evaluiert von | Quelle |
|---|---|---|---|
| Chess Puzzles | 37,0 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| Mystery Game Puzzles | 29,0 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| FrontierMath Tiers 1–3 | 33,3 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| MATH Level 5 | 97,8 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| OTIS Mock AIME 2024–2025 | 84,4 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| Aider Polyglot | 81,3 % | Aider | Aider LLM Leaderboards · Datendatei |
| SWE-bench Verified (Epoch AI run) | 62,3 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| GPQA Diamond | 81,8 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| SimpleQA Verified | 49,4 % | Epoch AI | Epoch AI Benchmarking Hub · Datendatei |
| Berkeley Function Calling Leaderboard | 63,0 % | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · Datendatei |
Menschliche Präferenz (Arena)
In der Arena-Rangliste, in der Nutzer zwischen zwei anonymen Antworten abstimmen, hat o3 eine Bewertung von 1.432 (1.428–1.435) aus 58.908 Stimmen (veröffentlicht am 15.10.2026). Menschliche Präferenz ist ein anderes Maß als die Leistung in Benchmarks und fließt nicht in den SI-IQ ein. Arena (Hugging Face)
Modelle mit ähnlichem SI-IQ
| Modell | SI-IQ | |
|---|---|---|
| GLM-5.1Z.ai (Zhipu AI) | 116 | o3 vs. GLM-5.1 |
| DeepSeek-V4-ProDeepSeek | 117 | o3 vs. DeepSeek-V4-Pro |
| GPT-5.4 MiniOpenAI | 117 | o3 vs. GPT-5.4 Mini |
| GPT-5 miniOpenAI | 115 | o3 vs. GPT-5 mini |
| Qwen3.6 27BAlibaba | 115 | o3 vs. Qwen3.6 27B |
Berechnet mit der SI-IQ-Methodenversion 1.0.0. Die vollständige Methodik lesen
Datenquellen: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); API list prices via LiteLLM's price table (MIT); each price links to the developer's pricing page.