- Punktzahl
- 9.4 (+0.24 Punkte)
- Gesamtkosten (aktueller Preis)
- $0.183 · 86.2% günstiger
- Antwortzeit (Durchschnitt)
- 6.24s · 66.9% schneller
OpenAI
Veröffentlichung: 2026-02-05
Getestet am: 2026-10-01 01:42
openai/gpt-5.3-codex::medium
~1.2T insgesamt (~80B aktiv)MoEGeschlossenGeschätzt Zusammenfassung
GPT-5.3-Codex erreicht 9.1 bei AI BENCHY und liegt auf #34. Das Modell hat 10.0 Zuverlässigkeit, 84.1% Erfolgsrate, $1.318 Gesamtkosten und 18.87s durchschnittliche Antwortzeit.
Was GPT-5.3-Codex besonders macht: Am stärksten ist es in Domänenspezifisch, wo es #3 erreicht; am schwächsten ist Allgemeine Intelligenz mit #17.
Empfohlene Alternativen
Wir empfehlen stattdessen eines dieser Modelle:
- Punktzahl
- 9.1 (+0.00 Punkte)
- Gesamtkosten (aktueller Preis)
- $0.140 · 89.4% günstiger
- Antwortzeit (Durchschnitt)
- 16.58s · 12.1% schneller
- Punktzahl
- 9.6 (+0.43 Punkte)
- Gesamtkosten (aktueller Preis)
- $0.460 · 65.2% günstiger
- Antwortzeit (Durchschnitt)
- 7.15s · 62.1% schneller
Modelldaten
Recherchiert am 2026-08-12
- Parameter
- ~1.2T insgesamt (~80B aktiv)
- Architektur
- MoE
- Verfügbarkeit
- Geschlossen
- Lizenz
- -
Beste Schätzung auf Grundlage öffentlicher Informationen; der Anbieter hat nicht alle Werte offengelegt.
9.1
Konsistenz
8.6
10.0
Gesamte Ausgabe-Token
66,287
Gesamte Eingabe-Token
222,794
Eingabepreis
$1.750 / 1M
Ausgabepreis
$14.000 / 1M
Preis für Cache-Lesen
$0.175 / 1M
Preis für Cache-Schreiben
k. A.
Cache-Preise gelten für Eingabetokens. Lesen nutzt gespeicherte Prompts erneut; Schreiben speichert sie und kann mehr kosten. Für Ausgabetokens gilt der Ausgabepreis.
Instabile Tests
4
Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#34 GPT-5.3-Codex
medium- Kosten
- $0.049
- Zeit
- 54.9s
- Token
- 3,580 tok
Testverlauf
| Getestet am | Punktzahl | Zuverlässigkeit | Korrekte Tests | Gesamtkosten | Vergleichen |
|---|---|---|---|---|---|
| 2026-10-01 01:42 Erneuter Test | 9.1 | 10.0 | $1.318 | Aktueller Lauf | |
| 2026-07-16 22:33 Neuer Test hinzugefügt | 8.9 | 10.0 | $0.920 | Vergleichen | |
| 2026-06-04 13:45 Neuer Test hinzugefügt | 8.4 | 10.0 | $0.740 | Vergleichen | |
| 2026-05-22 00:19 Erneuter Test | 8.3 | 10.0 | $0.685 | Vergleichen | |
| 2026-04-11 01:44 Erster erfasster Lauf | 8.6 | k. A. | $0.573 | Vergleichen |
Dieser Lauf nutzte eine andere Benchmark-Suite. Berücksichtige Suite-Änderungen bei der historischen Einordnung.
Laufvergleich
| Lauf | Benchmark-Abdeckung | Punktzahl | Konsistenz | Zuverlässigkeit | Korrekte Tests | Instabile Tests | Gesamte Ausgabe-Token | Gesamte Eingabe-Token | Gesamtkosten | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-10-01 01:42 · Aktueller Lauf | 69/69 Versuche | 9.1 | 8.6 | 10.0 | 17/23 | 4 | 66,287 | 222,794 | $1.318 | 18.87s |
| 2026-04-11 01:44 · Erster erfasster Lauf | 54/54 Versuche | 8.6 | 8.7 | k. A. | 13/18 | 3 | 37,458 | 0 | $0.573 | 15.38s |
| Differenz | — | +0.6 | -0.1 | +4 | +1 | +28829 | +222794 | +$0.746 | +3483ms |
Die Benchmark-Abdeckung unterscheidet sich: 69/69 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 54/54 Versuche (Ziel: 3 Wiederholungen pro Test). Summen und wiederholungsabhängige Metriken sind nicht direkt vergleichbar.
Diese beiden Läufe nutzten unterschiedliche Benchmark-Suiten, daher spiegeln die Deltas sowohl Modell- als auch Suite-Änderungen wider.
Preisverlauf
Historische Preisdaten für dieses Modell von OpenRouter.
| Datum | Eingabepreis | Ausgabepreis | Preis für Cache-Lesen | Preis für Cache-Schreiben |
|---|---|---|---|---|
| 2026-08-14 12:51 | $1.750 / 1M | $14.000 / 1M | k. A. | k. A. |
| 2026-10-01 18:33 | $1.750 / 1M | $14.000 / 1M | $0.175 / 1M | k. A. |
Diagramme
Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.
Top-Modelle nach Score
Punktzahl vs Gesamtkosten
Antwortzeit (Durchschnitt)
Punktzahl vs Antwortzeit (Durchschnitt)
Gesamte Ausgabe-Token
Punktzahl vs Gesamte Ausgabe-Token
Schnellvergleich
GPT-5.3-CodexmediumvsQwen3.8 Max (0902)highGPT-5.3-CodexmediumvsClaude Haiku 5.5xhighGPT-5.3-CodexmediumvsQwen3.8 MAXmediumGPT-5.3-CodexmediumvsMuse Spark 1.3highGPT-5.3-CodexmediumvsClaude Sonnet 5.5maxGPT-5.3-CodexmediumvsParetodefaultGPT-5.3-CodexmediumvsGPT-5.5mediumGPT-5.3-CodexmediumvsSeed 2.1 TurbohighGPT-5.3-CodexmediumvsClaude Opus 5.5mediumGPT-5.3-CodexmediumvsGemini 3.5 Flashlow
Kategorieaufschlüsselung
| Kategorie | Punktzahl | Konsistenz | Korrekte Tests |
|---|---|---|---|
| Agentenaufgaben | 10.0 | 10.0 | |
| Anti-KI-Tricks | 8.7 | 7.9 | |
| Programmierung | 10.0 | 10.0 | |
| Kombiniert | 10.0 | 10.0 | |
| Datenanalyse und -extraktion | 10.0 | 10.0 | |
| Domänenspezifisch | 5.9 | 7.2 | |
| Allgemeine Intelligenz | 4.6 | 10.0 | |
| Befolgung von Anweisungen | 10.0 | 10.0 | |
| Rätsellösen | 9.0 | 7.9 | |
| Werkzeugaufrufe | 10.0 | 10.0 | |
| Allgemeinwissen | 2.8 | 1.6 |