नेव्हिगेशन
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY Compare

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.3-Codex

सारांश

GPT-5.3-Codex (medium) average score मध्ये पुढे आहे: 8.9 vs 7.3. Claude Sonnet 4.6 चा benchmark खर्च कमी आहे: $0.316 vs $0.740. Claude Sonnet 4.6 वेगवान आहे: 5.04s vs 16.22s, pass rates 55.6% vs 82.5%.

शिफारस केलेले मॉडेलGPT-5.3-Codex (medium)It has the strongest score in this comparison (8.9) and the best overall balance of cost and response time across all 2 models.

AI BENCHY टेस्ट सूटमधून बेंचमार्क या वेळी तयार झाले: 2026-07-14

मेट्रिक Claude Sonnet 4.6 Claude Sonnet 4.6 none प्रकाशन: 2026-02-17 GPT-5.3-Codex GPT-5.3-Codex medium प्रकाशन: 2026-02-05
स्कोअर 7.3 8.9
क्रमांक #71 #13
विश्वसनीयता 10.0 10.0
सुसंगतता 9.7 8.5
बरोबर चाचण्या
प्रति प्रयत्न पास दर 55.6% 82.5%
अस्थिर चाचण्या 1 4
एकूण रन 63 63
प्रति निकाल खर्च 2.870 4.932
एकूण खर्च $0.316 $0.740
इनपुट किंमत $3.000 / 1M $1.750 / 1M
आउटपुट किंमत $15.000 / 1M $14.000 / 1M
एकूण इनपुट टोकन्स 57,886 34,299
आउटपुट टोकन्स 9,465 2,357
रिझनिंग टोकन्स 0 46,189
प्रतिसाद वेळ (सरासरी) 5.04s 16.22s
प्रतिसाद वेळ (कमाल) 23.84s 100.93s
प्रतिसाद वेळ (एकूण) 70.60s 340.67s

जनरेशन शोकेस

Hamster playing table tennis

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

#71 Claude Sonnet 4.6

none
खर्च
$0.038
वेळ
27.3s
टोकन्स
2,598 tok

#13 GPT-5.3-Codex

medium
खर्च
$0.049
वेळ
54.9s
टोकन्स
3,580 tok

स्कोअरनुसार शीर्ष मॉडेल्स

स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी)

स्कोअर vs प्रतिसाद वेळ (सरासरी)

एकूण आउटपुट टोकन्स

स्कोअर vs एकूण आउटपुट टोकन्स

श्रेणीवार तपशील

कोडिंग स्कोअर सुसंगतता प्रति प्रयत्न पास दर अस्थिर चाचण्या बरोबर चाचण्या प्रतिसाद वेळ (सरासरी) इनपुट टोकन्स आउटपुट टोकन्स रिझनिंग टोकन्स
Claude Sonnet 4.6 5.5 10.0 33.3% 0 5.19s 8,522 2,127 0
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890

झटपट तुलना

तुलना जोडी बदला