O3 Mini High
4290°
Chạy mô hình này
Ưu đãi / Quảng cáo
OpenAI | ngữ cảnh 200,000 token | $1.10/M đầu vào, $4.40/M đầu ra. OpenAI o3-mini-high là cùng mô hình với o3-mini nhưng với reasoning_effort đặt ở mức cao. o3-mini là mô hình ngôn ngữ tiết kiệm chi phí tối ưu cho các nhiệm vụ suy luận STEM, đặc biệt xuất sắc trong khoa học, toán học và lập trình. Mô hình có ba mức nỗ lực suy luận điều chỉnh được và hỗ trợ các tính năng quan trọng cho nhà phát triển như gọi hàm, đầu ra có cấu trúc và streaming, nhưng không có khả năng xử lý thị giác. Mô hình cải thiện đáng kể so với phiên bản trước, với người kiểm tra chuyên gia ưu tiên câu trả lời của nó 56% thời gian và giảm 39% lỗi lớn trong các câu hỏi phức tạp. Với cài đặt nỗ lực suy luận trung bình, o3-mini đạt hiệu suất tương đương mô hình lớn hơn o1 trên các bài kiểm tra suy luận khó như AIME và GPQA, đồng thời duy trì độ trễ và chi phí thấp hơn.
Hướng dẫn cho mô hình này
10 lựa chọn thay thế ChatGPT rẻ nhất năm 2026: mô hình cục bộ miễn phí, gói miễn phí và gói trả phí cố định
Mở weights vs mã nguồn mở vs chỉ API: bạn thực sự được phép làm gì
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
o3 Mini High là mô hình o3-mini của OpenAI chạy ở mức nỗ lực suy luận tối đa — cùng trọng số, nhưng núm suy nghĩ vặn lên tối đa. Nó được xây dựng cho công việc STEM: toán học, khoa học và lập trình, đánh đổi tốc độ lấy ít lỗi hơn rõ rệt trên các vấn đề khó. Nếu bạn cần mô hình suy luận với chi phí thấp hơn các phân khúc hàng đầu nhưng vẫn xử lý tốt các câu hỏi kỹ thuật nghiêm túc, đây là cấu hình nên chọn.
Nổi tiếng với
- Mức nỗ lực suy luận cao nhất, giảm lỗi lớn trên câu hỏi phức tạp tới 39%.
- Đạt điểm tương đương o1 lớn hơn trên các chuẩn AIME và GPQA ở mức trung bình, vượt trội ở mức cao.
- Mạnh về lập trình, toán và khoa học — bộ STEM cốt lõi.
- Hỗ trợ gọi hàm, đầu ra có cấu trúc và streaming cho quy trình phát triển.
- Cửa sổ ngữ cảnh 200.000 token xử lý tài liệu kỹ thuật và mã nguồn dài.
Cẩn thận với
- Không hỗ trợ thị giác — không thể đính kèm hình ảnh hay sơ đồ.
- Nỗ lực cao nghĩa là phản hồi chậm hơn o3-mini ở mức thấp hoặc trung bình.
- Trọng số đóng, chỉ qua API; không có tùy chọn triển khai cục bộ.
Phù hợp nhất cho
Lời nhắc để thử
Chứng minh kết quả tổ hợp
Chứng minh số cách lát một bảng 2×n bằng các domino 1×2 là số Fibonacci thứ (n+1). Trình bày rõ từng bước quy nạp và giải thích tại sao các trường hợp cơ sở đúng.
Gỡ lỗi thuật toán khó
Đây là đoạn mã Python thuật toán Dijkstra trả về khoảng cách đường đi ngắn nhất sai trên đồ thị có nút không liên thông. Đọc mã, xác định mọi lỗi, giải thích tại sao mỗi lỗi gây ra kết quả sai, và đưa ra phiên bản sửa.
```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
```
Lập kế hoạch thí nghiệm vật lý
Tôi muốn đo gia tốc trọng trường g chỉ dùng điện thoại thông minh, thước kẻ và một quả bóng nhỏ. Mô tả phương pháp chính xác nhất với các công cụ này, giải thích nguồn sai số chính, và đề xuất cách giảm từng nguồn. Ước lượng độ không chắc chắn tôi nên mong đợi.
So sánh với
- GPT-5.6 SolMô hình chỉ APIngữ cảnh 1,050,000 token · Đầu vào $4.00/M, đầu ra $20.00/M
- GPT-6.1 SolMô hình chỉ APIngữ cảnh 1,050,000 token · Đầu vào $2.00/M, đầu ra $10.00/M
- GPT-6 SolMô hình chỉ APIngữ cảnh 1,050,000 token · Đầu vào $2.00/M, đầu ra $10.00/M
- gpt-oss-120bMô hình mở trọng sốngữ cảnh 131,072 token · Đầu vào $0.15/M, đầu ra $0.60/M
Thêm mô hình văn bản từ openai
Câu hỏi thường gặp
- Tôi có thể chạy o3 Mini High cục bộ không?
- Không. Đây là mô hình đóng trọng số, chỉ qua API của OpenAI; không có tệp tải về và không thể triển khai cục bộ.
- Chi phí là bao nhiêu và cửa sổ ngữ cảnh cỡ nào?
- Giá 1,10 USD mỗi triệu token đầu vào và 4,40 USD mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 200.000 token.
- o3 Mini High khác gì so với o3-mini bình thường?
- Là cùng mô hình nhưng tham số reasoning_effort cố định ở mức cao, cải thiện độ chính xác trên các vấn đề khó với đổi lấy phản hồi chậm hơn và hơi đắt hơn so với mức thấp hoặc trung bình.
Phán quyết của thuyền trưởngLựa chọn đúng khi bạn cần chi phí o3-mini nhưng không thể chấp nhận câu trả lời cẩu thả trên các vấn đề STEM khó.
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
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.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
O3 Mini High là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153