O quê

o1 e o3 são as primeiras gerações da série de modelos de raciocínio da OpenAI: LLMs treinados via aprendizado por reforço para produzir uma cadeia de raciocínio interna longa antes de emitir a resposta final. Em vez de responder em uma passada, gastam tokens “pensando” — e quanto mais pensam, melhor o resultado em problemas difíceis (Test-Time Compute / Inference Scaling).

A linha do tempo: o1-preview estreou em 12 de setembro de 2024 (codinome interno “Strawberry”); o o1 completo saiu em 5 de dezembro de 2024. O o3 foi anunciado em 20 de dezembro de 2024 (chamado “o3” e não “o2” para evitar conflito de marca com a operadora O2); o o3-mini chegou em 31 de janeiro de 2025 e o o3 completo + o4-mini em 16 de abril de 2025, seguidos do o3-pro em 10 de junho de 2025.

Como funciona

A diferença em relação a um modelo “instruct” tradicional não está só no prompt — está no treino.

RL sobre cadeias de raciocínio

O modelo é otimizado por RL para gerar cadeias de pensamento que levam a respostas verificavelmente corretas. Em domínios com verificação barata (matemática, código), o sinal de recompensa premia raciocínios que chegam ao resultado certo. O efeito é que o modelo aprende a planejar, verificar passos, recuar de becos sem saída e tentar abordagens alternativas — comportamentos que Chain-of-Thought (CoT) por prompting apenas aproximava.

Pensamento oculto

A cadeia de raciocínio bruta é mantida privada pela OpenAI (entre outras razões, para não treinar concorrentes e para liberdade de alinhamento interno). O usuário vê um resumo do raciocínio e a resposta. Isso difere de modelos como o DeepSeek R1 (2025), que expõem a cadeia completa.

Esforço ajustável

A série introduziu níveis de esforço de raciocínio (low/medium/high): o usuário negocia explicitamente latência e custo contra qualidade — mais “thinking tokens” para problemas mais duros.

Por que importa

• Inaugurou um novo eixo de escala. Antes, mais capacidade vinha de mais parâmetros / mais pré-treino. A série o mostrou que mais compute em inferência também escala capacidade.
• Saltos em raciocínio rigoroso. Ganhos grandes em AIME (matemática de olimpíada), GPQA (ciência de pós-graduação), Codeforces e SWE-bench — o o3 reportou ~93,4% no AIME 2024 e ~69% no SWE-bench Verified.
• Mudou o produto. “Modo thinking” virou recurso de primeira classe em todos os grandes assistentes.

Estado em 2026

Os modelos de raciocínio são o eixo central de competição: a OpenAI seguiu para a série seguinte (o GPT-5 como sucessor), Anthropic adicionou extended/adaptive thinking ao Claude, Google entregou Gemini “Thinking”, e o DeepSeek R1 (2025) replicou o paradigma em pesos abertos.

O próprio o3 já está em fim de vida no produto consumidor: a OpenAI anunciou (28 de maio de 2026) que o o3 será aposentado do ChatGPT em 26 de agosto de 2026, após um período de sunset de 90 dias — embora o acesso via API seja mantido. O custo permanece o trade-off central: raciocínio longo pode gastar dezenas de milhares de tokens por consulta, tornando preço por tarefa (e não só por token) a métrica que importa.

Tratamento de carta — proposta

o3, The Reasoner Modelo · Citadel/Helios · custo

Deliberate. Ao invocar, pague custo X extra: The Reasoner entra com +X/+X e você pode disparar até X gatilhos extras de habilidades neste turno.

“Ele não responde rápido. Ele responde certo — e cobra por cada segundo de silêncio.”

A mecânica encena test-time compute: pagar mais energia (“pensar mais”) converte-se diretamente em mais poder e mais ações no turno.

Veja também

Test-Time Compute / Inference Scaling · Chain-of-Thought (CoT) · DeepSeek R1 (2025) · Scaling Laws (Chinchilla) · RLHF — Reinforcement Learning from Human Feedback