#13 GPT-5.3-Codex
medium- コスト
- $0.049
- 時間
- 54.9s
- トークン
- 3,580 tok
OpenAI: GPT-5.3-Codex vs xAI: Grok 4.5
平均スコアは 8.9 vs 8.9 でほぼ同等です。 GPT-5.3-Codex (medium) の benchmark コストが低く、$0.920 vs $1.707 です。 GPT-5.3-Codex (medium) の方が高速で、16.96s vs 76.50s です、成功率は 83.3% vs 83.3% です。
おすすめモデルGPT-5.3-Codex (medium)ここでは最高スコア（8.9）で、Grok 4.5 (high) より約 1.9 倍低コストです。
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: 2026-07-17
| 指標 | GPT-5.3-Codex GPT-5.3-Codex medium | Grok 4.5 Grok 4.5 high |
|---|---|---|
| スコア | 8.9 | 8.9 |
| 順位 | #13 | #12 |
| 信頼性 | 10.0 | 10.0 |
| 一貫性 | 8.6 | 9.2 |
| 正解テスト | ||
| 試行ごとの合格率 | 83.3% | 83.3% |
| 不安定なテスト | 4 | 2 |
| 総実行回数 | 66 | 66 |
| 結果あたりのコスト | 5.748 | 10.041 |
| 合計コスト | $0.920 | $1.707 |
| 入力価格 | $1.750 / 1M | $2.000 / 1M |
| 出力価格 | $14.000 / 1M | $6.000 / 1M |
| 合計入力トークン | 81,268 | 151,562 |
| 出力トークン | 6,251 | 5,655 |
| 推論トークン | 49,274 | 247,540 |
| 応答時間（平均） | 16.96s | 76.50s |
| 応答時間（最大） | 100.93s | 676.83s |
| 応答時間（合計） | 373.19s | 1683.07s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#12 xAI: Grok 4.5
high- コスト
- $0.015
- 時間
- 29.7s
- トークン
- 2,737 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.67s | 2,991 | 204 | 4,545 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 155.16s | 9,579 | 357 | 100,752 |
| 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 | 26.04s | 57,988 | 4,258 | 5,816 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 35.56s | 113,448 | 4,299 | 13,004 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.63s | 8,937 | 225 | 3,888 |
| 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 | |
| Grok 4.5 | 3.6 | 7.2 | 22.2% | 1 | 332.11s | 1,910 | 6 | 101,850 |
| 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 | |
| Grok 4.5 | 4.7 | 1.6 | 66.7% | 1 | 9.82s | 1,077 | 83 | 1,899 |
| 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 | |
| Grok 4.5 | 9.8 | 10.0 | 100.0% | 0 | 6.23s | 1,857 | 57 | 3,154 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 7.88s | 2,430 | 220 | 4,312 |
| 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 | |
| Grok 4.5 | 10.0 | 10.0 | 100.0% | 0 | 5.71s | 8,544 | 192 | 901 |
| 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 | |
| Grok 4.5 | 3.0 | 10.0 | 0.0% | 0 | 60.58s | 789 | 12 | 13,235 |
クイック比較
比較ペアを切り替え
Gemini 3.5 FlashlowvsGrok 4.5highGemini 3.5 FlashlowvsGPT-5.3-CodexmediumGPT-5.5mediumvsGrok 4.5highClaude Opus 4.8mediumvsGrok 4.5highGemini 3.5 FlashmediumvsGrok 4.5highQwen3.7 MaxmediumvsGrok 4.5highClaude Opus 4.7mediumvsGrok 4.5highMuse Spark 1.1mediumvsGrok 4.5highClaude Fable 5mediumvsGrok 4.5highGemini 3.1 Pro PreviewmediumvsGrok 4.5highGPT-5.5lowvsGrok 4.5highGPT-5.4mediumvsGrok 4.5high