o3模型在ARC-AGI基准上获得了破纪录的分数，ARC-AGI基准是一种视觉推理基准，自2019年创建以来一直保持不败。在低计算场景中，o3得分为75.7%，而在高计算测试中，它达到了87.5%，与人类在85%阈值下的表现相当。
OpenAI还报告说，o3在2024年美国数学邀请赛中得分为96.7%，只缺了一道题。该模型在包含研究生水平的生物、物理和化学问题的GPQA Diamond上也达到了87.7%。在EpochAI的前沿数学基准上，o3解决了25.2%的问题，而其他模型都没有超过2%。