नेव्हिगेशन
AI BENCHY
Advertise here

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

GPT-5.3-Codex (medium) average score मध्ये पुढे आहे: 8.9 vs 7.3. Claude Sonnet 4.6 चा benchmark खर्च कमी आहे: $0.661 vs $0.920. Claude Sonnet 4.6 वेगवान आहे: 8.12s vs 16.96s, pass rates 57.6% vs 83.3%.

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: 2026-07-25

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 #18
विश्वसनीयता 10.0 10.0
सुसंगतता 9.7 8.6
बरोबर चाचण्या
प्रति प्रयत्न पास दर 57.6% 83.3%
अस्थिर चाचण्या 1 4
एकूण रन 66 66
प्रति निकाल खर्च 5.502 5.748
एकूण खर्च $0.661 $0.920
इनपुट किंमत $3.000 / 1M $1.750 / 1M
आउटपुट किंमत $15.000 / 1M $14.000 / 1M
एकूण इनपुट टोकन्स 123,264 81,268
आउटपुट टोकन्स 19,362 6,251
रिझनिंग टोकन्स 0 49,274
प्रतिसाद वेळ (सरासरी) 8.12s 16.96s
प्रतिसाद वेळ (कमाल) 51.18s 100.93s
प्रतिसाद वेळ (एकूण) 121.78s 373.19s

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

#18 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