拆解多条件难题
o3 适合同时涉及多个条件、不能直接套用模板的问题。处理数学、科学或方案分析时，可以要求它明确假设、比较候选解释并给出可检查的论证。它的价值在于综合分析，而不是把复杂问题压缩成一个缺少依据的结论。
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 输入方式
- 文本、图文混合输入
- 输出形式
- 文本回答；支持自定义函数调用工作流
- 视觉任务
- 图片、图表、白板与示意图分析
- 响应入口
- /openai/responses：model + input
- 对话入口
- /openai/chat/completions：model + messages
- 调用控制
- 流式响应；Responses 的 reasoning 与 Chat Completions 的 reasoning_effort 设置入口
- 托管会话
- /aichat2/conversations、/aichat/conversations；通过 stateful 与 id 延续对话
图文推理和自定义函数调用属于模型能力，会话管理与参数设置属于调用入口功能，各参数须适用于 o3 才能生效。
核心能力
了解 o3 能为你的工作带来什么。
把图像纳入分析
o3 不只描述图片内容，也能围绕图表趋势、白板关系和示意图中的条件开展推理。把图片与具体问题一起提交，例如要求解释异常变化或找出条件之间的矛盾，比仅问“图里有什么”更能发挥它的视觉分析能力。
连接可验证的工具结果
通过自定义函数调用，o3 可以参与查询、计算与结果解释的多步工作流。应用提供工具定义、执行请求并回填结果，模型再据此继续分析。这样可将推理与实际数据结合，但工具权限和执行环境仍由应用负责管理。
适用场景
从具体任务出发，找到模型发挥作用的位置。
疑难代码诊断
输入相关代码、错误日志、预期行为和复现条件，让 o3 比较可能原因，提出修复方案与测试建议。交付物可包含问题定位、修改说明和验证步骤，适合需要理解多个约束的调试，而不是只补全一小段代码。
图表与方案评审
提交业务图表、白板照片或流程示意图，并补充评审目标，让 o3 解释关键关系、区分观察与假设，再整理待验证的问题。适合形成评审提纲和方案比较说明；重要数据最好同时提供文字，便于核查读图结果。
数学与科研讨论
给出题目、已知条件和已有解法，让 o3 检查论证是否遗漏条件，尝试不同思路，并提出可继续验证的假设。可用于整理证明草稿、研究问题和实验讨论提纲，最终结论仍应通过独立计算或专业方法检验。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
复杂分析选 o3，批量任务考虑 o4-mini
当任务需要较深入的综合判断，尤其涉及代码、科学条件或图文交叉分析时，可优先选择 o3。o4-mini 则偏向快速、成本高效的推理，更适合大量重复任务。实际选型应使用同一组业务样例，比较答案质量与处理效率，而不只看型号名称。
区分 o3 与 o3-pro，再选择入口
o3-pro 是延长思考、强调回答可靠性的独立变体，不是 o3 的一个请求开关。使用 o3 时，已有 messages 集成可选 Chat Completions；围绕响应与工具组织新流程可选 Responses；希望通过会话 ID 连续追问，则可选 AI Chat 入口。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 视觉推理不能替代精确数据读取。细小文字、模糊坐标或缺失图例可能影响判断；分析关键图表时，应附上数值和单位，并要求回答区分直接观察到的信息与推测出的解释。
- o3 的函数调用能力不代表一次普通请求就会自动运行 Python、搜索网页或操作电脑。需要计算或实时信息时，应接入可执行工具；涉及修改数据的动作，应设置权限与确认步骤。
- 不要把共享接口中的音频、文件或全部推理档位当作 o3 的默认能力。图像理解也不等于直接生成图片；需要语音或绘图交付物时，应使用对应功能，并明确其与文本分析流程的分工。
常见问题
解答使用 o3 时的常见疑问。
o3 和 o3-mini 是同一个模型吗？
不是。o3、o3-mini 和 o3-pro 是不同的公开型号，调用 o3 时应使用 model: "o3"。o3 的定位是复杂推理与视觉分析，不能因为名称相近，就把其他型号的参数或能力直接套用到它身上。
怎样让 o3 分析图片？
在 Chat Completions 的 messages 中，将文字问题与 image_url 内容块一起提交，并使用 model: "o3"。问题最好指向具体关系或判断目标；若图片包含关键数值，可同时提供文字版本，减少读取误差。
o3 能自动执行它写出的代码吗？
生成代码与执行代码是两件事。o3 可以分析代码并请求调用已定义的函数，但执行需要应用或工具环境完成。若要验证修复效果，应运行测试并把结果回填，让模型依据实际结果继续判断。
o3 的推理强度怎样设置？
Responses 提供 reasoning 设置，Chat Completions 提供 reasoning_effort 设置。使用时应选择 o3 接受的配置，不应直接套用其他型号的档位。也可在提示中明确要求检查假设、列出验证步骤和控制回答长度。
连续追问 o3，需要每次提交历史吗？
使用 Chat Completions 时，通常通过 messages 提交所需历史；使用 AI Chat 会话入口时，可开启 stateful，并在后续请求带回同一个 id。无论哪种方式，关键条件发生变化时都应明确说明，避免沿用旧假设。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.40per 1M tokens
Official $2.00
Output
$1.60per 1M tokens
Official $8.00
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits46% OFF
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
This is only a basic call example. See the full docs for more parameters and advanced usage.
View Docs