把推理资源用在技术难点
o3-mini的重点是数学、科学与编程推理，而不只是生成顺畅文字。面对包含多个条件的题目，可要求它组织求解步骤、说明假设并给出检查方法。使用时把变量、单位和约束写清楚，更便于获得可验证的技术答案。
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。
- 输入与输出
- 文本问题、代码及对话历史输入；文本回答输出
- 原生推理控制
- low、medium、high三档
- 结构化输出
- 支持Structured Outputs；Chat Completions提供json_schema设置
- 函数调用
- 支持函数定义、调用参数生成与工具结果回填
- 消息与响应
- 支持developer消息及流式输出
- 视觉能力
- 不支持图像理解
- 调用方式
- Chat Completions、Responses、AI Chat与AI Chat v2
原生能力以o3-mini为范围；各入口分别使用messages、input或question组织请求，服务通用参数不等于本型号全部支持。
核心能力
了解 o3-mini 能为你的工作带来什么。
按任务难度调整思考强度
low、medium、high让同一型号适应不同复杂度的任务。常规代码解释可先用low，包含多重约束的分析可从medium开始，难题再尝试high。提高强度是增加推理投入的选择，不代表每次都能得到更好答案，也不等于要求更长回复。
让答案进入程序流程
函数调用与结构化输出使o3-mini适合承担应用中的分析环节。可以定义函数名称和参数，让模型生成调用建议；也可规定JSON结构，接收分类、修复建议或解题结果。工具执行和结果校验仍由应用负责，不会因生成调用参数就自动完成操作。
适用场景
从具体任务出发，找到模型发挥作用的位置。
代码排错与修复建议
输入相关代码、错误日志、预期行为和运行条件，让o3-mini分析可能原因，产出修改方案及测试用例建议。适合定位算法边界、条件遗漏和实现逻辑问题。需要实际运行的修复，应接入测试环境验证，而不是直接把生成代码投入生产。
数学与科学解题辅导
提交文字题干、公式、已知条件和自己的尝试过程，让模型给出解题说明、比较不同方法或检查推导漏洞。交付物可以是分步讲解、假设清单与验证思路。若题目来自图片，应先转成文本，并保留符号、单位及图形关系的必要描述。
技术规则与约束分析
把业务规则、配置条件或算法需求整理成文本，让o3-mini分析条件之间的关系，生成决策表、异常分支说明或结构化检查结果。适合有明确输入与验收条件的技术分析；使用JSON输出时，应先定义字段与允许值，再做程序校验。
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。
从o1-mini升级技术任务
如果原先用o1-mini处理代码、数学或科学问题，o3-mini值得作为替换候选。OpenAI发布评测显示，它在这些领域的回答准确性与清晰度有所改善，并增加函数调用、结构化输出和developer消息支持。建议用自己的题集、代码样本及格式要求验证效果，再决定迁移范围。
与o1及高强度选项如何取舍
侧重技术问题且希望灵活控制推理投入时，可选择o3-mini；更广泛的通用知识推理可考虑o1。部分技术评测中，o3-mini的medium档表现接近o1，但不能据此推断所有任务等价。o3-mini-high是ChatGPT中的高强度选择，这里应使用o3-mini配合high，而不是更换为该名称。
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。
- o3-mini不支持视觉理解，不能直接根据截图、照片或扫描页进行推理。带图的数学题、界面报错和图表分析，需要先提取文字并补充关键关系；如果任务必须保留空间或视觉信息，应选择支持视觉的模型。
- 推理答案仍可能出现计算错误、遗漏条件或不正确的代码假设。对数学结果应做代入或独立计算，对修复建议应执行测试。特别是信息不完整的问题，应让模型明确假设，不要把补全的条件当作已知事实。
- 函数调用能力不等于内置代码执行，文本推理也不等于自动获取最新信息。基础请求需要由应用安排工具执行与结果回填；工具权限、数据读取和写入操作，应按所选工作流程配置，不能仅靠提示词保证完成。
常见问题
解答使用 o3-mini 时的常见疑问。
o3-mini的推理强度应该怎样设置？
建议从medium开始，用实际任务比较结果；简单解释可尝试low，复杂推导或代码难题可尝试high。Chat Completions使用reasoning_effort，Responses使用reasoning组织设置。o3-mini的原生等级是low、medium、high，不应把其他等级套用到它。
o3-mini能分析截图中的代码吗？
不能直接理解截图，因为它不支持视觉。可以先把截图中的代码和报错转换为文本，再提交文件片段、运行环境与预期结果。如果截图涉及布局、图形或其他无法完整转写的信息，应改用支持图像理解的模型。
o3-mini可以返回固定结构的JSON吗？
可以，它支持结构化输出。使用Chat Completions时，可通过response_format选择json_schema并定义字段结构，适合返回诊断结果、规则分类或修复建议。结构符合要求不代表内容必然正确，应用仍应检查字段值和业务条件。
接入o3-mini时选哪种接口？
已有messages对话代码可使用Chat Completions；采用input组织响应流程可选择Responses。希望简化连续问答，可使用AI Chat或AI Chat v2，通过question提问并接收answer，保存会话时再携带id继续讨论。不同方式应分别解析响应。
o3-mini-high是不是另一个可调用型号？
o3-mini-high是OpenAI发布时在ChatGPT中提供的高推理强度选择，不是这里需要替换使用的模型ID。调用时仍选择o3-mini，并设置high推理强度。它也不同于o3，不能把两者名称或能力视为完全相同。
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
$0.22per 1M tokens
Official $1.10
Output
$0.88per 1M tokens
Official $4.40
−79%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