o3-preview
作为未发布的预览推理模型，o3-preview 主要帮助研究者和技术观察者通过基准成绩判断前沿模型的能力上限与效率代价。
工具简介
从采用角度看，o3-preview 基本不应被当作可落地工具评估：现有证据只支持它是 OpenAI 展示前沿推理能力的未发布预览，而不是可购买、可接入、可稳定复现的产品。它没有公开 API、没有官方交付形态，热度很高，但这些热度更说明“大家在讨论它”，不能说明“团队今天就能用它产出结果”。
它的实际作用更像一块能力参照物。现有社媒证据提到，它在 AIME 2024、ARC-AGI-1 一类高难推理基准上表现非常强，因此能帮助研究员、模型评测者、技术战略团队判断当时 OpenAI 推理上限大致到了哪里。要特别澄清：它不是 ChatGPT 式通用助手，也不是 GPT-4o 那类面向日常对话、写作或多模态交互的模型；更准确的类比，是“只在赛场成绩里出现的原型赛车”，不是可以提车上路的量产车。
门槛和成本方面，现有材料几乎都来自 X 帖子而非官方文档。关于“单任务约 150–200 美元”“后续 GPT-5.1 便宜 150–300 倍”等说法，只能标注为社媒说法或社区推断，不应当理解为官方定价或稳定费用承诺。由于没有 API、没有正式发布，也谈不上真实采购门槛、SLA、集成成本。适合关注能力边界、研究趋势、做技术对标的人；不适合想找生产模型、预算可控推理服务或通用办公助手的团队。
社媒共识相对清楚：讨论集中在“分数惊人，但经济性很差”，以及 OpenAI 是否过度预热未发布模型。证据质量方面，本次 sources 全是 X 帖子，转发和观点明显多于教程、长文或系统实测；其中基准分数对比能算有限的“好用证明”，但绝大多数仍属于“热度证明”与效率对比讨论。因为缺少官方技术报告、公开仓库、可复现实验和第三方深度评测，所以我们能较有把握地说它“受关注且看起来很强”，但对其真实使用方式、稳定性和适用范围只能保守判断，样本明显有限。