Indlæser kataloget…
Indlæser kataloget…
OpenAIs o3-ræsonneringsmodel med højere beregningskraft til dybe batch-opgaver inden for matematik, kode og forskning via Responses-API.
Oversigt. o3-pro-2025-06-10 er OpenAIs version af o3 med højere beregningskraft. Det er en ræsonneringsmodel med lukkede vægte, der er bygget til at gennemtænke problemer med ræsonneringstokens via reinforcement learning, før den giver et svar. Den tager tekst og billeder som inddata, returnerer tekst som uddata og understøtter et kontekstvindue på 200k med op til 100k tokens som uddata. Den betjenes udelukkende gennem OpenAIs Responses-API og kan ikke bruges via Chat Completions.
Vigtigste styrker. Som en o3-variant med højere beregningskraft er den bygget til dybde frem for hastighed: matematiske opgaver med mange trin, ræsonnering om kode og forskningsrelaterede spørgsmål, hvor OpenAIs tilgang med ræsonneringstokens giver pote. Resultater fra benchmarks (stærke AIME-matematikresultater og GPQA Diamond-videnskabsscorer samt Codeforces-koderesultater på toppniveau) peger på dens klareste fordel inden for matematik, videnskab og ræsonnering om kode, mens den har en forholdsvis mindre markant fordel ved åbne skriveopgaver eller samtaler, hvor dybden i ræsonneringen betyder mindre.
Anvendelsesområder. Vælg denne model, når en opgave har gavn af udvidet ræsonnering, og du kan acceptere en længere svartid — matematik i bevisstil, kodeanalyse med mange trin eller forskningssyntese fungerer godt i batch- eller asynkrone arbejdsflow frem for interaktiv chat. Den er ikke bygget til brug i sanntid eller opgaver, der er følsomme over for svartid; dens design, der kun understøtter Responses-API og er batch-venligt, signalerer langvarige kald frem for samtaler frem og tilbage.
Begrænsninger. Da den kun understøtter Responses-API, kan den ikke uden videre bruges i integrationer baseret på Chat Completions, og dens batch-orienterede profil gør den uegnet til interaktiv brug eller opgaver, der er følsomme over for svartid. Hvor træningsdataene slutter er midten af 2024, og OpenAI har markeret denne version som udfaset med planlagt fjernelse i december 2026 til fordel for gpt-5.6-sol, der kører i en tilsvarende ræsonneringstilstand. OpenAI har ikke oplyst antallet af milliarder parametre eller arkitekturen.
Bemærkning om suverænitet. o3-pro er bygget og drives af OpenAI, som er en amerikansk virksomhed, så den er underlagt CLOUD Act og kører med lukkede vægte uden mulighed for suveræn drift — arbejdsopgaver med strenge krav til dataplacering bør i stedet se på EU-baserede alternativer eller modeller med åbne vægte.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 18,15 / 72,60€+1 betinget pris | Aktiveret |
15 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Værktøjskald er en dokumenteret egenskab, der rammer kravene til applikationer med funktionskald direkte.
Tilstanden til udvidet tænkning er velegnet til den ræsonnering i flere trin, som fejldiagnose kræver, understøttet af et kontekstvindue på 200k til store kildekoder.
Tilstanden til udvidet tænkning plus værktøjskald og et kontekstvindue på 200k er kernekravene til at nedbryde og følge lange agentiske planer med mange trin.
Et kontekstvindue på 200k gør det muligt at indlæse hele dokumenter til spørgsmål og svar, og udvidet tænkning understøtter omhyggelig udledning af svar i flere trin.
Udvidet tænkning plus et kontekstvindue på 200k passer arkitektonisk direkte til at syntetisere resultater på tværs af mange lange kildedokumenter.
Indbygget understøttelse af værktøjskald med ræsonnering gennem udvidet tænkning gør den meget velegnet til at koordinere flere værktøjskald i rækkefølge.
Understøttelse af verktøjskald og udvidet tænkning hjælper agentiske kodningsarbejdsflow, men da der ikke er publiceret SWE-Bench eller kodningsspecifikke benchmarks, er tilliden begrænset til acceptabel indtil validering.
Tilstanden til udvidet tænkning hjælper med struktureret analytisk ræsonnering, selvom manglen på publicerede kvantitative benchmarks begrænser tilliden til acceptabel.
Et kontekstvindue på 200k understøtter gennemgang af hele repositories, selvom der ikke er publiceret kodningsspecifikke benchmarks, der kan bekræfte præstation på topniveau.
Et kontekstvindue på 200k giver plads til store mængder litteratur til gennemgang, hvilket stemmer overens med modelfamiliens design til lang kontekst.
Et kontekstvindue på 200k understøtter opretholdelse af sammenhæng i lange dokumenter, selvom der ikke er publiceret skrivespecifikke benchmarks.
Der er ikke dokumenteret nogen egenskaber for billedforståelse eller OCR, så denne model kan ikke behandle scannede eller billedbaserede dokumenter.
Der er ikke dokumenteret nogen egenskaber for billedforståelse, hvilket udelukker opgaver med fortolkning af screenshots.
Der er ikke angivet nogen egenskaber for billedforståelse for denne model, hvilket udelukker den til billedbaserede spørgsmål og svar.
Der er ikke angivet nogen egenskaber for billedforståelse, hvilket gør den uegnet til at udtrække data fra diagrambilleder.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/o3-pro-2025-06-10",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på