ナビゲーション
AI BENCHY
Advertise here

AI BENCHY Compare

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

概要

GPT-5.3-Codex vs Qwen3.7 Max の benchmark 比較: Qwen3.7 Max が平均スコアでリードし、9.4 vs 8.9 です。 Qwen3.7 Max の benchmark コストが低く、$0.523 vs $0.740 です。 Qwen3.7 Max の方が高速で、16.02s vs 16.22s です、成功率は 82.5% vs 88.9% です。

おすすめモデル: Qwen3.7 Max - この比較で最も高いスコア（9.4）を出し、全 2 モデルの中でコストと応答時間のバランスも最良です。

ベンチマークは AI BENCHY テストスイートから次の日時に生成: 2026-07-02

指標 GPT-5.3-Codex GPT-5.3-Codex medium リリース: 2026-02-05 Qwen3.7 Max Qwen3.7 Max medium リリース: 2026-05-22
スコア 8.9 9.4
順位 #10 #3
信頼性 10.0 10.0
一貫性 8.5 9.6
正解テスト
試行ごとの合格率 82.5% 88.9%
不安定なテスト 4 1
総実行回数 63 63
結果あたりのコスト 4.932 5.517
合計コスト $0.740 $0.523
入力価格 $1.750 / 1M $1.250 / 1M
出力価格 $14.000 / 1M $3.750 / 1M
合計入力トークン 34,299 42,360
出力トークン 2,357 2,129
推論トークン 46,189 122,959
応答時間（平均） 16.22s 16.02s
応答時間（最大） 100.93s 59.98s
応答時間（合計） 340.67s 336.51s

生成ショーケース

Hamster playing table tennis

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

#10 GPT-5.3-Codex

medium
コスト
$0.049
時間
54.9s
トークン
3,580 tok

#3 Qwen3.7 Max

medium
コスト
$0.017
時間
68.8s
トークン
4,526 tok

スコア上位モデル

スコア vs 総コスト

応答時間（平均）

スコア vs 応答時間（平均）

合計出力トークン

スコア vs 合計出力トークン

カテゴリ内訳

反AIトリック スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
コーディング スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
複合 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
データ解析と抽出 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
ドメイン特化 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
汎用知能 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
指示追従 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
パズル解決 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
ツール呼び出し スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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
雑学 スコア 一貫性 試行ごとの合格率 不安定なテスト 正解テスト 応答時間（平均） 入力トークン 出力トークン 推論トークン
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

クイック比較

比較ペアを切り替え

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