Navigare
AI BENCHY
Compară Grafice
❤️ Made by XCS
Your ad here

AI BENCHY Compare

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

Nume model:

Benchmark-urile au fost generate din suitele de teste AI BENCHY la : 2026-02-27 15:16

Rezumat

Metrică Anthropic: Claude Sonnet 4.6 medium Lansare: Data lansării necunoscută OpenAI: GPT-5.3-Codex medium Lansare: Data lansării necunoscută
Rang #8 #7
Scor 7.43 7.93
Consistență 9.40 8.84
Cost per rezultat 8.105 4.641
Cost total $0.811 $0.465
Teste corecte
Teste greșite 4 4
Rată de trecere pe încercare 73.8% 78.6%
Teste instabile 1 2
Tokenuri de ieșire 29,098 1,201
Tokenuri de raționament 20,435 30,056

Defalcare pe categorii

Trucuri anti-AI Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 7.00 10.00 66.7% 0 1,031 1,093
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 216 1,421
Parsare și extragere de date Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 727 907
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 234 735
Specific domeniului Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 1.00 7.21 11.1% 1 25,790 16,919
OpenAI: GPT-5.3-Codex 4.00 7.21 55.6% 1 64 25,308
Respectarea instrucțiunilor Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 316 523
OpenAI: GPT-5.3-Codex 9.00 10.00 50.0% 0 93 693
Puzzle Solving Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 579 642
OpenAI: GPT-5.3-Codex 7.00 7.38 77.8% 1 340 1,407
Apelare instrumente Scor Consistență Rată de trecere pe încercare Teste instabile Teste corecte Tokenuri de ieșire Tokenuri de raționament
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 655 351
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 254 492

Schimbă perechea de comparație

Compară Anthropic: Claude Sonnet 4.6 cu...

Compară OpenAI: GPT-5.3-Codex cu...