AI BENCHY
Advertise here
#22

GPT-5.3-Codex

OpenAI Veröffentlichung: 2026-02-05 Getestet am: 2026-08-14 02:13 openai/gpt-5.3-codex::medium
~1.2T insgesamt (~80B aktiv)MoEGeschlossenGeschätzt

Zusammenfassung

GPT-5.3-Codex erreicht 8.9 bei AI BENCHY und liegt auf #22. Das Modell hat 10.0 Zuverlässigkeit, 83.3% Erfolgsrate, $0.988 Gesamtkosten und 16.91s 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.

Modelldaten

Recherchiert am 2026-08-12

Geschätzt
Parameter
~1.2T insgesamt (~80B aktiv)
Architektur
MoE
Verfügbarkeit
Geschlossen
Lizenz
-

Beste Schätzung auf Grundlage öffentlicher Informationen; der Anbieter hat nicht alle Werte offengelegt.

Parameterquelle Quelle zur Verfügbarkeit

Punktzahl

8.9

Konsistenz

8.6

Zuverlässigkeit

10.0

Gesamtkosten (aktueller Preis)

$0.988

Gesamte Ausgabe-Token

60,374

Gesamte Eingabe-Token

81,187

Eingabepreis

$1.750 / 1M

Ausgabepreis

$14.000 / 1M

Korrekte Tests

Falsche Tests: 6

Erfolgsquote pro Versuch: 83.3%

Instabile Tests

4

Instabile Tests hatten gemischte Ergebnisse über Läufe hinweg (mindestens ein Erfolg und ein Fehlschlag).

Antwortzeit (Durchschnitt)

16.91s

Antwortzeit (Maximum): 100.93s

Antwortzeit (Gesamt): 372.03s

Falsche Antwort: 4 Anweisungen nicht befolgt: 2

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#22 GPT-5.3-Codex

medium
Kosten
$0.049
Zeit
54.9s
Token
3,580 tok

Testverlauf

Getestet am Punktzahl Zuverlässigkeit Korrekte Tests Gesamtkosten Vergleichen
2026-08-14 02:13 Erneuter Test 8.9 10.0 $0.988 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

LaufBenchmark-AbdeckungPunktzahlKonsistenzZuverlässigkeitKorrekte TestsInstabile TestsGesamte Ausgabe-TokenGesamte Eingabe-TokenGesamtkostenAntwortzeit (Durchschnitt)
2026-08-14 02:13 · Aktueller Lauf66/66 Versuche8.98.610.016/22460,37481,187$0.98816.91s
2026-05-22 00:19 · Erneuter Test60/60 Versuche8.38.410.014/20444,9480$0.68515.97s
Differenz—+0.6+0.20.0+20+15426+81187+$0.303+945ms

Die Benchmark-Abdeckung unterscheidet sich: 66/66 Versuche (Ziel: 3 Wiederholungen pro Test) gegenüber 60/60 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
2026-08-14 12:51 $1.750 / 1M $14.000 / 1M

Diagramme

Wähle zuerst das erste Modell und klicke dann ein zweites Modell, um eine Seite im direkten Vergleich zu öffnen.

Gesamte Ausgabe-Token

Punktzahl vs Gesamte Ausgabe-Token

Schnellvergleich

GPT-5.3-CodexmediumvsGrok 4.5highGPT-5.3-CodexmediumvsSeed 2.1 TurbohighGPT-5.3-CodexmediumvsQwen3.8 MaxmediumGPT-5.3-CodexmediumvsGemini 3.5 FlashlowGPT-5.3-CodexmediumvsGPT-5.5mediumGPT-5.3-CodexmediumvsGemini 3.5 Flash LitehighGPT-5.3-CodexmediumvsGemini 3.5 FlashmediumGPT-5.3-CodexmediumvsClaude Opus 4.8mediumGPT-5.3-CodexmediumvsQwen3.7 MaxmediumGPT-5.3-CodexmediumvsClaude Opus 5low

Kategorieaufschlüsselung

Kategorie Punktzahl Konsistenz Korrekte Tests
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

Verglichene Modelle