AI BENCHY Compare

OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.7 Plus

Сводка

Сравнение benchmark GPT-5.3-Codex vs Qwen3.7 Plus: GPT-5.3-Codex лидирует по среднему баллу: 8.4 vs 8.2. Qwen3.7 Plus имеет более низкую стоимость benchmark: $0.221 vs $0.740. GPT-5.3-Codex быстрее: 16.22s vs 38.95s, с долей успешных попыток 82.5% vs 77.8%.

Рекомендуемая модель: Qwen3.7 Plus - Его балл близок к лучшему здесь (8.2 против 8.4), при этом он примерно в 3.3 раза дешевле, чем GPT-5.3-Codex.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-06-04

Метрика	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05	Qwen3.7 Plus Qwen3.7 Plus medium Релиз: 2026-06-03

Метрика	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05	Qwen3.7 Plus Qwen3.7 Plus medium Релиз: 2026-06-03
Оценка	8.4	8.2
Ранг	#15	#18
Надежность	10.0	10.0
Стабильность	8.5	9.1
Тестов верно
Доля успешных попыток	82.5%	77.8%
Нестабильные тесты	4	2
Всего запусков	63	63
Стоимость за результат	4.932	1.474
Общая стоимость	$0.740	$0.221
Цена входа	$1.750 / 1M	$0.400 / 1M
Цена выхода	$14.000 / 1M	$1.600 / 1M
Общее число входных токенов	34,299	40,939
Выходные токены	2,357	2,125
Токены рассуждений	46,189	125,754
Время ответа (среднее)	16.22s	38.95s
Время ответа (макс.)	100.93s	178.04s
Время ответа (суммарно)	340.67s	817.85s

Generation showcase

Hamster playing table tennis

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

#15 GPT-5.3-Codex

medium

Cost: $0.049
Time: 54.9s
Tokens: 3,580 tok

#18 Qwen3.7 Plus

medium

Cost: $0.018
Time: 193.2s
Tokens: 10,821 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

Анти-ИИ уловки	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	8.7	7.9	91.7%	1		4.16s	606	240	1,722
Qwen3.7 Plus	10.0	10.0	100.0%	0		8.58s	672	195	5,065

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.50s	7,302	535	10,890
Qwen3.7 Plus	6.1	6.6	55.6%	1		108.60s	6,472	414	43,576

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		19.56s	11,019	364	2,731
Qwen3.7 Plus	10.0	10.0	100.0%	0		65.24s	14,934	366	10,132

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.07s	7,140	234	728
Qwen3.7 Plus	10.0	10.0	100.0%	0		21.75s	7,782	270	6,713

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	5.9	7.2	55.6%	1		64.31s	813	64	25,308
Qwen3.7 Plus	3.6	7.2	22.2%	1		45.35s	771	57	27,073

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	4.6	10.0	0.0%	0		4.87s	477	187	331
Qwen3.7 Plus	10.0	10.0	100.0%	0		25.48s	516	123	3,998

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		3.04s	660	93	693
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.13s	699	102	5,013

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	9.0	7.9	88.9%	1		5.05s	642	356	1,593
Qwen3.7 Plus	10.0	10.0	100.0%	0		16.38s	696	280	7,312

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	10.0	10.0	100.0%	0		6.37s	5,445	254	492
Qwen3.7 Plus	10.0	10.0	100.0%	0		15.02s	8,193	292	1,831

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Тестов верно	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.3-Codex	2.8	1.6	33.3%	1		14.43s	195	30	1,701
Qwen3.7 Plus	3.0	10.0	0.0%	0		91.07s	204	26	15,041

Быстрое сравнение

Сменить пару сравнения

Gemini 3 Flash PreviewlowvsGPT-5.3-Codexmedium Gemini 3.5 FlashnonevsQwen3.7 Plusmedium Gemini 3 Flash PreviewlowvsQwen3.7 Plusmedium GPT-5.2 ChatnonevsQwen3.7 Plusmedium Gemini 3.5 FlashnonevsGPT-5.3-Codexmedium DeepSeek V4 FlashhighvsQwen3.7 Plusmedium Gemini 3.5 FlashminimalvsQwen3.7 Plusmedium DeepSeek V4 FlashhighvsGPT-5.3-Codexmedium Gemini 3.5 FlashminimalvsGPT-5.3-Codexmedium GPT-5.3-CodexmediumvsQwen3.7 Maxnone Gemini 3 Flash PreviewnonevsQwen3.7 Plusmedium Gemini 3.1 Flash Lite PreviewlowvsQwen3.7 Plusmedium