o3-pro 评测详情

o3-pro 当前已收录的代表性评测结果包括 Aider-Polyglot（3 / 59，得分 84.90）、Fiction.liveBench（1 / 16，得分 97.20）、AIME 2024（8 / 61，得分 93）。

评测结果

o3-pro

评测结果

抽象归纳与泛化

共 7 项评测

评测名称 / 模式

得分

排名/总数

常规模式

59.33

128 / 193

思考水平·低工具

44.33

148 / 193

思考水平·中工具

57

134 / 193

思考水平·高

59.33

128 / 193

思考水平·低工具

2.05

157 / 181

思考水平·中工具

1.94

159 / 181

思考水平·高工具

4.86

140 / 181

综合知识考试

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

21

152 / 235

科学知识与推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

84

97 / 253

仓库修复与多文件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

思考水平·高

75

39 / 116

数学

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

93

8 / 61

常规模式

93

33 / 110

自主开发与终端任务

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

84.90

3 / 59

跨应用与工具编排

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

44.50

43 / 44

机器学习工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高工具

58.21

30 / 52

跨长文理解与整合

共 1 项评测

评测名称 / 模式

得分

排名/总数

Fiction.liveBench

思考水平·中

97.20

1 / 16

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

147.43

57 / 167

与其他模型对比