Сравниваемые модели

Бенчмарк-сравнение GPT-5.4 (medium) vs GPT-5.3-Codex (medium) vs GPT-5.2 (medium): GPT-5.3-Codex (medium) лидирует по Оценка со значением 8.9. GPT-5.4 (medium) лидирует по Надежность со значением 10.0. У GPT-5.3-Codex (medium) самый низкий Общая стоимость: $0.920. GPT-5.3-Codex (medium) самый быстрый: 16.96s.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-08-07

Ранг: #29
Общее число выходных токенов: 88,670
Время ответа (среднее): 23.10s
Общая стоимость: $1.533

Ранг: #18
Общее число выходных токенов: 55,525
Время ответа (среднее): 16.96s
Общая стоимость: $0.920

Ранг: #33
Общее число выходных токенов: 54,782
Время ответа (среднее): 22.62s
Общая стоимость: $0.951

Рекомендуемая модель GPT-5.3-Codex (medium)

У него самый высокий балл в этом сравнении (8.9) и лучший общий баланс стоимости и времени ответа среди всех 3 моделей.

Подробное сравнение

Метрика	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11

Метрика	GPT-5.4 GPT-5.4 medium Релиз: 2026-03-05	GPT-5.3-Codex GPT-5.3-Codex medium Релиз: 2026-02-05	GPT-5.2 GPT-5.2 medium Релиз: 2025-12-11
Оценка	8.5	8.9	8.4
Ранг	#29	#18	#33
Надежность	10.0	10.0	10.0
Стабильность	8.6	8.6	8.5
Покрытие бенчмарка	22/22 тестов · 66/66 попыток	22/22 тестов · 66/66 попыток	22/22 тестов · 66/66 попыток
Тестов верно
Доля успешных попыток	77.3%	83.3%	72.7%
Нестабильные тесты	4	4	4
Всего запусков	66	66	66
Стоимость за результат	10.220	5.748	6.791
Общая стоимость	$1.533	$0.920	$0.951
Цена входа	$2.500 / 1M	$1.750 / 1M	$1.750 / 1M
Цена выхода	$15.000 / 1M	$14.000 / 1M	$14.000 / 1M
Общее число входных токенов	81,127	81,268	105,004
Выходные токены	6,155	6,251	9,914
Токены рассуждений	82,515	49,274	44,868
Время ответа (среднее)	23.10s	16.96s	22.62s
Время ответа (макс.)	100.41s	100.93s	102.93s
Время ответа (суммарно)	508.26s	373.19s	339.28s

Генерация showcase моделей

Hamster playing table tennis

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

#29 GPT-5.4

medium

Стоимость: $0.214
Время: 199.6s
Токены: 14,349 tok

#18 GPT-5.3-Codex

medium

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

#33 GPT-5.2

medium

Стоимость: $0.047
Время: 49.2s
Токены: 3,396 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	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	8.3	10.0	75.0%	0	4.11s	606	240	1,511
GPT-5.3-Codex	8.7	7.9	91.7%	1	4.16s	606	240	1,722
GPT-5.2	6.5	8.0	58.3%	1	7.81s	606	567	2,002

Программирование	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	8.8	7.8	88.9%	1	44.36s	7,305	433	24,216
GPT-5.3-Codex	10.0	10.0	100.0%	0	19.50s	7,302	535	10,890
GPT-5.2	10.0	10.0	100.0%	0	22.73s	7,302	511	11,912

Комбинированный	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	29.77s	58,038	4,214	13,351
GPT-5.3-Codex	10.0	10.0	100.0%	26.04s	57,988	4,258	5,816
GPT-5.2	10.0	10.0	100.0%	58.50s	82,056	7,304	14,693

Парсинг и извлечение данных	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	5.32s	7,140	234	804
GPT-5.3-Codex	10.0	10.0	100.0%	3.07s	7,140	234	728
GPT-5.2	10.0	10.0	100.0%	3.15s	7,140	234	420

Предметно-ориентированное	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	5.3	7.2	44.4%	1	74.27s	619	61	34,748
GPT-5.3-Codex	5.9	7.2	55.6%	1	64.31s	813	64	25,308
GPT-5.2	5.9	7.2	55.6%	1	77.80s	473	42	10,342

Общий интеллект	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	4.7	3.1	33.3%	1	4.92s	477	145	321
GPT-5.3-Codex	4.6	10.0	0.0%	0	4.87s	477	187	331
GPT-5.2	3.7	9.7	0.0%	0	4.32s	477	162	269

Следование инструкциям	Оценка	Стабильность	Доля успешных попыток	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	3.11s	660	93	897
GPT-5.3-Codex	10.0	10.0	100.0%	3.04s	660	93	693
GPT-5.2	9.9	10.0	100.0%	3.12s	660	94	614

Решение головоломок	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	8.2	7.2	88.9%	1	9.14s	642	441	3,815
GPT-5.3-Codex	9.0	7.9	88.9%	1	5.05s	642	356	1,593
GPT-5.2	7.5	7.3	77.8%	1	5.80s	642	735	924

Вызов инструментов	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	10.0	10.0	100.0%	0	13.28s	5,445	264	1,031
GPT-5.3-Codex	10.0	10.0	100.0%	0	6.37s	5,445	254	492
GPT-5.2	4.7	1.6	66.7%	1	10.30s	5,453	239	469

Эрудиция	Оценка	Стабильность	Доля успешных попыток	Нестабильные тесты	Время ответа (среднее)	Входные токены	Выходные токены	Токены рассуждений
GPT-5.4	3.0	10.0	0.0%	0	13.95s	195	30	1,821
GPT-5.3-Codex	2.8	1.6	33.3%	1	14.43s	195	30	1,701
GPT-5.2	3.0	10.0	0.0%	0	28.18s	195	26	3,223

Быстрое сравнение

Сменить пару сравнения

GPT-5.3-CodexmediumvsGrok 4.5high GPT-5.2mediumvsGrok 4.5low Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium GPT-5.2mediumvsInkling Smallhigh Muse Spark 1.2lowvsGPT-5.2medium Claude Opus 5lowvsGPT-5.4medium Muse Spark 1.2lowvsGPT-5.4medium GPT-5.4mediumvsGrok 4.5low Muse Spark 1.1lowvsGPT-5.2medium GPT-5.4mediumvsInkling Smallhigh GPT-5.4mediumvsQwen3.8 Maxlow Muse Spark 1.2highvsGPT-5.3-Codexmedium