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: $0.988. GPT-5.3-Codex (medium) самый быстрый: 16.91s.

Бенчмарки сгенерированы из тестовых наборов AI BENCHY в: 2026-09-24

Сравниваемые модели

Ранг: #56
Общее число выходных токенов: 90,466
Время ответа (среднее): 22.85s
Общая стоимость: $1.560

Ранг: #37
Общее число выходных токенов: 60,374
Время ответа (среднее): 16.91s
Общая стоимость: $0.988

Ранг: #64
Общее число выходных токенов: 71,252
Время ответа (среднее): 28.51s
Общая стоимость: $1.182

Рекомендуемая модель GPT-5.3-Codex (medium)

Здесь у него лучший балл (8.9), и он отвечает примерно в 1.5 раза быстрее, чем другие модели в этом сравнении.

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	#56	#37	#64
Надежность	10.0	10.0	10.0
Стабильность	8.6	8.6	8.5
Попытки	66/66	66/66	66/66
Тестов верно
Доля успешных попыток	77.3%	83.3%	72.7%
Нестабильные тесты	4	4	4
Всего запусков	66	66	66
Стоимость за результат	10.399	6.171	8.438
Общая стоимость	$1.560	$0.988	$1.182
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	81,136	81,187	105,013
Выходные токены	6,155	6,258	9,914
Токены рассуждений	84,311	54,116	61,338
Время ответа (среднее)	22.85s	16.91s	28.51s
Время ответа (макс.)	100.41s	100.93s	116.86s
Время ответа (суммарно)	502.78s	372.03s	456.13s
Параметры	~1.5T всего (~100B активных)	~1.2T всего (~80B активных)	~1.2T всего (~80B активных)
Доступность	Закрытая модель	Закрытая модель	Закрытая модель

Генерация showcase моделей

Hamster playing table tennis

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

#56 GPT-5.4

medium

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

#37 GPT-5.3-Codex

medium

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

#64 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	72.44s	628	61	36,544
GPT-5.3-Codex	5.9	7.2	55.6%	1	63.93s	732	71	30,150
GPT-5.2	5.9	7.2	55.6%	1	97.33s	482	42	26,812

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-5.2mediumvsQwen3.8 27Bhigh GPT-5.3-CodexmediumvsQwen3.8 Max (0902)high GPT-5.2mediumvsGrok 4.5low Muse Spark 1.3highvsGPT-5.3-Codexmedium GPT-5.2mediumvsInkling Smallhigh GPT-5.3-CodexmediumvsGrok 4.5high GPT-5.4mediumvsQwen3.8 Maxlow GPT-5.3-CodexmediumvsParetonone Seed 2.1 TurbohighvsGPT-5.3-Codexmedium GPT-5.2mediumvsGLM 5.3 FlashXmax DeepSeek V4.1 FlashlowvsGPT-5.4medium DeepSeek V4.1 FlashhighvsGPT-5.4medium