o3-mini

Name: o3-mini
Brand: OpenAI
SKU: o3-mini
Price: 1.32 USD
Availability: InStock

Text & ChatAuslaufendVerfügbar

von OpenAIo3-mini

OpenAI's reasoning model optimized for STEM tasks, coding, and math. Uses chain-of-thought reasoning.

Ausprobieren API-Schlüssel holen Vergleichen

Preis · 1 Mio. In/Out: 1,32 $ / 5,28 $
Kontext: 200.000 Token
Max. Ausgabe: 100.000 Token
Eingabe → Ausgabe: Text → Text
Entwickler: OpenAI
Aktualisiert: 23. September 2026

Der Anbieter lässt dieses Modell auslaufen.

Playground

o3-mini ausprobieren

Chat

1,32 $/1 Mio. In

Schick eine Nachricht. Die Antwort kommt vollständig, sobald das Modell fertig ist (ohne Streaming).

System-Prompt

Max. Antwortlänge (Token)

⌘/Strg + Enter

Dieser Lauf

höchstens 0,0055 $ · 0,55 Credits vorgemerkt

Abgerechnet werden die tatsächlich verbrauchten Token, der Rest der Vormerkung wird erstattet.

Neu hier?

10 Gratis-Credits (0,10 $) bei Anmeldung mit Google

Nutzbar 24 Stunden nach der Anmeldung, bis zu 5 Läufe pro Tag und höchstens 2 Credits je Lauf. Andere Anmeldearten starten ohne Guthaben. Reicht für 18 Läufe dieses Modells.

Über o3-mini

Kurz gesagtStand: 23. September 2026

o3-mini ist ein Modell von OpenAI aus der Kategorie Text & Chat. Über Railwail kostet o3-mini 1,32 $ je 1 Mio. Input-Token und 5,28 $ je 1 Mio. Output-Token. Das Kontextfenster umfasst 200.000 Token, eine Antwort bis zu 100.000 Token.

Hintergrund

Über OpenAI

Gegründet 2015 · San Francisco, USA

OpenAI was founded in 2015 as a non-profit lab by Sam Altman, Elon Musk, Greg Brockman, Ilya Sutskever, Wojciech Zaremba and John Schulman, transitioning to a capped-profit structure in 2019 to raise capital from Microsoft (now over $13B invested). OpenAI's research output includes the GPT series (GPT-1 in 2018 through GPT-4 in 2023), the InstructGPT/RLHF paper (2022), the GPT-4o System Card (2024) and the o-series reasoning papers. The o-series began with o1-preview in September 2024 and o1 in December 2024, introducing test-time compute scaling via long internal chains-of-thought trained with reinforcement learning. o3 and o3-mini followed in January-February 2025, with o3-mini specifically launched on 31 January 2025 as a fast, cost-efficient reasoning model available to free, Plus and Team ChatGPT users. The o-series has been described by OpenAI as the first models to solve previously-unsolved Frontier Math benchmark problems. Sam Altman remains CEO and the company's 2025 valuation exceeded $300 billion.

OpenAI besuchen

Architektur

Decoder-only Transformer (reasoning model with test-time chain-of-thought)

o3-mini is the small reasoning model in the o-series, released by OpenAI on 31 January 2025. Like its o1 and o3 siblings it is a decoder-only Transformer trained to produce long internal chains-of-thought during inference, then return a concise final answer to the user. Reinforcement learning was the core training technique: the model is rewarded for correct answers on verifiable tasks (math, code, scientific problems) and learns to allocate test-time compute by generating longer or shorter reasoning traces as needed. o3-mini supports three reasoning effort settings ('low', 'medium', 'high') that developers can choose to trade latency for accuracy. The training corpus and base pretraining are not disclosed in detail but build on OpenAI's frontier pretraining stack. o3-mini is the first o-series model to support function calling, Structured Outputs with strict JSON schemas, streaming and developer messages from day one, making it deployable in production agentic stacks. On benchmarks the medium-effort setting matched o1's performance at significantly lower cost; the high-effort setting outperformed o1 on AIME math, GPQA Diamond and Codeforces. Vision input is not supported (use o1 or GPT-4o for multimodal). The model retains OpenAI's deliberative alignment training, in which the safety policy itself is reasoned about explicitly during inference.

Parameter: Undisclosed (estimated tens of billions of active parameters)
Kontext: 200.000 Token

Fähigkeiten

Three reasoning effort modes: low, medium, high
Strong math performance: o3-mini-high matches or beats o1 on AIME and GPQA
Competitive Codeforces ratings on coding contests
200K context window with 100K max output
Function calling and parallel tool calls
Structured Outputs with strict JSON schemas
Streaming and developer-message support
Lower latency than o1 at equal accuracy
Available in ChatGPT Free, Plus, Team and API
Deliberative alignment: reasons about safety policy at inference time
Best for: math, coding contests, scientific reasoning, multi-step tool agents.

Training & Lizenz

Pretrained on OpenAI's standard multi-trillion-token corpus (composition undisclosed). Post-training relies heavily on reinforcement learning against verifiable rewards on math, code and scientific problem datasets, plus deliberative alignment training where the model is taught to reason about OpenAI's safety policy.

Lizenz: Proprietary commercial license via OpenAI API, Azure OpenAI Service and ChatGPT. Commercial use permitted.

Sicherheitstests: Evaluated under OpenAI's Preparedness Framework. Deliberative alignment training reduces compliance with jailbreaks; external red-teamers covered persuasion, cyber and CBRN risks.

Bekannte Grenzen

No vision or audio input
Long internal chains-of-thought add latency at high effort
Hidden reasoning tokens count against pricing
Knowledge cutoff October 2023 from base pretraining
Not always cheaper than GPT-4o for short answer tasks

Fachartikel

Preise

Preise in US-Dollar. Abgerechnet wird über vorab gekaufte Credits.

Eingabe	1,32 $ / 1 Mio. Token
Ausgabe	5,28 $ / 1 Mio. Token

Abgerechnet werden die Token, die jede Anfrage tatsächlich verbraucht.
1 Credit = 0,01 $

Kostenrechner

Preisrechner

Input-Token

/ Anfr.

Output-Token

/ Anfr.

Anfragen

Gesamt

0,40 $

40 Credits

Je Anfrage

0,004 $ · 0,4 Credits

Jede Anfrage wird auf 0,01 Credits aufgerundet.

API

Rufe o3-mini mit deinem Railwail-API-Schlüssel auf. Diese Modell-ID gehört in die Anfrage:

o3-miniAPI-Dokumentation API-Schlüssel holen

curl https://railwail.com/api/v1/chat/completions \
  -H "Authorization: Bearer $RAILWAIL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "o3-mini",
    "messages": [
      {
        "role": "user",
        "content": "Explain what a vector database is in two sentences."
      }
    ],
    "max_tokens": 1024
  }'

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["RAILWAIL_API_KEY"],
    base_url="https://railwail.com/api/v1",
)

completion = client.chat.completions.create(
    model="o3-mini",
    messages=[
        {
            "role": "user",
            "content": "Explain what a vector database is in two sentences.",
        },
    ],
    max_tokens=1024,
)

print(completion.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.RAILWAIL_API_KEY,
  baseURL: "https://railwail.com/api/v1",
});

const completion = await client.chat.completions.create({
  model: "o3-mini",
  messages: [
    {
      role: "user",
      content: "Explain what a vector database is in two sentences."
    }
  ],
  max_tokens: 1024
});

console.log(completion.choices[0].message.content);

// npm install railwail
import railwail from "railwail";

const rw = railwail(process.env.RAILWAIL_API_KEY);

const res = await rw.chat("o3-mini", [
  { role: "user", content: "Explain what a vector database is in two sentences." },
], { max_tokens: 1024 });

console.log(res.choices[0].message.content);

Schlüssel als RAILWAIL_API_KEY setzenAPI-Schlüssel erstellen

Spezifikationen

Modell-ID: o3-mini
Entwickler: OpenAI
Kategorie: Text & Chat
Eingabe: Text
Ausgabe: Text
Kontextfenster: 200.000 Token
Max. Ausgabe: 100.000 Token
Abrechnung: Nach Verbrauch (Token bzw. GPU-Zeit)
Lebenszyklus: Auslaufend
Modellgröße: Undisclosed (estimated tens of billions of active parameters)
Lizenz: Proprietary commercial license via OpenAI API, Azure OpenAI Service and ChatGPT. Commercial use permitted.
Katalogeintrag aktualisiert: 23. September 2026

Beispiel-Prompts

Beispiele aus dem Railwail-Katalog. Sie wurden nicht live auf dieser Seite erzeugt.

Math Problem
Prove that the square root of 2 is irrational
Beispielantwort anzeigen
Assume for contradiction that sqrt(2) is rational, meaning sqrt(2) = p/q where p and q are integers with no common factors. Squaring both sides gives 2 = p²/q², so p² = 2q². This means p² is even, which implies p is even—write p = 2k. Substituting gives 4k² = 2q², so q² = 2k², meaning q is also even. But if both p and q are even, they share a common factor of 2, contradicting our assumption. Therefore sqrt(2) must be irrational.
Logic Puzzle
Three boxes are labeled 'Apples', 'Oranges', and 'Mixed'. All labels are wrong. You can pick one fruit from one box. How do you determine the correct labels?
Beispielantwort anzeigen
Pick a fruit from the box labeled 'Mixed'. Since all labels are wrong, this box contains only one type of fruit—either all apples or all oranges. Say you draw an apple: the 'Mixed' box is actually the Apples box. Now consider the remaining two boxes labeled 'Apples' and 'Oranges'. The box labeled 'Apples' cannot be apples (wrong label) and cannot be mixed (we found that), so it must be Oranges. The box labeled 'Oranges' is therefore the Mixed box. One draw is all you need.

Einsatzgebiete

Wofür es genutzt wird

Math olympiad and STEM problem solving
Competitive programming assistants
Scientific paper review
Backend reasoning step in agent stacks
Code review and bug hunting
Logic and rule-based systems

Passende Übersichten

Best Large Language Models

Alle Modelle: Text & Chat

Häufige Fragen

Was ist o3-mini?

o3-mini ist ein Modell von OpenAI aus der Kategorie Text & Chat. Über Railwail lässt es sich mit einem API-Schlüssel über die Railwail-API aufrufen.

Was kostet o3-mini bei Railwail?

Über Railwail kostet o3-mini 1,32 $ je 1 Mio. Input-Token und 5,28 $ je 1 Mio. Output-Token. Abgerechnet wird, was jede Anfrage tatsächlich verbraucht. Bezahlt wird mit vorab gekauften Credits; 1 Credit entspricht 0,01 $.

Wie groß ist das Kontextfenster von o3-mini?

Das Kontextfenster von o3-mini umfasst 200.000 Token. Eine Antwort kann bis zu 100.000 Token lang sein.

Wie schnell ist o3-mini?

Für o3-mini gibt es bei Railwail noch zu wenige gemessene Läufe, um eine Laufzeit anzugeben. Sie hängt von der Eingabe, den Einstellungen und der Auslastung beim Anbieter ab.

Ist o3-mini besser als Claude Fable 5.1?

Das hängt von der Aufgabe ab. o3-mini (OpenAI) und Claude Fable 5.1 (Anthropic) sind beide Modelle aus der Kategorie Text & Chat. Die Vergleichsseite zeigt Preise und Spezifikationen nebeneinander.

o3-mini und Claude Fable 5.1 vergleichen

Wie nutze ich o3-mini über die API?

Erstelle einen Railwail-API-Schlüssel und sende deine Anfrage mit der Modell-ID o3-mini. Codebeispiele für curl, Python und JavaScript stehen im Abschnitt API auf dieser Seite.

Vergleichbare Modelle

Alle dieser Kategorie

Claude Fable 5.1Anthropic
Anthropic's model for the most demanding reasoning and long-horizon agentic work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.
12,00 $/1 Mio. In
809 % teurer je Einheit
o3-mini und Claude Fable 5.1 vergleichen
Claude Opus 4.8Anthropic
The most capable model of Anthropic's Opus 4 series. State of the art on long-horizon agentic work, coding and knowledge tasks, with a 1M-token context window at standard pricing.
6,00 $/1 Mio. In
355 % teurer je Einheit
o3-mini und Claude Opus 4.8 vergleichen
Claude Opus 5.5Anthropic
Anthropic's current Opus model for long-running agentic coding and knowledge work. 1M-token context window, up to 128K output tokens, adaptive thinking that is always on.
4,80 $/1 Mio. In
264 % teurer je Einheit
o3-mini und Claude Opus 5.5 vergleichen

o3-mini über die API nutzen

Ein API-Schlüssel für alle Modelle auf Railwail. Abgerechnet wird über vorab gekaufte Credits, 1 Credit = 0,01 $.

API-Schlüssel holen Alle Modelle ansehen