#15 GPT-5.3-Codex
medium- Cost
- $0.049
- Timp
- 54.9s
- Tokenuri
- 3,580 tok
OpenAI
Lansare: 2026-02-05
Testat la: 2026-05-22 00:19
openai/gpt-5.3-codex::medium
~1.2T în total (~80B activi)MoEÎnchisEstimat Rezumat
GPT-5.3-Codex obține 8.3 pe AI BENCHY și este pe #15. Are fiabilitate 10.0, rată de reușită 81.7%, cost total $0.685 și timp mediu de răspuns 15.97s.
Ce face GPT-5.3-Codex unic: Se remarcă cel mai mult la Specific domeniului, unde este pe #4, iar Inteligență generală este zona cea mai slabă, la #17.
Date despre model
Documentat la 2026-08-12
- Parametri
- ~1.2T în total (~80B activi)
- Arhitectură
- MoE
- Disponibilitate
- Închis
- Licență
- -
Cea mai bună estimare bazată pe informații publice; furnizorul nu a dezvăluit toate valorile.
8.3
Consistență
8.4
10.0
$0.685
Total tokenuri de ieșire
44,948
Total tokenuri de intrare
0
Preț de intrare
$1.750 / 1M
Preț de ieșire
$14.000 / 1M
Teste instabile
4
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-08-14 02:13 Retestare | 8.9 | 10.0 | $0.988 | Compară | |
| 2026-07-16 22:33 Test nou adăugat | 8.9 | 10.0 | $0.920 | Compară | |
| 2026-06-04 13:45 Test nou adăugat | 8.4 | 10.0 | $0.740 | Compară | |
| 2026-05-22 00:19 Retestare | 8.3 | 10.0 | $0.685 | Rularea curentă | |
| 2026-04-11 01:44 Prima rulare înregistrată | 8.6 | N/D | $0.573 | Compară |
Comparație între rulări
| Rulare | Acoperire benchmark | Scor | Consistență | Fiabilitate | Teste corecte | Teste instabile | Total tokenuri de ieșire | Total tokenuri de intrare | Cost total | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|---|---|---|
| 2026-05-22 00:19 · Retestare | 60/60 încercări | 8.3 | 8.4 | 10.0 | 14/20 | 4 | 44,948 | 0 | $0.685 | 15.97s |
| 2026-07-16 22:33 · Test nou adăugat | 66/66 încercări | 8.9 | 8.6 | 10.0 | 16/22 | 4 | 55,525 | 81,268 | $0.920 | 16.96s |
| Diferență | — | -0.6 | -0.2 | 0.0 | -2 | 0 | -10577 | -81268 | -$0.235 | -998ms |
Acoperirea benchmark diferă: 60/60 încercări (Țintă: 3 repetări per test) față de 66/66 încercări (Țintă: 3 repetări per test). Totalurile și metricile sensibile la repetări nu sunt direct comparabile.
Aceste două rulări au folosit suite de benchmark diferite, așa că diferențele reflectă atât schimbări ale modelului, cât și ale suitei.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
GPT-5.3-CodexmediumvsGrok 4.5highGPT-5.3-CodexmediumvsSeed 2.1 TurbohighGPT-5.3-CodexmediumvsQwen3.8 MaxmediumGPT-5.3-CodexmediumvsGemini 3.5 FlashlowGPT-5.3-CodexmediumvsGPT-5.5mediumGPT-5.3-CodexmediumvsGemini 3.5 Flash LitehighGPT-5.3-CodexmediumvsGemini 3.5 FlashmediumGPT-5.3-CodexmediumvsClaude Opus 4.8mediumGPT-5.3-CodexmediumvsQwen3.7 MaxmediumGPT-5.3-CodexmediumvsClaude Opus 5low
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 8.7 | 7.9 | |
| Programare | 10.0 | 10.0 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 10.0 | 10.0 | |
| Specific domeniului | 5.9 | 7.2 | |
| Inteligență generală | 4.6 | 10.0 | |
| Respectarea instrucțiunilor | 10.0 | 10.0 | |
| Rezolvare de puzzle-uri | 9.0 | 7.9 | |
| Apelare instrumente | 10.0 | 10.0 | |
| Cultură generală | 2.8 | 1.6 |