İçeriğe geç
Seviye C — Uzman
Çalıştığı yer:USYapıldığı yer:United States

Kullanımdan kaldırma tarihi

Sağlayıcı bu modeli 23 Ekim 2026 tarihinde kullanımdan kaldıracak. O zamana kadar her zamanki gibi çalışır.

OpenAI

o3-mini

Seviye C — Uzman · 200K token

Tokonomix Editöryel Ekibi·İnceleyen Mes Kalkan··

o3-mini, OpenAI tarafından o-serisi ailesinin bir parçası olarak geliştirilen, akıl yürütme odaklı bir dil modelidir. Matematiksel problem çözme, kod üretimi, bilimsel analiz ve yapılandırılmış karar verme gibi çok adımlı akıl yürütme gerektiren karmaşık analitik görevleri ele almak üzere tasarlanmıştır. Öncelikle hız veya konuşma akıcılığı için optimize edilen modellerin aksine, o3-mini bilinçli akıl yürütme süreçlerine ağırlık verir; bu da onu doğruluk ve mantıksal tutarlılığın kritik olduğu uygulamalar için özellikle uygun kılar. Model, 200.000 token'lık bir bağlam penceresini destekler; bu sayede kapsamlı belgeler, uzun kod tabanları veya önemli bağlam tutma gerektiren çok turlu etkileşimler boyunca tutarlılığı koruyabilir. Standart metin üretme yetenekleri sunarken, akıl yürütme performansını iyileştirmek için pekiştirmeli öğrenme tekniklerini uygular. Bu yaklaşım, modelin problemleri parçalara ayırmasına, ara adımları değerlendirmesine ve farklı alanlarda iyi gerekçelendirilmiş sonuçlara ulaşmasına olanak tanır. OpenAI'nin model yelpazesinde o3-mini, kompakt bir akıl yürütme modeli konumundadır; daha büyük akıl yürütme sistemlerinin hesaplama gereksinimleri ile daha küçük modellerin erişilebilirliği arasında bir denge sunar. o-serisindeki tam ölçekli modellerin kaynak yükü olmadan akıl yürütme yeteneklerine ihtiyaç duyan kullanıcılar için tasarlanmıştır. Model; tamamen üretken veya konuşmaya dayalı çıktılar yerine yapılandırılmış düşünmeden yararlanan görevlerde güvenilir performans arayan geliştiricilere, araştırmacılara ve kuruluşlara hizmet eder.

OpenAI'nin kapsamlı eğitim verisi bu modelin geniş alan bilgisini destekliyor.

Tokonomix benchmark özeti
Bölüm 01

Hız analizi

Tüm benchmark çalıştırmalarında ölçülen gecikme. P50 (medyan) ve P95 (95. yüzdelik) normal ve yoğun yük altında yanıt hızının gerçekçi bir resmini verir.

P50 gecikme (medyan)P95 gecikme100 runs
413154526773809494108-2109-15ms
Bölüm 02

Kalite puanları

Bu modelin her soru kategorisinde sahanın geri kalanına göre nerede durduğu; aynı sorular üzerinde ikili karşılaştırmayla hesaplanır. Ham jüri puanı her sayının altındadır.

58%
Kod üretimi
jüri ortalaması 97
30%
Yaratıcı
jüri ortalaması 65
31%
Olgusal
jüri ortalaması 65
57%
Çok dilli
jüri ortalaması 96
64%
Akıl yürütme
jüri ortalaması 78

Kategori başına kazanma oranı: bu modelin o kategoriden bir soruda ortalama bir modeli ne sıklıkla yendiği. %50 ortalamadır, kalma notu değildir. Doğru cevap yüzdesi de değildir.

Bölüm 03

Fiyatlar

Bu modeli Tokonomix üzerinden kullandığınızda milyon token başına ödediğiniz tutar ve tipik bir konuşma için tahmini maliyet.

💰
API tarifeleri — o3-mini
$1.65 1M giriş token başına
$6.58 1M çıkış token başına
≈ $0.0023 tipik konuşma başına (800 token)
Giriş vs çıkış fiyatı (1M token başına)
1M giriş token başına$1.65
1M çıkış token başına$6.58
Bölüm 04

Saniye başına token

Ölçülen P50 gecikmesinden türetilen saniye başına token verimi. Yüksek daha iyidir; dalgalanmalar sağlayıcı tarafındaki yükü yansıtır.

Verim (token / s)385 / avg 345
480160

P50 gecikme × 200 çıkış token tahmininden hesaplandı — mutlak rakam bu varsayıma bağlıdır; önemli olan eğilimdir.

Bölüm 05

Güçlü & zayıf yönler

Benchmark sonuçları ve gerçek kullanım senaryolarına dair toplu topluluk geri bildirimine dayanır.

Güçlü yönler

Düşük gecikme, hızlı yanıt200K token uzun bağlamÇok adımlı akıl yürütmeMatematik ve bilimsel analizMetin üretimi ve özetlemeÇok turlu sohbet desteği

Zayıf yönler

Zincir düşünme nedeniyle yüksek gecikmeKarmaşık akıl yürütmede sınırlıİnternet erişimi bulunmuyor
Bölüm 06

Yetenekler

toolssource: litellmjson modereasoningjson schemaprompt cachingmax output tokens: 100000
Bölüm 07

Sık sorulan sorular

Çok adımlı matematik, algoritma analizi ve bilimsel akıl yürütmede öne çıkıyor. Zincir düşünme ile doğruluğu artırıyor.

OpenAI güvenlik katmanları ve içerik filtreleri modeli kurumsal ortamlara uygun kılıyor.

Tokonomix benchmark özeti
Bölüm 08

Kullanılabilirlik

Kullanılabilirlik

Henüz ölçüm verisi yok

Bu model için kullanılabilirlik istatistiklerini göstermek için yeterli API çağrısı henüz kaydedilmedi. Veri, model canlı trafik almaya başlayınca görünür.

Bölüm 09

Tokonomix kıyaslama kararları

⚖️
Endorsed by 2 judges
Independent LLM judges evaluated this model on our weekly intelligence tests
cohere/command-a100/100 · 1 runs
1 correct0 partial0 wrong100% accuracy
claude-sonnet-4-585/100 · 51 runs
40 correct5 partial6 wrong78% accuracy
2026-09-13

o3-mini quality jumps 11.1 points to 98.0, latency increases 14%

The latest benchmark window shows o3-mini achieving a remarkable overall quality score of 98.0, representing an 11.1 point improvement from the previous 86.9. This substantial gain is driven primarily by a perfect reasoning score of 100, up from the previous window's performance. Coding capability remains strong at 96, showing slight improvement and consistency with prior results at 95. However, the current window lacks creative and multilingual category data, making direct comparison incomplete for those dimensions. Latency has increased notably, with the p50 rising from 2793ms to 3177ms, approximately a 14% slowdown. This performance regression may reflect the computational demands of achieving higher quality outputs. The reduced test run count of 3 versus 5 in the previous window suggests this data represents a narrower sampling period. Users should expect significantly improved reasoning and coding performance but should anticipate longer response times. The trade-off between quality and speed appears to favor accuracy in this release, making o3-mini particularly suitable for tasks where precision outweighs latency concerns.

Kalite

98.0

Gecikme p50

3,177 ms

Test çalıştırmaları

3

Quality surged to 98.0 Perfect reasoning score achieved Latency increased 14% Fewer test runs sampled
Bölüm 10

Tam model profili

o3-mini — illustration 1

⚠️ Kullanımdan kaldırılmış model. OpenAI bu modeli, benzer maliyette geliştirilmiş akıl yürütme doğruluğu sunan o4-mini (Nisan 2025) ile değiştirdi. Yeni projeler doğrudan o4-mini'yi hedeflemelidir. Mevcut o3-mini entegrasyonlarının, API uç noktası kapanmadan önce göç planı yapması gerekir.

o3-mini: hacim katmanında deliberasyonu mümkün kılan, maliyet açısından verimli akıl yürütme modeli

o3-mini, akıl yürütme tarzı üretimi yüksek hacimde uygulanabilir hâle getiren modeldi. o1 ve o3 sınırın ucunda uzatılmış düşünce zincirinin neler yapabileceğini gösterirken, o3-mini bu akıl yürütme derinliğinin önemli bir kısmını, çağrı başına maliyetin baskın olduğu iş yüklerine taşıyan varyanttı. Şu anda o4-mini lehine kullanımdan kaldırılmış durumda, ancak ne yaptığını ve soy ağacında nereye oturduğunu anlamak, mevcut o3-mini entegrasyonlarından göç planlayan ekipler için önemli.

o3-mini'nin farklı yaptığı şey

Mini varyant, daha büyük o3 modelinin önce-akıl-yürütme üretim örüntüsünü korudu, ancak daha küçük bir parametre bütçesi ve istek başına daha sıkı bir akıl yürütme bütçesi ile. Takas basitti: en zor problemlerde bir miktar düşük doğruluk karşılığında, tam o3'ün başaramadığı bir biçimde hacim iş yüklerine ölçeklenen bir maliyet profili.

Mutlak yetenek tavanını gerektirmeyen akıl yürütme iş yüklerinin büyük çoğunluğu için o3-mini doğru katmandı. Kod incelemesi, yapılandırılmış analiz görevleri, orta karmaşıklıktaki kısıt setleri üzerinde çok adımlı planlama, sözleşme maddesi çıkarma, bilimsel literatür ön elemesi. Bunların tümü, dağıtımı ekonomik olarak uygulanabilir kılan bir birim maliyetle mini'de iyi çalıştı.

200.000 token'lık bağlam penceresi ana modelden devralındı; bu, girdinin önemli boyutlarda olabildiği uzun belge iş akışları için kritikti. Mini, uzun bağlam yeteneğinden vazgeçmedi; maliyet verimliliği karşılığında biraz akıl yürütme derinliğinden vazgeçti.

Gecikme profili, refleks modelleri ile tam o3 arasında bir yerde duruyordu. Harcanacak daha az akıl yürütme hesabı olduğu için o3'ten daha hızlı, ancak akıl yürütme adımı hâlâ gerçekleştiğinden GPT-4o sınıfı refleks modellerden ölçülebilir biçimde daha yavaş.

Neden kullanımdan kaldırıldı

OpenAI, o3-mini'nin yerine Nisan 2025'te o4-mini'yi getirdi. Halef model, aynı iş yüklerinde benzer maliyetle daha iyi doğruluk sundu; bu da eski model üzerinde geliştirmeye devam etmeyi ticari olarak haklı çıkarmaz hâle getirdi. Kullanımdan kaldırma duyurusu, mevcut müşterilere iş akışlarını o4-mini'ye karşı doğrulamaları ve o3-mini uç noktası kapanmadan önce geçiş yapmaları için bir göç penceresi sağladı.

Göç hikâyesi API yüzeyinde basittir. Her iki model aynı istek ve yanıt şeklini paylaşır, dolayısıyla entegrasyon kodu değişmez. Değişen şey altta yatan davranıştır. o4-mini farklı bir akıl yürütme dağılımına sahip farklı bir modeldir ve o3-mini'nin belirli davranışına ayarlanmış istem örüntüleri, halef modelde eşdeğer veya daha iyi sonuçlara ulaşmak için ayarlama gerektirebilir.

Hâlâ o3-mini'de olan ekipler için planlama sorusu zamanlamadır. o4-mini'ye karşı paralel bir değerlendirme yolu yürütün, davranışsal farkları kendi spesifik iş yükünüzde belgeleyin ve kullanımdan kaldırma uçurumundan önce geçiş yapın. Kullanımdan kaldırma takvimi ayrıntılı olarak yayınlanmadı, ancak OpenAI'nin kullanımdan kaldırılmış akıl yürütme modellerindeki örüntüsü, önceden bildirimle birlikte birkaç aylık bir kapanma penceresi olmuştur.

Nerede yetersiz kaldı

Tüm akıl yürütme modelleri için geçerli olan sınırlamalar o3-mini için de geçerliydi. Gerçek zamanlı konuşma uygulamaları kötü bir uyumdu çünkü akıl yürütme gecikmesi sohbet UX'i ile uyumsuzdu. Basit özetleme ve çıkarım, akıl yürütme hesabını boşa harcadı. Yaratıcı yazım, tüm akıl yürütme modellerinin yönelme eğiliminde olduğu aynı dikkatli, düz prozayı üretti.

Akıl yürütme katmanı içinde o3-mini, mutlak yetenek tavanındaki problemler için doğru seçim değildi. En zor problemler için, maksimum doğruluğun maliyeti haklı çıkardığı durumlarda tam o3 veya o1-pro varyantlarıydı. Mini, hacim katmanıydı; asla maksimum doğruluk katmanı değildi.

Bunun yerine ne kullanmalı

Doğrudan halef, kayan takma adda o4-mini veya sabitlenmiş üretim için tarihli anlık görüntüde o4-mini-2025-04-16'dır. Göç yolu API yüzeyinde basittir, ancak kendi spesifik iş yükünüzde uygun bir doğrulamayı hak eder.

Mini katman yetenek zarfının ötesine geçen iş yükleri için, tam o3 veya tarihli anlık görüntüde o3-2025-04-16 yükseltme yoludur. Maliyet profili daha yüksektir ancak zor problemlerdeki doğruluk anlamlı biçimde daha iyidir.

Akıl yürütme ile birlikte harici kaynak entegrasyonuna ihtiyaç duyan araştırma iş akışları için o4-mini-deep-research, o4-mini ile aynı kuşakta yer alan adanmış araştırma modu varyantıdır.

Tarihli anlık görüntü o3-mini-2025-01-31, o3-mini'den göç planlarken bir kararlılık çıpasına ihtiyaç duyan ekipler için mevcut olmaya devam ediyor. Bunu yalnızca göç köprüsü dönemi için kullanın, yeni inşalar için değil. AB veri ikametgâhı bu uç noktaların hiçbirinde varsayılan olarak karşılanmaz.

Son teknik inceleme: 2026-05-22 — Tokonomix.ai

o3-mini — illustration 2o3-mini — illustration 3
Son otomatik test
15 Eyl 2026 · 02:06 UTC · Hız testi
P50 gecikme
519 ms
P95 gecikme
549 ms
Hatalar
0 / 6 çalıştırma
Son inceleyen Tokonomix Ekibi·26 Mayıs 2026