Navegación
AI BENCHY
Advertise here

AI BENCHY Compare

OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.7 Max

Resumen

Comparación benchmark de GPT-5.3-Codex vs Qwen3.7 Max: Qwen3.7 Max lidera en puntuación media con 9.4 vs 8.9. Qwen3.7 Max tiene menor coste de benchmark con $0.523 vs $0.740. Qwen3.7 Max es más rápido con 16.02s vs 16.22s, con tasas de acierto de 82.5% vs 88.9%.

Modelo recomendado: Qwen3.7 Max - Tiene la puntuación más alta en esta comparación (9.4) y el mejor equilibrio general entre coste y tiempo de respuesta en los 2 modelos.

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-07-02

Métrica GPT-5.3-Codex GPT-5.3-Codex medium Lanzamiento: 2026-02-05 Qwen3.7 Max Qwen3.7 Max medium Lanzamiento: 2026-05-22
Puntuación 8.9 9.4
Rango #10 #3
Fiabilidad 10.0 10.0
Consistencia 8.5 9.6
Pruebas correctas
Tasa de aciertos por intento 82.5% 88.9%
Pruebas inestables 4 1
Ejecuciones totales 63 63
Costo por resultado 4.932 5.517
Costo total $0.740 $0.523
Precio de entrada $1.750 / 1M $1.250 / 1M
Precio de salida $14.000 / 1M $3.750 / 1M
Total de tokens de entrada 34,299 42,360
Tokens de salida 2,357 2,129
Tokens de razonamiento 46,189 122,959
Tiempo de respuesta (promedio) 16.22s 16.02s
Tiempo de respuesta (máximo) 100.93s 59.98s
Tiempo de respuesta (total) 340.67s 336.51s

Generación showcase

Hamster playing table tennis

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

#10 GPT-5.3-Codex

medium
Coste
$0.049
Tiempo
54.9s
Tokens
3,580 tok

#3 Qwen3.7 Max

medium
Coste
$0.017
Tiempo
68.8s
Tokens
4,526 tok

Mejores modelos por puntuación

Puntuación vs costo total

Tiempo de respuesta (promedio)

Puntuación vs Tiempo de respuesta (promedio)

Total de tokens de salida

Puntuación vs Total de tokens de salida

Desglose por categoría

Trucos anti-IA Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 606 240 1,722
Qwen3.7 Max 10.0 10.0 100.0% 0 6.36s 672 222 8,742
Programación Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
Qwen3.7 Max 10.0 10.0 100.0% 0 35.31s 7,893 423 34,808
Combinado Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
Qwen3.7 Max 10.0 10.0 100.0% 0 19.60s 14,934 366 8,405
Análisis y extracción de datos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
Qwen3.7 Max 10.0 10.0 100.0% 0 8.80s 7,782 270 6,254
Específico del dominio Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 813 64 25,308
Qwen3.7 Max 5.9 7.2 55.6% 1 24.94s 771 61 31,793
Inteligencia general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
Qwen3.7 Max 10.0 10.0 100.0% 0 11.70s 516 135 4,457
Seguimiento de instrucciones Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
Qwen3.7 Max 10.0 10.0 100.0% 0 7.46s 699 102 5,452
Resolución de acertijos Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
Qwen3.7 Max 10.0 10.0 100.0% 0 8.84s 696 259 8,908
Llamada de herramientas Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
Qwen3.7 Max 10.0 10.0 100.0% 0 6.63s 8,193 267 1,220
Cultura general Puntuación Consistencia Tasa de aciertos por intento Pruebas inestables Pruebas correctas Tiempo de respuesta (promedio) Tokens de entrada Tokens de salida Tokens de razonamiento
GPT-5.3-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701
Qwen3.7 Max 3.0 10.0 0.0% 0 33.37s 204 24 12,920

Comparación rápida

Cambiar par de comparación

GPT-5.5lowvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.3-CodexmediumGemini 3.5 FlashhighvsQwen3.7 MaxmediumDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumGPT-5.2 ChatnonevsQwen3.7 MaxmediumGemini 3.5 FlashhighvsGPT-5.3-CodexmediumDeepSeek V4 FlashhighvsQwen3.7 MaxmediumClaude Opus 4.8lowvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsGPT-5.3-Codexmedium