已对比模型

Claude Opus 4.6 (medium) vs Claude Sonnet 4.6 (medium) vs GPT-5.3-Codex (medium) vs Gemini 3.1 Pro Preview (medium) 基准对比: Gemini 3.1 Pro Preview (medium) 在分数上以 9.2 领先。 Claude Opus 4.6 (medium) 在可靠性上以 10.0 领先。 GPT-5.3-Codex (medium) 的总成本最低，为 $0.920。 GPT-5.3-Codex (medium) 最快，为 16.96s。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-08-07

排名: #60
总输出令牌: 100,601
响应时间（平均）: 34.27s
总成本: $3.059

排名: #56
总输出令牌: 115,865
响应时间（平均）: 25.91s
总成本: $2.057

排名: #18
总输出令牌: 55,525
响应时间（平均）: 16.96s
总成本: $0.920

排名: #9
总输出令牌: 97,958
响应时间（平均）: 21.47s
总成本: $1.361

推荐模型 GPT-5.3-Codex (medium)

它的得分接近这里的最高分（8.9 vs 9.2），同时成本比本次比较中的其他模型低约 2.3 倍。

详细对比

指标	Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium 发布日期: 2026-02-19

指标	Claude Opus 4.6 Claude Opus 4.6 medium 发布日期: 2026-02-05	Claude Sonnet 4.6 Claude Sonnet 4.6 medium 发布日期: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05	Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium 发布日期: 2026-02-19
分数	7.7	7.8	8.9	9.2
排名	#60	#56	#18	#9
可靠性	10.0	10.0	10.0	10.0
一致性	8.8	9.2	8.6	10.0
基准测试覆盖率	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试
测试正确
尝试通过率	63.6%	66.7%	83.3%	90.9%
不稳定测试	3	2	4	0
总运行次数	66	66	66	66
每个结果成本	23.524	14.692	5.748	6.801
总成本	$3.059	$2.057	$0.920	$1.361
输入价格	$5.000 / 1M	$3.000 / 1M	$1.750 / 1M	$2.000 / 1M
输出价格	$25.000 / 1M	$15.000 / 1M	$14.000 / 1M	$12.000 / 1M
总输入令牌	108,615	106,292	81,268	92,287
输出令牌	72,286	80,748	6,251	5,232
推理令牌	28,315	35,117	49,274	92,726
响应时间（平均）	34.27s	25.91s	16.96s	21.47s
响应时间（最大）	151.51s	140.96s	100.93s	88.68s
响应时间（总计）	513.99s	362.78s	373.19s	322.08s

模型生成展示

Hamster playing table tennis

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

#60 Claude Opus 4.6

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#56 Claude Sonnet 4.6

medium

无效SVG

成本: $0.000
时间: 300.0s
令牌: 0 tok

#18 GPT-5.3-Codex

medium

成本: $0.049
时间: 54.9s
令牌: 3,580 tok

#9 Gemini 3.1 Pro Preview

medium

成本: $0.115
时间: 87.2s
令牌: 9,629 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	6.4	5.8	66.7%	2	7.45s	840	986	1,071
Claude Sonnet 4.6	6.5	10.0	50.0%	0	2.98s	789	1,046	1,093
GPT-5.3-Codex	8.7	7.9	91.7%	1	4.16s	606	240	1,722
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	7.90s	498	112	3,218

编程	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	5.7	7.1	44.4%	1	30.10s	8,522	13,057	4,121
Claude Sonnet 4.6	5.7	6.6	44.4%	1	33.29s	6,995	16,089	3,686
GPT-5.3-Codex	10.0	10.0	100.0%	0	19.50s	7,302	535	10,890
Gemini 3.1 Pro Preview	7.9	9.9	66.7%	0	40.17s	8,124	435	41,247

综合	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	114.08s	76,073	33,018	9,509
Claude Sonnet 4.6	10.0	10.0	100.0%	93.65s	75,531	31,916	9,109
GPT-5.3-Codex	10.0	10.0	100.0%	26.04s	57,988	4,258	5,816
Gemini 3.1 Pro Preview	9.8	10.0	100.0%	40.39s	67,910	3,687	23,111

数据解析与提取	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	7.37s	8,676	691	757
Claude Sonnet 4.6	10.0	10.0	100.0%	13.90s	8,676	649	742
GPT-5.3-Codex	10.0	10.0	100.0%	3.07s	7,140	234	728
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	7.72s	7,265	279	3,904

领域专项	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	3.0	10.0	0.0%	0	83.40s	674	14,642	8,687
Claude Sonnet 4.6	2.9	7.2	11.1%	1	0ms	471	25,790	16,919
GPT-5.3-Codex	5.9	7.2	55.6%	1	64.31s	813	64	25,308
Gemini 3.1 Pro Preview	7.7	10.0	66.7%	0	32.73s	635	18	12,424

通用智能	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	5.04s	564	188	292
Claude Sonnet 4.6	10.0	10.0	100.0%	4.94s	564	256	433
GPT-5.3-Codex	4.6	10.0	0.0%	4.87s	477	187	331
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	11.77s	490	108	1,179

指令遵循	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	2.43s	792	266	467
Claude Sonnet 4.6	10.0	10.0	100.0%	2.61s	792	318	552
GPT-5.3-Codex	10.0	10.0	100.0%	3.04s	660	93	693
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	9.56s	621	72	2,236

谜题求解	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	7.7	10.0	66.7%	0	4.71s	816	532	630
Claude Sonnet 4.6	10.0	10.0	100.0%	0	5.31s	816	592	646
GPT-5.3-Codex	9.0	7.9	88.9%	1	5.05s	642	356	1,593
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.90s	570	235	3,128

工具调用	分数	一致性	尝试通过率	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	10.0	10.0	100.0%	9.73s	11,454	861	329
Claude Sonnet 4.6	10.0	10.0	100.0%	7.48s	11,454	655	351
GPT-5.3-Codex	10.0	10.0	100.0%	6.37s	5,445	254	492
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	23.15s	6,018	274	982

常识问答	分数	一致性	尝试通过率	不稳定测试	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Opus 4.6	3.0	10.0	0.0%	0	63.24s	204	8,045	2,452
Claude Sonnet 4.6	3.0	10.0	0.0%	0	30.09s	204	3,437	1,586
GPT-5.3-Codex	2.8	1.6	33.3%	1	14.43s	195	30	1,701
Gemini 3.1 Pro Preview	10.0	10.0	100.0%	0	6.27s	156	12	1,297

快速对比

切换对比组合

GPT-5.3-CodexmediumvsGrok 4.5high Claude Opus 5highvsGemini 3.1 Pro Previewmedium Claude Opus 4.6mediumvsGPT-5.6 Lunahigh Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Claude Opus 4.6mediumvsDeepSeek V4 Flashhigh Claude Sonnet 4.6mediumvsQwen3.7 Flashhigh Claude Opus 4.6mediumvsDeepSeek V4 Prohigh Gemini 3.1 Pro PreviewmediumvsGPT-5.5low Claude Opus 4.6mediumvsQwen3.7 Flashhigh Gemini 3.1 Pro PreviewmediumvsGPT-5.6 Solhigh Claude Sonnet 4.6mediumvsGPT-5.6 Lunahigh Claude Sonnet 4.6mediumvsGPT-5.6 Terrahigh