o3-mini

o3-mini est un LLM propriétaire d’OpenAI, sorti le 30 janvier 2025, avec des poids non ouverts. À l’échelle de l’IA, son ancienneté d’environ un an est déjà importante : le modèle doit surtout être lu comme une référence de sa période, probablement dépassée par les modèles plus récents et souvent retirée des catalogues actuels.

Son positionnement combinait faible coût, grande fenêtre de contexte et résultats solides en raisonnement. La fenêtre de 200 000 tokens le plaçait sur des usages longs, tandis que son tarif très économique, inférieur à la moyenne des LLM similaires et nettement sous celui des modèles frontière, en faisait une option orientée efficacité-coût.

Caractéristiques

Indices de synthèse

Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.

Performances (benchmarks)

« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.

Classements Arena (Elo)

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 44 % en dessous de la moyenne des LLM similaires, et 4,4 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Entraînement & empreinte

Notre analyse

Forces. À sa sortie, o3-mini figurait dans le haut du panier de sa génération : son classement top 3% sur GPQA diamond parmi les LLM de la même période le situe comme un modèle compétitif sur les tâches de raisonnement exigeantes. Les résultats Benchable en General Knowledge et Reasoning atteignent le tout premier rang des corpus évalués, ce qui confirme un profil solide sur les questions générales et les enchaînements logiques. MATH level 5 le place aussi dans le top 10, signalant une bonne tenue sur les problèmes mathématiques difficiles. Sa fenêtre de contexte de 200 000 tokens constituait un autre atout concret pour traiter de longs documents ou de longues conversations. Le tarif reste l’un de ses marqueurs les plus nets : o3-mini est très économique, 44% sous la moyenne des LLM similaires et environ 4,4 fois moins cher que les modèles frontière.

Limites et points d'attention. Le modèle est ancien à l’échelle du marché IA : ses performances sont aujourd’hui largement dépassées par des générations plus récentes, et ce type de modèle est souvent retiré du catalogue de l’éditeur. Son Intelligence Index le place loin des meilleurs modèles du panel, malgré de bons résultats ciblés en raisonnement. Le Code Index reste seulement intermédiaire dans un ensemble plus restreint, ce qui invite à le situer comme modèle de raisonnement général plutôt que comme référence de développement logiciel. Les classements Arena text sont bas dans le tableau, signe d’une préférence utilisateur limitée face à des concurrents plus récents ou plus complets. Les résultats en Ethics, Email Classification et Hallucinations sont corrects mais sans avantage distinctif majeur.

Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · Benchable.ai (benchable.ai).