o3明天从ChatGPT下架：推理模型怎么选才不花冤枉钱，DeepSeek R1和o4-mini实测账单全曝光

2026年8月26日，OpenAI正式把o3从ChatGPT移除。90天缓冲期从5月28日开始算，到今天就剩最后一天。如果你的工作流还挂在o3上，明天起对话会自动切到GPT-5.4 Thinking。API用户暂时不受影响，可谁也不想等官方再发一条退役通知才动手。

推理模型这件事，2026年已经从”哪家最强”变成了”怎么选才省钱”。参数越堆越大的故事讲完了，测试时计算（test-time compute）成了新的主旋律。模型在回答前先”想”一会儿，简单问题想100个token，复杂证明想1万个token。成本跟着问题难度走，账单也就跟着波动。

三个模型，三种活法

OpenAI o3把推理能力推到了新高度。AIME数学竞赛96.7%，GPQA博士级科学题87.7%，SWE-bench真实软件工程任务71.7%，Codeforces竞技编程评分2727。FrontierMath研究级数学拿到25.2%，比o1的约2%翻了12倍。3月那波降价把API价格从10/40美元砍到2/8美元每百万token，降幅80%。

o3有个让人头疼的毛病。提示词里图片丢了，它有86.7%的概率自信地给出错误答案。GPT-5在同样情况下只有9%。迁移之前，先把你工作流里的多模态输入检查一遍，别让这个坑跟着你迁过去。

DeepSeek R1走的是另一条路。671B参数的MoE架构，每个token只激活37B，纯强化学习训练出来的推理能力，没用大量人工标注的CoT数据。API价格0.55/2.19美元每百万token，比o3便宜约96%。中文数学和代码任务上表现尤其强。完全开源，权重和训练细节都公开，企业可以自己部署，数据不出机房。

Gemini 3 Pro手握200万token上下文窗口，在更难的ARC-AGI-2上创下新纪录。多模态推理是它的强项，长文档处理几乎没对手。

一张账单看懂该用谁

o4-mini每百万token 0.55美元，o3-mini 1.10美元，o3 2美元，o3-pro 20美元。DeepSeek R1 0.55/2.19美元。价格差出36倍，能力差距远没这么大。实操建议很清晰：

• 简单推理（基础数学、常规逻辑）→ DeepSeek R1，0.55美元搞定，没必要多花钱。
• 中等推理（代码调试、多步分析）→ o4-mini，1.10美元，性价比的最佳位置。给o4-mini配上Python解释器，AIME 2025能跑到99.5%。
• 复杂推理（架构决策、安全审查、难bug）→ o3中等档或Claude Opus 4.8高推理档。该花的钱得花。
• 科学相邻推理、预算敏感 → Gemini Deep Think高推理档，单token成本比o3低。
• 想要最便宜托管或自己部署 → DeepSeek V4 Flash，0.14美元每百万token，32B权重能自托管。

Router架构：省钱的正确姿势

别再让旗舰模型跑杂活。McKinsey和多家咨询公司的数据指向同一个结论：用Router架构分流任务，简单活交给DeepSeek R1或Gemini 3 Flash，复杂活留给o3，总API成本能砍掉60%到80%，质量还能守住95%以上。

这套逻辑和传统LLM的固定成本完全不同。传统模型不管问题难不难，每次推理消耗的资源差不多。推理模型的成本和问题复杂度正相关。做任务分级，简单任务不推理，复杂任务深推理，账单自然下来。

数据主权是另一道必答题。DeepSeek的数据走中国服务器，受数据安全法约束。敏感场景要么用开源权重私有部署，要么选数据不落地的Gemini或o3方案。

迁移清单：今天就能动手

• 盘点你挂在o3上的ChatGPT工作流，明天起会自动切到GPT-5.4 Thinking。
• API用户暂时安全，可GPT-5用50%到80%更少的输出token就能超过o3，趁早测一遍迁移效果。
• 把多模态输入流程查一遍，别让丢图问题跟着你迁过去。
• 上Router架构，按任务难度分流，别让20美元的o3-pro跑翻译。
• 中文推理任务试一把DeepSeek R1，账单能差出一个数量级。

o3下架是个信号。推理模型市场已经分化成三层：顶级推理留给o3、o4和Claude，性价比交给o4-mini和DeepSeek R1，长上下文和多模态是Gemini的地盘。ARC-AGI-2上o3只拿2.9%，人类60%，这个数字比任何跑分都诚实。选模型看你的任务落在哪一层，别被单一”最强”标签绑架。把钱花在刀刃上，才是2026年用推理模型的正确姿势。