Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com1. Februar 2025 · Q009898

OpenAI Just Released o3-mini: Best coding model right now (better than DeepSeek R1)

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Frank Andrade bewertet o3-mini-high anhand angeführter Benchmarks als besonders stark beim Programmieren und beschreibt o3-mini als schnelle Option für STEM-Aufgaben. Beispiele kleiner Codeprojekte und damalige ChatGPT-Zugangslimits ergänzen den Beitrag; die Vergleiche beruhen auf zitierten Auswertungen und sind keine eigene kontrollierte Studie.

Mittel

Frank Andrade stellt o3-mini und o3-mini-high als OpenAI-Modelle für Mathematik, Naturwissenschaften und Programmierung vor. Er beschreibt o3-mini als schnell und o3-mini-high als besonders stark bei Coding und Logik. Als Beleg nennt er einen LiveBench-Programmierwert von 82,74 für o3-mini-high, gegenüber 69,69 für o1, 67,13 für Claude 3.5 Sonnet und 66,74 für DeepSeek R1. Daraus leitet er ab, o3-mini-high sei derzeit das beste Coding-Modell.

Laut der im Artikel wiedergegebenen OpenAI-Auswertung erreicht o3-mini bei mittlerer Denkintensität in Mathematik, Programmierung und Naturwissenschaften o1s Leistungsniveau bei kürzeren Antwortzeiten; bei hoher Denkintensität übertreffe es o1. Der Autor erwähnt, dass LiveBench für Mathematik teils abweichende Ergebnisse zeigt. Kleine Spiele und Apps aus eigenen Versuchen und Nutzerbeispielen illustrieren die Einsatzmöglichkeiten, ersetzen aber keinen systematischen Vergleich.

Der Beitrag nennt damalige ChatGPT-Zugangsregeln und empfiehlt eigene Tests. Seine Ranglisten beruhen auf angeführten Benchmarks und Beispielen; Testbedingungen und Unsicherheiten werden nur begrenzt erläutert. Die Zugangslimits sind Angaben zum Veröffentlichungszeitpunkt.

Ausführlich lesen

Der Beitrag von Frank Andrade stellt OpenAI o3-mini und o3-mini-high als Modelle für anspruchsvolle Denkaufgaben vor, mit besonderem Schwerpunkt auf Mathematik, Naturwissenschaften und Programmierung. Der Autor berichtet, OpenAI habe beide Modelle kurz zuvor für ChatGPT und die API veröffentlicht. Er beschreibt o3-mini als schnell und stark bei fortgeschrittenem Schlussfolgern und o3-mini-high als besonders geeignet für Programmier- und Logikaufgaben.

Als wichtigste quantitative Belege führt der Beitrag Ergebnisse aus LiveBench an. Dort liege der durchschnittliche Programmierwert von o3-mini-high bei 82,74; zum Vergleich nennt der Autor 69,69 für o1, 67,13 für Claude 3.5 Sonnet und 66,74 für DeepSeek R1. Daraus folgert er, o3-mini-high sei derzeit das beste Modell fürs Programmieren. Für Mathematik fasst er OpenAIs Auswertung so zusammen: Bei geringer Denkintensität sei o3-mini ungefähr mit o1-mini vergleichbar, bei mittlerer erreiche es laut Beitrag o1s Leistung in Mathematik, Programmierung und Naturwissenschaften bei kürzeren Antwortzeiten, und bei hoher Denkintensität übertreffe es o1. Der Autor weist darauf hin, dass LiveBench bei Mathematik teilweise andere Ergebnisse zeige. Für Programmierung und Wettbewerbsaufgaben beschreibt er einen Leistungsvorsprung, der mit höherer Denkintensität wachse; auch bei einem Softwaretechnik-Test verweist er auf OpenAI-Grafiken.

Zur Veranschaulichung nennt der Artikel Beispiele aus sozialen Medien und eigene Versuche: Mit wenigen Anweisungen habe der Autor ein Python-Weltraumspiel erzeugt; andere Nutzer hätten einen einfachen Twitter-Klon sowie eine Simulation eines springenden Balls in einem rotierenden Sechseck erstellt. Diese Beispiele sollen die schnelle Umsetzbarkeit kleiner Projekte illustrieren, sind aber keine systematische Prüfung.

Der Beitrag nennt auch damalige Zugangskonditionen: Kostenlose ChatGPT-Nutzer könnten o3-mini über die Reason-Auswahl testen; Plus- und Team-Nutzer hätten ein Tageslimit von 150 Nachrichten, Pro-Nutzer unbegrenzten Zugriff auf o3-mini und o3-mini-high. Insgesamt empfiehlt Andrade, die Modelle selbst für STEM-Aufgaben auszuprobieren.

Die Aussagen zu Ranglisten und Überlegenheit sind die Einschätzungen des Autors auf Basis der angeführten Benchmarks und Beispiele. Der Text beschreibt keine eigene kontrollierte Vergleichsstudie, erläutert die Testbedingungen nur begrenzt und nennt keine Unsicherheitsmaße. Die genannten Zugangslimits beziehen sich auf den Veröffentlichungszeitpunkt des Artikels; der Bericht belegt nicht, ob sie später unverändert blieben.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassungen geben den Bericht im Kern treu wieder. Die Einordnung stützt sich auf den Bericht, der ein Produkt-Benchmark-Beitrag ist und keine Sicherheitsfragen behandelt.

Im Bericht, aber nicht in der Zusammenfassung

  • Laut Artikel bleibt o1 das breitere Modell für allgemeines Wissen-Reasoning, während o3-mini ein spezialisierter Ansatz für Naturwissenschaften, Mathematik und Programmierung ist
  • Kostenlose Nutzer können o3-mini in ChatGPT über den Reason-Button testen; Plus- und Team-Nutzer haben 150 Nachrichten pro Tag, Pro-Nutzer unbegrenzten Zugang

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 45 %gleiches Oberthema, hilft nicht
    • JEV 30 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
Agenten und vernetzte Systeme
Modelle teilen und schützen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 42 %gleiches Oberthema, hilft nicht
    • JEV 43 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →