Página automatizada. Redactada y traducida automáticamente por IA y verificada con las fuentes mediante software; sin editor humano. SI-IQ es un índice elaborado a partir de resultados públicos de benchmarks, no una prueba de CI. Cómo funciona
¿Qué tan inteligente es o3?
o3 es un modelo de OpenAI, lanzado el 16 abr 2025. Su SI-IQ es 116 (intervalo del 90 % 113–119), estimado a partir de 10 resultados de benchmarks de 3 evaluadores independientes. Su área más fuerte es Razonamiento y la más débil es Programación.
Datos
- Desarrollador
- OpenAI
- Lanzamiento
- 16 abr 2025
- Acceso
- Acceso por API
- Benchmarks utilizados
- 10 resultados de 3 evaluadores
- Precio de la API
- 2,00 $ de entrada / 8,00 $ de salida por 1 M de tokens (lista de precios del desarrollador, 18 oct 2026)
- Ventana de contexto
- 200.000 tokens
Capacidad por áreas (SI-IQ, intervalo del 90 %)
Todos los resultados de benchmarks utilizados
Cada puntuación es un único valor tal como lo publicó la fuente: en el caso de Epoch AI, el mejor de sus ajustes de ejecución; en el de OpenRouter, el proveedor de alojamiento mediano (el alojamiento propio del desarrollador cuando realizó la prueba). El «SI-IQ implícito» es la capacidad a la que apunta este único resultado; el SI-IQ global es su media ponderada por precisión.
| Benchmark | Puntuación | Evaluado por | Fuente |
|---|---|---|---|
| Chess Puzzles | 37,0 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| Mystery Game Puzzles | 29,0 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| FrontierMath Tiers 1–3 | 33,3 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| MATH Level 5 | 97,8 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| OTIS Mock AIME 2024–2025 | 84,4 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| Aider Polyglot | 81,3 % | Aider | Aider LLM Leaderboards · archivo de datos |
| SWE-bench Verified (Epoch AI run) | 62,3 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| GPQA Diamond | 81,8 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| SimpleQA Verified | 49,4 % | Epoch AI | Epoch AI Benchmarking Hub · archivo de datos |
| Berkeley Function Calling Leaderboard | 63,0 % | UC Berkeley (Gorilla) | Berkeley Function Calling Leaderboard · archivo de datos |
Preferencia humana (Arena)
En la clasificación de Arena, donde las personas votan entre dos respuestas anónimas, o3 tiene una puntuación de 1432 (1428–1435) a partir de 58.908 votos (publicada el 15 oct 2026). La preferencia humana es una medida distinta de la capacidad en benchmarks y no forma parte de SI-IQ. Arena (Hugging Face)
Modelos con un SI-IQ similar
| Modelo | 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 |
Calculado con la versión 1.0.0 del método SI-IQ. Leer la metodología completa
Fuentes de datos: 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.