导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

已对比模型

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-01

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 7.6 8.0 8.6 9.6
排名 #50 #37 #13 #2
可靠性 不适用 不适用 不适用 不适用
一致性 9.1 9.5 8.7 10.0
测试正确
尝试通过率 70.4% 74.1% 83.3% 94.4%
不稳定测试 2 1 3 0
总运行次数 54 54 54 54
每个结果成本 12.047 8.930 4.405 3.400
总成本 $1.446 $1.161 $0.573 $0.578
???? $5.000 / 1M $3.000 / 1M $1.750 / 1M $2.000 / 1M
???? $25.000 / 1M $15.000 / 1M $14.000 / 1M $12.000 / 1M
输出令牌 29,829 42,068 2,279 1,932
推理令牌 18,938 26,784 35,179 40,542
响应时间（平均） 21.08s 12.66s 15.38s 15.96s
响应时间（最大） 83.40s 46.35s 100.93s 40.61s
响应时间（总计） 231.84s 126.62s 276.91s 175.52s

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

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 6.4 5.8 66.7% 2 7.45s 986 1,071
Claude Sonnet 4.6 6.5 10.0 50.0% 0 2.98s 1,046 1,093
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 240 1,722
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.90s 112 3,218
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 23.11s 3,486 1,504
Claude Sonnet 4.6 10.0 10.0 100.0% 0 35.76s 6,894 2,097
GPT-5.3-Codex 10.0 10.0 100.0% 0 8.95s 491 1,530
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 19.88s 405 4,201
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 76.66s 8,178 5,194
Claude Sonnet 4.6 10.0 10.0 100.0% 0 46.35s 5,871 3,962
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 364 2,731
Gemini 3.1 Pro Preview 9.5 10.0 100.0% 0 40.61s 432 9,281
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 7.37s 691 757
Claude Sonnet 4.6 10.0 10.0 100.0% 0 13.90s 649 742
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 234 728
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.72s 279 3,904
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 3.0 10.0 0.0% 0 83.40s 14,642 8,687
Claude Sonnet 4.6 2.9 7.2 11.1% 1 0ms 25,790 16,919
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 64 25,308
Gemini 3.1 Pro Preview 7.7 10.0 66.7% 0 32.73s 18 12,424
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 5.04s 188 292
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.94s 256 433
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 187 331
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 11.77s 108 1,179
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 2.43s 266 467
Claude Sonnet 4.6 10.0 10.0 100.0% 0 2.61s 318 552
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 93 693
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 9.56s 72 2,236
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 7.7 10.0 66.7% 0 4.60s 531 637
Claude Sonnet 4.6 10.0 10.0 100.0% 0 4.80s 589 635
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.12s 352 1,644
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 7.15s 232 3,117
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输出令牌 推理令牌
Claude Opus 4.6 10.0 10.0 100.0% 0 9.73s 861 329
Claude Sonnet 4.6 10.0 10.0 100.0% 0 7.48s 655 351
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 254 492
Gemini 3.1 Pro Preview 10.0 10.0 100.0% 0 23.15s 274 982

快速对比

切换对比组合

GPT-5.3-CodexmediumvsHY3 Previewhigh免费可用Claude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.6mediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6mediumvsHY3 Previewlow免费可用Claude Sonnet 4.6mediumvsGPT-5.2 ChatnoneClaude Sonnet 4.6mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsDeepSeek V4 FlashhighClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewlowvsGPT-5.3-Codexmedium