Claude Opus 4.8 (medium) vs GPT-5.3-Codex (medium)

GPT-5.3-Codex (medium) лидирует по среднему баллу: 8.9 vs 8.8. GPT-5.3-Codex (medium) имеет более низкую стоимость benchmark: $0.988 vs $1.983. Claude Opus 4.8 (medium) быстрее: 12.97s vs 16.91s, с долей успешных попыток 83.3% vs 83.3%.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-08-26

Ранг: #26
Общее число выходных токенов: 51,927
Время ответа (среднее): 12.97s
Общая стоимость: $1.983

Ранг: #22
Общее число выходных токенов: 60,374
Время ответа (среднее): 16.91s
Общая стоимость: $0.988

Рекомендуемая модель GPT-5.3-Codex (medium)

Здесь у него лучший балл (8.9), при этом он примерно в 2.0 раза дешевле, чем Claude Opus 4.8 (medium).

Подробное сравнение

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05

Метрика	Claude Opus 4.8 Claude Opus 4.8 medium Релиз: 2026-05-28	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05
Оценка	8.8	8.9
Ранг	#26	#22
Надежность	10.0	10.0
Стабильность	9.2	8.6
Попытки	66/66	66/66
Тестов верно
Доля успешных попыток	83.3%	83.3%
Нестабильные тесты	2	4
Всего запусков	66	66
Стоимость за результат	11.662	6.171
Общая стоимость	$1.983	$0.988
Цена входа	$5.000 / 1M	$1.750 / 1M
Цена выхода	$25.000 / 1M	$14.000 / 1M
Общее число входных токенов	138,448	81,187
Выходные токены	40,765	6,258
Токены рассуждений	11,162	54,116
Время ответа (среднее)	12.97s	16.91s
Время ответа (макс.)	70.54s	100.93s
Время ответа (суммарно)	285.29s	372.03s
Параметры	~5T всего (~500B активных)	~1.2T всего (~80B активных)
Доступность	Закрытая модель	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#26 Claude Opus 4.8

medium

Стоимость: $0.057
Время: 23.1s
Токены: 2,412 tok

#22 GPT-5.3-Codex

medium

Стоимость: $0.049
Время: 54.9s
Токены: 3,580 tok

Лучшие модели по оценке

Оценка vs общая стоимость

Время ответа (среднее)

Оценка vs Время ответа (среднее)

Общее число выходных токенов

Оценка vs Общее число выходных токенов

Разбивка по категориям

Категория:

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	834	1,179	478
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		15.33s	10,590	9,945	1,381
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	9.9	10.0	100.0%	0		54.29s	101,005	19,531	4,762
GPT-5.3-Codex	10.0	10.0	100.0%	0		26.04s	57,988	4,258	5,816

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	7.1	5.6	83.3%	1		12.29s	10,503	481	312
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.6	7.2	22.2%	1		18.11s	972	7,476	2,987
GPT-5.3-Codex	5.9	7.2	55.6%	1		63.93s	732	71	30,150

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		2.46s	708	237	0
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.32s	909	373	320
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		3.95s	894	791	483
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	10.0	10.0	100.0%	0		8.96s	11,775	301	225
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
Claude Opus 4.8	3.0	10.0	0.0%	0		6.14s	258	451	214
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701

Быстрое сравнение

Сменить пару сравнения

Claude Opus 4.8mediumvsGemini 3.5 Flash Litehigh Claude Opus 4.8mediumvsGemini 3.6 Flashlow GPT-5.3-CodexmediumvsGrok 4.5high Seed 2.1 TurbohighvsGPT-5.3-Codexmedium Claude Opus 4.8mediumvsGLM 5.3 Flashmax Claude Opus 4.8mediumvsGemini 3.5 Flashlow Claude Opus 4.8mediumvsMuse Spark 1.2high Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Claude Opus 4.8mediumvsSeed 2.1 Turbohigh Seed 2.1 TurbolowvsGPT-5.3-Codexmedium Gemini 3.5 Flash LitehighvsGPT-5.3-Codexmedium Claude Opus 4.8mediumvsQwen3.8 Maxlow