Bisakah saya menjalankan o3-mini secara lokal atau mengunduh bobotnya?

Tidak. o3-mini adalah model hanya API dari OpenAI; bobotnya tidak publik dan tidak ada cara menjalankannya di perangkat Anda sendiri.

Berapa biaya o3-mini dan berapa besar konteksnya?

Biayanya $1,10 per juta token input dan $4,40 per juta token output, dengan jendela konteks 200.000 token.

Apa perbedaan o3-mini dengan o1 dan o3?

o3-mini lebih kecil dan lebih murah dari keduanya, tapi pada usaha penalaran sedang menyamai o1 pada benchmark matematika dan sains sulit; menukar sedikit puncak kualitas untuk latensi dan biaya lebih rendah, serta menambahkan parameter reasoning_effort yang tidak ada di o1.

O3 Mini

5918°

#llm #openai #penalaran #pemrograman #matematika #agen

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

OpenAI | konteks token 200.000 | $1,10/M input, $4,40/M output. OpenAI o3-mini adalah model bahasa hemat biaya yang dioptimalkan untuk tugas penalaran STEM, khususnya unggul dalam sains, matematika, dan pengkodean. Model ini mendukung parameter reasoning_effort, yang dapat diatur ke "high", "medium", atau "low" untuk mengontrol waktu berpikir model. Defaultnya adalah "medium". OpenRouter juga menawarkan slug model openai/o3-mini-high untuk mengatur parameter ke "high" secara default. Model ini memiliki tiga tingkat upaya penalaran yang dapat disesuaikan dan mendukung kemampuan pengembang…OpenAI | konteks token 200.000 | $1,10/M input, $4,40/M output. OpenAI o3-mini adalah model bahasa hemat biaya yang dioptimalkan untuk tugas penalaran STEM, khususnya unggul dalam sains, matematika, dan pengkodean. Model ini mendukung parameter reasoning_effort, yang dapat diatur ke "high", "medium", atau "low" untuk mengontrol waktu berpikir model. Defaultnya adalah "medium". OpenRouter juga menawarkan slug model openai/o3-mini-high untuk mengatur parameter ke "high" secara default. Model ini memiliki tiga tingkat upaya penalaran yang dapat disesuaikan dan mendukung kemampuan pengembang utama termasuk pemanggilan fungsi, output terstruktur, dan streaming, meskipun tidak termasuk kemampuan pemrosesan visi. Model ini menunjukkan peningkatan signifikan dibandingkan pendahulunya, dengan penguji ahli lebih memilih responsnya 56% dari waktu dan mencatat pengurangan 39% dalam kesalahan besar pada pertanyaan kompleks. Dengan pengaturan upaya penalaran medium, o3-mini menyamai kinerja model o1 yang lebih besar pada evaluasi penalaran menantang seperti AIME dan GPQA, sambil mempertahankan latensi dan biaya yang lebih rendah.

Panduan untuk model ini

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

o3-mini adalah model penalaran hemat biaya dari OpenAI yang ditujukan khusus untuk pekerjaan STEM: sains, matematika, dan pemrograman. Fitur utamanya adalah pengatur tingkat usaha penalaran — rendah, sedang, atau tinggi — sehingga Anda hanya membayar sesuai kebutuhan tugas. Pada tingkat usaha sedang, ia menyamai o1 pada benchmark penalaran sulit, menjadikannya pilihan praktis bagi pengembang yang menginginkan hasil kelas penalaran tanpa tagihan kelas penalaran.

Dikenal untuk

Tiga tingkat usaha penalaran memungkinkan pertukaran kecepatan dan biaya dengan kualitas jawaban.
Menyamai o1 pada benchmark matematika dan sains AIME dan GPQA pada usaha sedang.
39% lebih sedikit kesalahan besar pada pertanyaan kompleks dibanding pendahulunya.
Perlengkapan pengembang lengkap: pemanggilan fungsi, keluaran terstruktur, dan streaming.
Jendela konteks 200.000 token menangani basis kode dan dokumen teknis panjang.

Waspadai

Tidak mendukung visi — tidak bisa memproses gambar, jadi tugas multimodal butuh model lain.
Bobot tertutup; Anda menyewa akses lewat API dan tidak bisa menjalankannya lokal.
Token keluaran dikenai biaya empat kali lipat token input, jadi rantai penalaran panjang bisa mahal.

Terbaik untuk

Pemrograman

Matematika

Penalaran

Agen dan penggunaan alat

Prompt untuk dicoba

Debug rekursi rumit

Berikut fungsi rekursif Python yang menghitung jumlah cara menata papan 2×N dengan domino 1×2. Fungsi ini memberikan jawaban salah untuk N lebih dari 20. Temukan bug-nya, jelaskan penyebabnya, dan berikan versi yang diperbaiki dengan penjelasan singkat: def tile(n): if n == 0: return 1 if n == 1: return 1 return tile(n-1) + tile(n-2)

Buktikan hasil kombinatorik

Buktikan bahwa untuk setiap bilangan bulat positif n, jumlah n bilangan ganjil pertama sama dengan n kuadrat. Berikan bukti induksi, lalu bukti kedua menggunakan argumen geometris atau kombinatorial. Buat setiap bukti mandiri dan jelaskan setiap langkah.

Rencanakan agen multi-langkah

Rancang agen minimal pemanggil alat yang menjawab pertanyaan tentang database SQLite lokal. Daftar alat yang dibutuhkan, skema JSON untuk setiap panggilan dan respons alat, loop keputusan dalam pseudocode, dan dua atau tiga mode kegagalan yang akan Anda tangani terlebih dahulu.

Bandingkan dengan

gpt-oss-120b
Model dengan bobot terbuka
konteks 131,072 token · $0.15/M input, $0.60/M output
gpt-oss-20b
Model dengan bobot terbuka
konteks 131,072 token · $0.02/M input, $0.09/M output
GPT-5.6 Sol
Model hanya API
konteks 1,050,000 token · $4.00/M input, $20.00/M output
GPT-6.1 Sol
Model hanya API
konteks 1,050,000 token · $2.00/M input, $10.00/M output

Model teks lain dari openai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan o3-mini secara lokal atau mengunduh bobotnya?: Tidak. o3-mini adalah model hanya API dari OpenAI; bobotnya tidak publik dan tidak ada cara menjalankannya di perangkat Anda sendiri.
Berapa biaya o3-mini dan berapa besar konteksnya?: Biayanya $1,10 per juta token input dan $4,40 per juta token output, dengan jendela konteks 200.000 token.
Apa perbedaan o3-mini dengan o1 dan o3?: o3-mini lebih kecil dan lebih murah dari keduanya, tapi pada usaha penalaran sedang menyamai o1 pada benchmark matematika dan sains sulit; menukar sedikit puncak kualitas untuk latensi dan biaya lebih rendah, serta menambahkan parameter reasoning_effort yang tidak ada di o1.

Putusan Kapten
Pengatur usaha penalaran adalah daya jual utama: default masuk akal, mudah dinaikkan saat masalah memang layak.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

O3 Mini adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm openai penalaran pemrograman matematika agen

Jelajahi berdasarkan Keluarga Model