#15
OpenAI
リリース: 2026-02-05
テスト日時: 2026-05-22 00:19
openai/gpt-5.3-codex::medium
????
$1.750 / 1M
????
$14.000 / 1M
不安定なテスト
4
不安定なテストは、実行間で結果が混在しています（少なくとも1回合格かつ1回失敗）。
実行履歴
| テスト日時 | スコア | 信頼性 | 正解テスト | 合計コスト | 比較する |
|---|---|---|---|---|---|
| 2026-05-22 00:19 再テスト | 8.3 | 10.0 | $0.685 | 現在の実行 | |
| 2026-04-11 01:44 最初に記録された実行 | 8.6 | 該当なし | $0.573 | 比較する |
実行比較
| 実行 | スコア | 一貫性 | 信頼性 | 正解テスト | 不安定なテスト | 合計出力トークン | 合計コスト | 応答時間（平均） |
|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · 現在の実行 | 8.3 | 8.4 | 10.0 | 14/20 | 4 | 44,948 | $0.685 | 15.97s |
| 2026-04-11 01:44 · 最初に記録された実行 | 8.6 | 8.7 | 該当なし | 13/18 | 3 | 37,458 | $0.573 | 15.38s |
| 差分 | -0.2 | -0.3 | +1 | +1 | +7490 | +$0.113 | +581ms |
この 2 つの実行では異なるベンチマークスイートが使われているため、差分にはモデル変化とスイート変化の両方が含まれます。
チャート
最初のモデルを選択し、次に2つ目のモデルをクリックして並列比較ページを開きます。