#7 GPT-5.3-Codex
medium- खर्च
- $0.049
- वेळ
- 54.9s
- टोकन्स
- 3,580 tok
OpenAI
प्रकाशन: 2026-02-05
चाचणी तारीख: 2026-04-11 01:44
openai/gpt-5.3-codex::medium
सारांश
GPT-5.3-Codex AI BENCHY वर 8.6 स्कोर करते आणि #7 वर आहे. याची reliability लागू नाही, pass rate 83.3%, एकूण खर्च $0.573, आणि सरासरी response time 15.38s आहे.
GPT-5.3-Codex खास का आहे: या score range साठी एकूण benchmark खर्च असामान्यपणे कमी आहे.
8.6
सुसंगतता
8.7
लागू नाही
$0.573
एकूण आउटपुट टोकन्स
37,458
एकूण इनपुट टोकन्स
0
इनपुट किंमत
$1.750 / 1M
आउटपुट किंमत
$14.000 / 1M
अस्थिर चाचण्या
3
अस्थिर चाचण्यांत रन्समध्ये मिश्र निकाल असतात (किमान एक पास आणि एक फेल).
जनरेशन शोकेस
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
रन इतिहास
| चाचणी तारीख | स्कोअर | विश्वसनीयता | बरोबर चाचण्या | एकूण खर्च | तुलना करा |
|---|---|---|---|---|---|
| 2026-06-04 13:45 नवीन चाचणी जोडली | 8.4 | 10.0 | $0.740 | तुलना करा | |
| 2026-05-22 00:19 पुन्हा चाचणी | 8.3 | 10.0 | $0.685 | तुलना करा | |
| 2026-04-11 01:44 पहिली नोंदलेली रन | 8.6 | लागू नाही | $0.573 | सध्याची रन |
रन तुलना
| रन | स्कोअर | सुसंगतता | विश्वसनीयता | बरोबर चाचण्या | अस्थिर चाचण्या | एकूण आउटपुट टोकन्स | एकूण इनपुट टोकन्स | एकूण खर्च | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|---|---|
| 2026-04-11 01:44 · पहिली नोंदलेली रन | 8.6 | 8.7 | लागू नाही | 13/18 | 3 | 37,458 | 0 | $0.573 | 15.38s |
| 2026-05-22 00:19 · पुन्हा चाचणी | 8.3 | 8.4 | 10.0 | 14/20 | 4 | 44,948 | 0 | $0.685 | 15.97s |
| फरक | +0.2 | +0.3 | -1 | -1 | -7490 | 0 | -$0.113 | -581ms |
या दोन रनमध्ये वेगवेगळे बेंचमार्क सूट वापरले गेले, त्यामुळे फरकांमध्ये मॉडेलमधील आणि सूटमधील दोन्ही बदल दिसतात.
चार्ट्स
पहिले मॉडेल निवडा, नंतर दुसरे मॉडेल क्लिक करून बाजू-बाजूची तुलना पेज उघडा.
स्कोअरनुसार शीर्ष मॉडेल्स
स्कोअर vs एकूण खर्च
प्रतिसाद वेळ (सरासरी)
स्कोअर vs प्रतिसाद वेळ (सरासरी)
एकूण आउटपुट टोकन्स
स्कोअर vs एकूण आउटपुट टोकन्स
झटपट तुलना
GPT-5.3-CodexmediumvsGPT-5.5mediumGPT-5.3-CodexmediumvsQwen3.6 Max PreviewmediumGPT-5.3-CodexmediumvsGemini 3.5 FlashmediumGPT-5.3-CodexmediumvsClaude Opus 4.8mediumGPT-5.3-CodexmediumvsGemini 3.1 Pro PreviewmediumGPT-5.3-CodexmediumvsClaude Opus 4.7mediumGPT-5.3-CodexmediumvsGemini 3.5 FlashhighGPT-5.3-CodexmediumvsGemini 3 Flash PreviewmediumGPT-5.3-CodexmediumvsNemotron 3 Ultra 550b A55bmediumमोफत उपलब्धGPT-5.3-CodexmediumvsGPT-5.5low
श्रेणीवार तपशील
| श्रेणी | स्कोअर | सुसंगतता | बरोबर चाचण्या |
|---|---|---|---|
| अँटी-एआय युक्त्या | 8.7 | 7.9 | |
| कोडिंग | 10.0 | 10.0 | |
| संयुक्त | 10.0 | 10.0 | |
| डेटा पार्सिंग आणि निष्कर्षण | 10.0 | 10.0 | |
| डोमेन-विशिष्ट | 5.9 | 7.2 | |
| Samanya Buddhimatta | 4.6 | 10.0 | |
| सूचनांचे पालन | 10.0 | 10.0 | |
| कोडी सोडवणे | 9.0 | 7.9 | |
| टूल कॉलिंग | 10.0 | 10.0 |