O3
2213°
Lancer ce modèle
Offres / Pub
OpenAI | contexte de 200 000 tokens | 2,00 $/M entrée, 8,00 $/M sortie. o3 est un modèle polyvalent et puissant dans plusieurs domaines. Il établit une nouvelle norme pour les tâches de mathématiques, sciences, codage et raisonnement visuel. Il excelle également en rédaction technique et suivi d'instructions. Utilisez-le pour réfléchir à des problèmes multi-étapes impliquant analyse de texte, code et images.
Guides pour ce modèle
Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire
Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger
Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe
Notes du capitaine
Notes du 2026-10-13
o3 est le modèle de raisonnement phare d’OpenAI, conçu pour traiter les problèmes les plus difficiles en mathématiques, sciences, codage et analyse visuelle. Il réfléchit à des tâches multi-étapes mêlant texte, code et images plutôt que de faire du simple appariement de motifs pour une réponse rapide. Si vous atteignez régulièrement la limite des modèles plus rapides, c’est vers celui-ci qu’il faut se tourner.
Connu pour
- Performance de premier ordre sur les problèmes de mathématiques, sciences et codage
- Raisonnement visuel : analyse les images conjointement avec texte et code
- Rédaction technique solide et suivi précis des instructions
- Contexte de 200 000 tokens pour documents ou bases de code longs et complexes
Attention à
- Poids fermés, uniquement via API — vous ne pouvez pas l’exécuter localement ni l’héberger vous-même
- À 8,00 $ par million de tokens en sortie, les coûts montent vite sur les chaînes de raisonnement longues
- Plus lent que les modèles plus légers d’OpenAI ; pas adapté aux tâches rapides et simples
Prompts à essayer
Déboguer une erreur logique subtile
Voici une fonction Python qui calcule les intérêts composés. Elle passe les tests basiques mais donne de mauvais résultats quand la fréquence de capitalisation dépasse 12. Parcours la logique étape par étape, identifie le bug, explique pourquoi elle produit une mauvaise sortie, et donne-moi une version corrigée avec une brève explication de la correction.
Problème scientifique multi-étapes
Un récipient scellé de 10 litres contient un gaz idéal à 300 K et 2 atm. Le récipient est chauffé jusqu’à ce que la pression atteigne 3 atm. Quelle est la nouvelle température ? Puis, si une petite valve libère du gaz jusqu’à ce que la pression revienne à 2 atm à cette nouvelle température, quelle fraction des moles initiales de gaz reste ? Montre chaque étape.
Analyser un graphique ou un diagramme
Je joins un graphique d’un rapport financier. Identifie la tendance principale, note les anomalies ou points d’inflexion, et dis-moi quelles questions un analyste prudent devrait poser avant de tirer des conclusions de ces données. Sois précis sur ce que le graphique montre ou ne montre pas.
Comparer avec
- GPT-6 LunaModèle uniquement APIContexte de 1,050,000 tokens · entrée $0.10/M, sortie $0.50/M
- GPT-5.6 SolModèle uniquement APIContexte de 1,050,000 tokens · entrée $4.00/M, sortie $20.00/M
- GPT-6.1 SolModèle uniquement APIContexte de 1,050,000 tokens · entrée $2.00/M, sortie $10.00/M
- GPT-6 SolModèle uniquement APIContexte de 1,050,000 tokens · entrée $2.00/M, sortie $10.00/M
Plus de modèles de texte de openai
Questions fréquentes
- Puis-je exécuter o3 localement ou télécharger les poids ?
- Non. o3 est uniquement accessible via API ; OpenAI n’a pas publié les poids, donc le déploiement local ou auto-hébergé n’est pas possible.
- Quel est le coût et la taille du contexte ?
- Le tarif est de 2,00 $ par million de tokens en entrée et 8,00 $ par million de tokens en sortie, avec une fenêtre de contexte de 200 000 tokens.
- En quoi o3 diffère-t-il des modèles plus rapides d’OpenAI ?
- o3 est conçu pour un raisonnement profond et multi-étapes plutôt que la rapidité ; il échange latence et coût contre une performance nettement supérieure sur les tâches difficiles de mathématiques, sciences, codage et raisonnement visuel.
Verdict du capitaineLe modèle à choisir quand un problème est vraiment difficile et qu’une mauvaise réponse coûte plus cher que la facture des tokens.
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
O3 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmopenaivisionraisonnementprogrammationmathématiquescontexte long
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153