ChatGPT o3 Pro: новый флагман OpenAI или маркетинговый ход? Разбираемся

OpenAI снова удивляет: новая модель ChatGPT o3 Pro обещает революцию в аналитике, науке ^[1] и разработке. Но так ли она хороша? Читайте разбор архитектуры, тестов и подводных камней «самого вдумчивого ИИ» 2025 года.

В этом обзоре: бенчмарки (93% точности в математике ^[2], 84% в прочих областях), генерация 3D‑шейдеров, сравнение с DeepSeek R1-0528, Gemini 2.5 Pro, Claude Opus 4. А ещё мы проверили, как o3 Pro справляется с написанием рефератов и кодингом. Узнайте, стоит ли подписка за 200 $/мес своих денег и кому o3 Pro реально нужен.

OpenAI представила o3 Pro — расширенную версию своего наиболее мощного разумного чат‑бота. o3 Pro не просто апгрейд, а целый скачок: модель способна дольше думать и выдавать максимально обоснованные ответы. По замыслу OpenAI, она должна продолжить эволюцию ^[3] успешных моделей o1-Pro и o3, решая более крупные задачи и выдавая более исчерпывающие ответы. Модель уже доступна пользователям пакетов ChatGPT Pro (200 $/мес) и Team.

Кстати, o3 Pro уже сейчас можно потестить в агрегаторе BotHub (оплата pay as you go, за фактическое применение). Регистрируйся по спецссылке ^[4] и получи 100 000 бонусных токенов для доступа к любым ИИ без VPN. Идеально для сравнений!

Что внутри ChatGPT o3-Pro? Архитектурные новинки

ChatGPT o3 Pro основана на той же базовой архитектуре, что и o3 — мощная модель с генерацией по цепочке рассуждений и усиленным RLHF. При этом o3 Pro умеет обращаться ко всем встроенным инструментам ChatGPT (веб‑поиск, анализ файлов, Python, память ^[5] и даже зрение ^[6]), что даёт ей агентные возможности. Как и o3, o3 Pro обучена на данных до июня 2024 года (o1 Pro — до октября 2023-го).

Контекстное окно модели идентично o1 Pro и o3, но по‑прежнему огромно — целых 200 тыс. токенов, к тому же у модели те же 100 тыс. токенов на выход. Это означает, что o3 Pro может одновременно обрабатывать месяцы переписки или книгу, сохраняя всю информацию в памяти одной сессии.

При всех возможностях o3 Pro отвечает дольше ^[7], чем её предшественница o1 Pro, и OpenAI прямо предупреждает: модель может думать минутами. Самое забавное, что поначалу нейросеть затрачивала по несколько минут, чтобы просто черкнуть ответное «Привет!» ^[8], но это, судя по всему, уже пофиксили. Технический директор Hyperbolic Labs Ючен Цзин в X пошутил, что о3-Pro «самая медленная и слишком думающая ^[9]» модель — на его простой запрос «Привет, я Сэм Альтман» тоже ушло несколько минут работы. Лично мне не удалось воссоздать ситуацию: теперь к модели, предположительно, прикрутили стартовую проверялку, является ли вопрос совсем уж простым и действительно ли нужно исследование через o3 Pro, а если нет — ответ генерируется через упрощённую имплементацию.

Зато качество рассуждений возрастает: во всех опросах эксперты признают o3 Pro предпочтительнее o3 (наука, обучение ^[10], кодинг, бизнес, редактирование) — за чёткость, полноту, логичность и соответствие инструкциям.

Стоимость API отражает эту мощь: 20 $ за миллион входящих токенов и 80 $ за миллион исходящих. Для сравнения, обычный o3 теперь стоит всего 2 $/8 $, после недавней 80%‑й «распродажи». Конечно, o3 Pro предназначена для профессионалов — она уже доступна в пакетах Pro и Team (Enterprise/Edu выйдут позже).

Официальные бенчмарки и сравнение с другими моделями

OpenAI заявляет, что o3 Pro ставит новые рекорды на ключевых бенчмарках. Например, в апрельском релизе отмечалось, что o3 (младшая версия o3 Pro) установила показатель state‑of‑the‑art на Codeforces, MMMU и SWE‑bench. По опубликованным данным, o3 Pro ещё сильнее: на олимпиадной задаче AIME (2024) он набирает 93% pass@1, тогда как o3 — ~90%, o1 Pro — 86%. На тесте PhD‑уровня GPQA Diamond — 84% против 81% у o3 и 79% у o1 Pro. В кодинговых соревнованиях Codeforces Elo‑показатель o3 Pro (2748) значительно опережает o3 (2517) и o1 Pro (1707).

Кроме цифр, OpenAI приводит данные экспертов: в слепом тестировании «свой — чужой» респонденты на ~64% чаще выбирают ответы o3 Pro, чем o3. Это подтверждает прирост качества по многим задачам: «Учёные, программисты, бизнесмены и учителя особенно заметили улучшения в ясности и точности ответов».

Независимые бенчмарки: сильные и слабые стороны

Независимые исследователи и площадки тоже оценивали o3 Pro.

На платформе Chatbot Arena, она же OpenLM, с краудсорсинговыми батлами ботов o3 Pro пока не успела появиться, но o3 сейчас занимает в рейтинге второе место ^[11], набрав 1425 Elo, против 1478 у расположившегося на вершине Gemini 2.5 Pro. Логично ^[12] предположить, что o3 Pro уготована судьба занять если уж не первое, то не ниже второго места (т. к. расположиться после o3 модель физически не сможет).

o3 Pro уже отметился в бенчмарке NYT Connections ^[13]. Суть теста — проверить нейромодели на 651 головоломке. Чтобы исключить подвох (а вдруг модель уже видела ответы в обучающих данных?), отдельно протестировали только 100 свежих пазлов. Итог: o3 Pro рулит и там, заняв первое место!

Лаборатория Superficial подкинула любопытных данных ^[14] о «фантазёрстве» o3 Pro. Они запустили Superfacts ^[15] — бенчмарк, который оценивает утверждения ИИ‑моделей на бредовость. Метрика: сначала ответы моделей проверяются через датасет FACTS от Google DeepMind, а если FACTS находит неточность — Superficial дорабатывает запрос (чтобы попробовать вывести модель на правильный ответ) и перепроверяет.

Цифры из твита:

• o3 Pro, как и другие модели OpenAI, склонен к галлюцинациям — 9-е место из 12.

• На уровне утверждений он привирает в 18% случаев. Для сравнения: Gemini 2.5 Pro — 8,5%, Claude Opus 4 — 9,5%.

• Зато o3 Pro отлично реагирует на доработки Superficial: после них точность взлетает до 99,02% (у всех моделей OpenAI так — после доработки промтов они дают выверенные ответы).

• По точности o3 Pro примерно равен o3 (82,08% vs 84,14%).

В топах всё чаще мелькает Gemini — и в Superfacts тоже: Gemini 2.5 Pro занял здесь 1-е место, допуская наименьшее количество галлюцинаций.

Зоркий глаз: анализ изображений

o3 Pro, как и многие собратья, умеет не только читать, но и видеть. Насколько хорошо? Джеймс Галлахер из Roboflow (эксперты по компьютерному зрению) протестировал модель ^[16]: она набрала 76,83% (63 из 82 тестов ^[17]), тратя в среднем 39,5 секунды на ответ. Сильные стороны: распознавание текста/штрих‑кодов, определение частей изображения и связей между ними, анализ свойств объектов (например, пуст ящик или нет).

How many parts are missing? Return only a number.
Сколько деталей отсутствует? Верни только число.

Ответ o3 Pro: 1 (правильный).

Are all six bolts screwed in? Return only yes or no.
Все ли шесть болтов закручены? Верни только «да» или «нет».

Ответ o3 Pro: да (правильный).

Where is the defect in the product: top, left, bottom, right, or center? Return only the location, like left center.
Где дефект на изделии: верх, низ, лево, право, центр? Верни только расположение, например «слева в центре».

Ответ o3 Pro: сверху в центре (правильный).

How many vertices (marked as red or orange dots) are visible in this diagram? Present your answer as an integer
Сколько вершин (красные/оранжевые точки) видно на схеме? Ответ — целое число.

Ответ o3 Pro: 120. А вот промах! На самом деле 127.

Подробный отчёт здесь ^[18]. Кстати, в тройке лидеров ^[19] этого теста — o4 mini, 4o и o3.

Реакция сообщества: ожидания vs реальность

После анонса публика и разработчики потоком делятся впечатлениями ^[20]. На Hacker News отмечают ^[21], что новая модели приносит реальные преимущества: «o3 Pro — шаг вперёд: я могу решать задачи, которые раньше не удавалось. Сложность проектов выросла». Некоторые отмечают значительный скачок продуктивности: даже если формальные метрики улучшаются слегка, практическая польза чувствуется сильнее.

Однако встречается и критика. Некоторые вспоминают, что и у предыдущих моделей не было чудес — сначала всё кажется крутым, потом выявляются галлюцинации: «Галлюцинация — фундаментально не решённая проблема». Вместе с тем часть комментаторов подчёркивает, что уровень «глюков» у o3 Pro вполне сопоставим с человеческим и их надо просто проверять как обычно, — процент «взрывных галлюцинаций» у модели ниже и отслеживать достоверность требуется реже.

В соцсетях пользователи делятся комментариями. Кроме отзывов о долгих ответах ^[22] (что вызвано, очевидно, более тщательной их проработкой), замечают, что o3 Pro при сложных запросах с десятками файлов возвращает грамотный план действий ^[23] — с метриками и дедлайнами.

Один разработчик с восторгом описал на Hacker News, как ChatGPT o3 Pro с первого раза сгенерил рабочий код для интеграции нескольких веб‑сервисов:

Пару дней назад завайбкодил небольшое приложение, оно тянуло данные из трёх сервисов и делало валидацию. Само по себе — ничего сверхъестественного, но мой запрос был буквально таким: «Вот как выглядят ответы от эндпойнтов A, B и C. Вот это поле из A должно быть в ответе B, а в ответе C должно фигурировать вот это из A и вот то из B. Если в ответах есть ссылки — проверь, что они рабочие». И, о чудо, он выдал ВСЁ целиком! Ни перегенераций, ни танцев с Agent Mode. Раньше такое требовало кучи мелких шагов и тестов, чтобы Agent Mode не накосячил.

Другие тоже делятся вау‑кейсами: X‑пользователь заставил модель ^[24] за 13 минут и 682 шагов решить задачу о 10 дисках Ханойской башни ^[25]:

А вот загадка, где o3 Pro уделал вообще всех: он единственный смог построить «лесенку» ^[26] от слова space до earth, меняя за шаг всего одну букву так, чтобы каждое промежуточное слово было настоящим. Комментаторы подтверждают: другие модели либо вставляли в цепочку выдуманные слова, либо нарушали правила игры. Видимо, лингвистическая интуиция ^[27] у o3 Pro — огонь!

Профессор Итан Моллик из Уортона ^[28] (тот самый, что экспериментирует с нейрографикой) выяснил, что o3 Pro выдал лучший на сегодня результат в генерации шейдера ^[29]. Промт был лаконичен:

create a visually interesting shader that can run in twigl app make it like the ocean in a storm
Создай завораживающий шейдер для twigl.app, похожий на океан во время шторма.

o3 Pro думал над этим 21 минуту, плюс ещё 19 минут исправлял мелкую ошибку ^[30] в коде шейдера — но результат того стоил!

Для контекста — вот что выдавали другие модели (январь — май 2025-го):

10,4 МБ GIF‑изображений

ChatGPT o3 mini high (https://x.com/emollick/status/1885412470061158650 ^[31]):

Grok 3 (https://x.com/emollick/status/1891956902575104259 ^[32]):

Gemini 2.5 Pro — экспериментальный, март 2025-го (https://x.com/emollick/status/1904700257822540076 ^[33]):

Gemini 2.5 Pro — новый, май 2025-го (https://x.com/emollick/status/1919938304822124979 ^[34]):

P. S.: гифки были сконверчены «Твиттером» в MP4, но я вернул их в родной GIF‑формат. Не благодарите😉

В общем, к o3 Pro отношение амбивалентное. Хотя Сэм Альтман анонсировал o3 Pro как «ужасно умный» ^[35], сообщество пока держит удар. В повседневной работе o3 Pro воспринимается как драгоценный, но капризный инструмент. Скорость — пожалуй, главный минус: она ощутимо уступает обычным повседневным нейросетям, вроде ChatGPT-4o, поэтому модель неоптимальна для быстрых вопросов. Пользователи учатся заранее планировать запросы, чтобы не потерять время. Зато интеллект ^[36] оказался на высоте: если сформулировать задачу предельно чётко, o3 Pro часто отвечает творчеством ^[37] или анализом, о котором с прежними моделями можно было только мечтать.

Кому и зачем нужен o3 Pro

Кто же реально получит от o3 Pro выгоду? Это — научные коллективы и бизнесы с задачами большой сложности. Например:

• Исследователи и аналитики. В научных и прикладных задачах модели нужны не банальные выводы, а глубокий анализ. o3 Pro прожуёт гигантские документы, научные статьи и эмпирические данные, а затем сделает логичный обзор с гипотезами и формулами. Это ценно в R&D, образовании или помощи в прогнозах, основанных на больших текстовых отчётах.

• Бизнес‑аналитики и консультанты. Из больших неструктурированных данных — транскриптов совещаний, отчётов, трендов — o3 Pro может выжать дорожную карту или план действий. Пример с Raindrop ^[23] (материалы встреч + план с метриками) — именно такой.

Словом, o3 Pro нужен там, где надо думать очень долго и очень глубоко, а цена вопроса — вторична.

Подводные камни и ограничения

С этической точки зрения o3 Pro ничем не отличается от прочих крупных LLM: вопросы приватности, авторских прав на обучающие данные и потенциальных предубеждений модели сохраняются. OpenAI подчёркивает, что o3 Pro унаследовал ту же «системную карту» и меры безопасности, что и o3.

Подведём итоги: o3 Pro впечатляет мощью — он для тех, кому нужно не просто «ответить», а «продумать». Учёным и аналитикам он сэкономит часы работы, но для регулярных задач будет избыточен. А для повседневных вопросов выбирайте ChatGPT 4o, Grok 3 или DeepSeek R1-0528 — они быстрее и дешевле.