Navegación
AI BENCHY
Comparar Gráficos
❤️ Made by XCS
Your ad here

AI BENCHY Compare

Anthropic: Claude Opus 4.6 vs OpenAI: GPT-5.3-Codex

Nombre del modelo:

Benchmarks generados a partir de los suites de prueba de AI BENCHY en : 2026-02-27 15:16

Resumen

Métrica Anthropic: Claude Opus 4.6 medium Lanzamiento: Fecha de lanzamiento desconocida OpenAI: GPT-5.3-Codex medium Lanzamiento: Fecha de lanzamiento desconocida
Rango #20 #7
Puntuación 6.07 7.93
Consistencia 8.80 8.84
Costo por resultado 10.992 4.641
Costo total $0.880 $0.465
Pruebas correctas
Pruebas incorrectas 6 4
Tasa de aciertos por intento 61.9% 78.6%
Pruebas inestables 2 2
Tokens de salida 19,576 1,201
Tokens de razonamiento 11,081 30,056

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 4.00 4.41 55.6% 2 897 1,000
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 216 1,421
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 668 763
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 234 735
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 1.00 10.00 0.0% 0 16,328 7,928
OpenAI: GPT-5.3-Codex 4.00 7.21 55.6% 1 64 25,308
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 9.50 9.99 100.0% 0 266 468
OpenAI: GPT-5.3-Codex 9.00 10.00 50.0% 0 93 693
Puzzle Solving Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 7.00 10.00 66.7% 0 556 593
OpenAI: GPT-5.3-Codex 7.00 7.38 77.8% 1 340 1,407
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tokens de salida Tokens de razonamiento
Anthropic: Claude Opus 4.6 10.00 10.00 100.0% 0 861 329
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 254 492

Cambiar par de comparación

Comparar Anthropic: Claude Opus 4.6 contra...

Comparar OpenAI: GPT-5.3-Codex contra...