O3 Mini High
4290°
Ejecutar este modelo
Ofertas / Anuncios
OpenAI | contexto de 200,000 tokens | $1.10/M entrada, $4.40/M salida. OpenAI o3-mini-high es el mismo modelo que o3-mini con reasoning_effort configurado en alto. o3-mini es un modelo de lenguaje rentable optimizado para tareas de razonamiento STEM, destacando en ciencia, matemáticas y codificación. El modelo cuenta con tres niveles ajustables de esfuerzo de razonamiento y soporta capacidades clave para desarrolladores como llamadas a funciones, salidas estructuradas y streaming, aunque no incluye capacidades de procesamiento visual. El modelo muestra mejoras significativas respecto a su…OpenAI | contexto de 200,000 tokens | $1.10/M entrada, $4.40/M salida. OpenAI o3-mini-high es el mismo modelo que o3-mini con reasoning_effort configurado en alto. o3-mini es un modelo de lenguaje rentable optimizado para tareas de razonamiento STEM, destacando en ciencia, matemáticas y codificación. El modelo cuenta con tres niveles ajustables de esfuerzo de razonamiento y soporta capacidades clave para desarrolladores como llamadas a funciones, salidas estructuradas y streaming, aunque no incluye capacidades de procesamiento visual. El modelo muestra mejoras significativas respecto a su predecesor, con evaluadores expertos prefiriendo sus respuestas el 56% del tiempo y una reducción del 39% en errores mayores en preguntas complejas. Con configuraciones de esfuerzo medio, o3-mini iguala el rendimiento del modelo más grande o1 en evaluaciones de razonamiento desafiantes como AIME y GPQA, manteniendo menor latencia y costo.
Guías para este modelo
Las 10 alternativas más baratas a ChatGPT en 2026: modelos locales gratuitos, planes gratuitos y tarifas planas
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
Notas del capitán
Notas del 2026-10-13
o3 Mini High es el modelo o3-mini de OpenAI funcionando en su configuración máxima de esfuerzo de razonamiento — los mismos pesos, con el dial de pensamiento al máximo. Está diseñado para trabajo STEM: matemáticas, ciencia y codificación, donde sacrifica algo de velocidad para reducir notablemente errores en problemas difíciles. Si necesitas un modelo de razonamiento que cueste menos que los niveles insignia pero maneje preguntas técnicas serias, esta es la configuración a elegir.
Conocido por
- Configuración máxima de esfuerzo de razonamiento, reduciendo errores graves en preguntas complejas en un 39%.
- Iguala a modelos más grandes o1 en benchmarks AIME y GPQA a esfuerzo medio, y lo supera a alto.
- Fuerte en codificación, matemáticas y ciencias — el núcleo STEM.
- Soporta llamadas a funciones, salidas estructuradas y streaming para pipelines de desarrolladores.
- Ventana de contexto de 200,000 tokens para manejar documentos técnicos y bases de código largos.
Cuidado con
- Sin soporte de visión — no puedes adjuntar imágenes o diagramas.
- Alto esfuerzo significa respuestas más lentas que o3-mini en configuraciones baja o media.
- Pesos cerrados, solo API; no hay opción de despliegue local.
Prompts para probar
Demostrar un resultado de combinatoria
Demuestra que el número de formas de cubrir un tablero 2×n con dominós 1×2 es el (n+1)-ésimo número de Fibonacci. Muestra cada paso de la inducción claramente y explica por qué los casos base se cumplen.
Depurar un algoritmo complicado
Aquí hay una implementación en Python del algoritmo de Dijkstra que devuelve distancias erróneas en grafos con nodos desconectados. Lee el código, identifica cada error, explica por qué causa salida incorrecta y da una versión corregida.
```python
import heapq
def dijkstra(graph, start):
dist = {}
heap = [(0, start)]
while heap:
d, u = heapq.heappop(heap)
for v, w in graph[u]:
if d + w < dist.get(v, float('inf')):
dist[v] = d + w
heapq.heappush(heap, (dist[v], v))
return dist
```
Planificar un experimento de física
Quiero medir la aceleración gravitacional g usando solo un smartphone, una regla y una pequeña bola. Describe el método más preciso disponible con estas herramientas, explica las principales fuentes de error y sugiere cómo reducir cada una. Da una estimación de la incertidumbre esperada.
Comparar con
- GPT-5.6 SolModelo solo APIContexto de 1,050,000 tokens · $4.00/M entrada, $20.00/M salida
- GPT-6.1 SolModelo solo APIContexto de 1,050,000 tokens · $2.00/M entrada, $10.00/M salida
- GPT-6 SolModelo solo APIContexto de 1,050,000 tokens · $2.00/M entrada, $10.00/M salida
- gpt-oss-120bModelo con pesos abiertosContexto de 131,072 tokens · $0.15/M entrada, $0.60/M salida
Más modelos de texto de openai
Preguntas frecuentes
- ¿Puedo ejecutar o3 Mini High localmente?
- No. Es un modelo de pesos cerrados y solo API de OpenAI; no hay descarga ni opción de despliegue local.
- ¿Cuánto cuesta y qué tamaño de contexto tiene?
- El precio es $1.10 por millón de tokens de entrada y $4.40 por millón de tokens de salida, con una ventana de contexto de 200,000 tokens.
- ¿En qué se diferencia o3 Mini High del o3-mini normal?
- Es el mismo modelo con el parámetro reasoning_effort fijado en alto, lo que mejora la precisión en problemas difíciles a costa de respuestas más lentas y ligeramente más caras que en configuraciones baja o media.
Veredicto del capitánLa elección correcta cuando necesitas el perfil de costo de o3-mini pero no puedes permitir respuestas imprecisas en problemas STEM difíciles.
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
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.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
O3 Mini High es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmopenairazonamientoprogramaciónmatemáticascontexto largo
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153