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

AI BENCHY Compare

Anthropic: Claude Sonnet 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 Sonnet 4.6 medium Lanzamiento: Fecha de lanzamiento desconocida OpenAI: GPT-5.3-Codex medium Lanzamiento: Fecha de lanzamiento desconocida
Rango #8 #7
Puntuación 7.43 7.93
Consistencia 9.40 8.84
Costo por resultado 8.105 4.641
Costo total $0.811 $0.465
Pruebas correctas
Pruebas incorrectas 4 4
Tasa de aciertos por intento 73.8% 78.6%
Pruebas inestables 1 2
Tokens de salida 29,098 1,201
Tokens de razonamiento 20,435 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 Sonnet 4.6 7.00 10.00 66.7% 0 1,031 1,093
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 Sonnet 4.6 10.00 10.00 100.0% 0 727 907
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 Sonnet 4.6 1.00 7.21 11.1% 1 25,790 16,919
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 Sonnet 4.6 10.00 10.00 100.0% 0 316 523
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 Sonnet 4.6 10.00 10.00 100.0% 0 579 642
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 Sonnet 4.6 10.00 10.00 100.0% 0 655 351
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 254 492

Cambiar par de comparación

Comparar Anthropic: Claude Sonnet 4.6 contra...

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