o3
o3 (OpenAI) foi lançado em 16/04/2025. No ranking de capacidade da Epoch AI (ECI), está em 73º lugar entre 267 modelos, com 146,87. Comparado aos modelos da mesma geração, o melhor resultado dele é em AIME 2024 e 2025 (OTIS): 84,4%, 1º de 52.
Onde o o3 se destaca e onde fica atrás, pelos números
O o3 tem resultado publicado em 33 provas compiladas pela Epoch AI. A régua aqui é a geração: a posição dele entre os modelos lançados entre 20/07/2024 e 15/07/2025 que fizeram a mesma prova. Contra o acervo inteiro, que tem modelos de 2023, um lançamento recente fica no topo de quase tudo, e isso não diz nada.
Onde se destaca
Provas em que fica no terço de cima da própria geração.
Onde fica atrás
Provas em que fica na metade de baixo da própria geração.
Ver as 33 provas, uma a uma
| Prova | Nota | Na geração | No geral | Recorde da prova |
|---|---|---|---|---|
| GPQA Diamond | 81,8% | 3º / 54 | 81º / 173 | 96,4% Gemini 4 Argon |
| AIME 2024 e 2025 (OTIS) | 84,4% | 1º / 52 | 74º / 168 | 100,0% GPT-5.5 |
| Dtbench | 84,8% | 2º / 39 | 56º / 148 | 98,9% Claude Opus 5.5 |
| Lmca | 39,70 | 1º / 28 | 47º / 121 | 68,23 Claude Opus 5.5 |
| CritPt | 1,4% | 2º / 22 | 73º / 112 | 32,3% GPT-5.6 Sol |
| WeirdML | 52,4% | 4º / 31 | 43º / 112 | 93,6% GPT-6 Astra |
| Frontiermath Tiers 1 3 V2 | 33,3% | 2º / 7 | 64º / 86 | 93,7% GPT-6 Astra |
| ARC-AGI 2 | 6,5% | 3º / 22 | 52º / 83 | 95,0% GPT-6 Astra |
| ALE-Bench | 934 | 1º / 8 | 44º / 82 | 2.951 GPT-6 Astra |
| ARC-AGI | 60,8% | 2º / 21 | 51º / 81 | 98,5% Claude Fable 5 |
| SimpleQA Verified | 49,4% | 1º / 7 | 28º / 81 | 76,0% Gemini 4 Argon |
| Xadrez (problemas) | 37,0% | 1º / 7 | 36º / 80 | 76,0% GPT-6 Astra |
| Enigmas de jogo | 29,0% | 1º / 4 | 30º / 77 | 84,0% GPT-6 Astra |
| SimpleBench | 53,1% | 4º / 24 | 36º / 74 | 81,9% Claude Fable 5 |
| MATH nível 5 | 97,8% | 2º / 42 | 4º / 73 | 98,1% GPT-5 |
| FrontierMath | 18,7% | 3º / 26 | 31º / 65 | 51,7% GPT-5.5 |
| ForecastBench | 62,50 | 1º / 19 | 1º / 62 | 62,50 o3 |
| FrontierMath nível 4 | 2,1% | 5º / 10 (empatado com 1) | 34º / 48 | 39,6% GPT-5.5 Pro |
| Hle | 20,3% | 2º / 15 | 20º / 39 | 54,8% GPT-6 Astra |
| Aider Polyglot | 81,30 | 2º / 28 | 3º / 38 | 88,00 GPT-5 |
| Escrita criativa (Lech Mazur) | 8,39 | 2º / 28 | 5º / 38 | 8,60 GPT-5 |
| EnigmaEval | 13,1% | 1º / 14 | 10º / 36 | 39,3% Claude Fable 5 |
| SWE-bench Verified | 62,3% | 2º / 5 | 27º / 32 | 83,5% Claude Opus 4.7 |
| Fiction.liveBench | 100,0% | 1º / 22 | 1º / 31 | 100,0% o3 |
| METR: horizonte de tempo | 120 | 1º / 12 | 10º / 29 | 719 Claude Opus 4.6 |
| Gso | 8,8% | 1º / 8 | 18º / 28 | 88,2% Claude Fable 5.1 |
| DeepResearch Bench | 45,2% | 4º / 7 | 16º / 24 | 55,3% Claude Opus 4.6 |
| GeoBench | 3.930 | 3º / 17 | 6º / 24 | 4.333 Gemini 3 Flash |
| VPCT | 52,0% | 2º / 9 | 7º / 22 | 91,0% Gemini 3 Pro |
| Cl Bench | 17,8% | 1º / 1 | 12º / 19 | 27,9% GPT-5.4 |
| CAD-Eval | 74,0% | 1º / 12 | 1º / 14 | 74,0% o3 |
| GDPval | 30,8% | 1º / 4 | 7º / 11 | 49,7% GPT-5.2 |
| Os World | 23,00 | 3º / 4 | 7º / 8 | 72,10 Claude Sonnet 4.6 |
Em cada prova vale o melhor nível de esforço que o modelo fez, como no ranking. Fonte das notas: Epoch AI, sob CC BY 4.0.
Com quem comparar o o3
Os modelos de outros laboratórios mais próximos em capacidade e lançados na mesma época, no máximo dois por laboratório. Clique em qualquer um para ver a página dele.
| Modelo | Laboratório | ECI | ELO | LiveBench | Lançamento |
|---|---|---|---|---|---|
| o3 | OpenAI | 146,87 | n/d | n/d | 16/04/2025 |
| Claude Sonnet 4.5 | Anthropic | 146,83 | 1.488 | n/d | 29/09/2025 |
| Grok 4 | xAI | 146,43 | n/d | n/d | 09/07/2025 |
| DeepSeek-V3.2 | DeepSeek | 146,11 | 1.455 | n/d | 01/12/2025 |
| Kimi K2 Thinking | Moonshot | 145,96 | n/d | n/d | 06/11/2025 |
| Kimi K2 Thinking Turbo | Moonshot | 145,79 | 1.456 | n/d | 06/11/2025 |
| Gemini 2.5 Pro (Jun 2025) | Google DeepMind | 145,31 | 1.507 | n/d | 05/06/2025 |
o3 ou Claude Sonnet 4.5?
O Claude Sonnet 4.5 é o modelo de outro laboratório mais próximo do o3 em capacidade. Nas 27 provas que os dois fizeram, o placar é este:
| Prova | o3 | Claude Sonnet 4.5 |
|---|---|---|
| Xadrez (problemas) | 37,0% | 10,0% |
| Os World | 23,00 | 62,90 |
| EnigmaEval | 13,1% | 6,0% |
| ARC-AGI 2 | 6,5% | 13,6% |
| FrontierMath nível 4 | 2,1% | 4,2% |
| Enigmas de jogo | 29,0% | 17,0% |
| Gso | 8,8% | 14,7% |
| SimpleQA Verified | 49,4% | 30,7% |
| Hle | 20,3% | 13,7% |
| Frontiermath Tiers 1 3 V2 | 33,3% | 23,9% |
Placar sem peso: cada prova conta um ponto, seja de matemática, seja de programação. O ponto marca quem foi melhor em cada linha.
Quanto o o3 custa para entregar cada tarefa
Preço por token é o que está na tabela; custo por tarefa é o que chega na fatura, porque depende de quantos tokens o modelo gasta. Cada ponto é um nível de esforço, publicado por quem rodou a prova e compilado pela Epoch AI. Quanto mais para cima e para a esquerda, mais nota por dólar.
ARC-AGI 2
A escala de nota não começa em zero.
ARC-AGI
A escala de nota não começa em zero.
Os outros modelos da OpenAI
Os modelos do mesmo laboratório mais próximos no tempo, do mais novo para o mais antigo.
| Modelo | Lançamento | ECI | ELO | LiveBench | Acesso |
|---|---|---|---|---|---|
| gpt-oss-120b | 05/08/2025 | 140,00 | 1.385 | n/d | Open weights (unrestricted) |
| o3-pro | 10/06/2025 | 147,37 | n/d | n/d | API access |
| o3 | 16/04/2025 | 146,87 | n/d | n/d | API access |
| o4-mini | 16/04/2025 | 145,60 | n/d | n/d | API access |
| GPT-4.1 | 14/04/2025 | 136,77 | n/d | n/d | API access |
| GPT-4.1 mini | 14/04/2025 | 135,00 | n/d | n/d | API access |
| GPT-4.1 nano | 14/04/2025 | 129,63 | n/d | n/d | API access |
| GPT-4.5 | 27/02/2025 | 136,73 | n/d | n/d | API access |
| o3-mini | 31/01/2025 | 140,33 | 1.379 | n/d | API access |
Já usou o o3? Dê sua nota
Opinião de quem usa, não medição: a nota fica separada do ranking e não mexe na posição de ninguém. Um voto por navegador, sem cadastro, e dá para trocar a nota depois.
O que as pessoas perguntam sobre o o3
Qual a posição do o3 no ranking de IA?
No AI Benchmark da ROO3, ordenado pelo ECI da Epoch AI, o o3 está em 73º lugar entre 267 modelos, com ECI de 146,87. O ECI é um índice composto que junta vários benchmarks difíceis numa escala só. A posição muda quando sai modelo novo, e a página é apurada seis vezes por dia.
O o3 é melhor que o Claude Sonnet 4.5?
Nas 27 provas que os dois fizeram e que a Epoch AI compilou, o o3 fica à frente em 16, atrás em 11 e empata em 0. É uma comparação prova a prova, sem peso: uma vitória em matemática conta igual a uma em programação. Para escolher entre os dois, vale olhar as provas que se parecem com o seu uso.
Em que o o3 vai melhor?
Comparado aos modelos da mesma geração (lançados até 9 meses antes e até 3 meses depois dele), os melhores resultados relativos do o3 são: AIME 2024 e 2025 (OTIS) (1º de 52); Lmca (1º de 28); Fiction.liveBench (1º de 22). A régua é a posição entre os modelos daquela época que fizeram a mesma prova.
De onde vêm os números desta página?
Das mesmas três fontes do ranking, todas com licença aberta: Epoch AI (ECI e provas individuais, CC BY 4.0), Arena (ELO de preferência humana, CC BY 4.0) e LiveBench (média geral, CC BY-SA 4.0). A ROO3 não mede modelo nenhum. Quando a página traz número publicado pelo próprio fabricante, ele aparece na análise escrita, dito como sendo do fabricante, e nunca entra no ranking.
De onde vem cada número
Epoch AI, "AI Benchmarking Hub". Publicado em epoch.ai. Dados sob licença CC BY 4.0, reordenados por roo3.co.
Leaderboard da Arena (LMArena), do dataset público lmarena-ai/leaderboard-dataset no Hugging Face, sob licença CC BY 4.0. Não somos afiliados à Arena.
LiveBench, da equipe do LiveBench, publicado em livebench.ai sob licença CC BY-SA 4.0. A média geral é recalculada por roo3.co com a mesma conta do site (média das categorias), e esses números seguem sob CC BY-SA 4.0. Não somos afiliados ao LiveBench.
← Ver o ranking completo