- 排名
- #228
- 总输出令牌
- 96,722
- 响应时间（平均）
- 32.23s
- 总成本
- $2.961
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: GPT-5.3-Codex (medium) 在分数上以 9.1 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 $1.318。 GPT-5.3-Codex (medium) 最快，为 18.87s。
已对比模型
- 排名
- #212
- 总输出令牌
- 120,427
- 响应时间（平均）
- 28.08s
- 总成本
- $2.126
- 排名
- #34
- 总输出令牌
- 66,287
- 响应时间（平均）
- 18.87s
- 总成本
- $1.318
- 排名
- #71
- 总输出令牌
- 102,691
- 响应时间（平均）
- 22.71s
- 总成本
- $1.585
推荐模型
GPT-5.3-Codex (medium)
它在这里得分最高（9.1），同时成本比本次比较中的其他模型低约 1.7 倍。
详细对比
| 指标 | Claude Opus 4.6 Claude Opus 4.6 medium | Claude Sonnet 4.6 Claude Sonnet 4.6 medium | GPT-5.3-Codex GPT-5.3-Codex medium | Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium |
|---|---|---|---|---|
| 分数 | 6.3 | 6.4 | 9.1 | 8.4 |
| 排名 | #228 | #212 | #34 | #71 |
| 可靠性 | 10.0 | 10.0 | 10.0 | 9.8 |
| 一致性 | 8.5 | 9.1 | 8.6 | 9.6 |
| 尝试次数 | 66/69 | 66/69 | 69/69 | 69/69 |
| 测试正确 | ||||
| 尝试通过率 | 60.9% | 62.3% | 84.1% | 89.9% |
| 不稳定测试 | 3 | 1 | 4 | 1 |
| 总运行次数 | 66 | 66 | 69 | 69 |
| 每个结果成本 | 22.777 | 15.182 | 7.753 | 7.924 |
| 总成本 | $2.961 | $2.126 | $1.318 | $1.585 |
| 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 |
| 缓存读取价格 | $0.500 / 1M | $0.300 / 1M | $0.175 / 1M | $0.200 / 1M |
| 缓存写入价格 | $6.250 / 1M | $3.750 / 1M | 不适用 | $0.375 / 1M |
| 总输入令牌 | 108,573 | 106,316 | 222,794 | 176,208 |
| 输出令牌 | 69,994 | 79,338 | 7,357 | 6,093 |
| 推理令牌 | 26,728 | 41,089 | 58,930 | 96,598 |
| 响应时间（平均） | 32.23s | 28.08s | 18.87s | 22.71s |
| 响应时间（最大） | 151.51s | 140.96s | 100.93s | 88.68s |
| 响应时间（总计） | 515.65s | 421.15s | 433.94s | 386.11s |
| 参数量 | ~5T 总计 (~500B 激活) | ~1T 总计 (~100B 激活) | ~1.2T 总计 (~80B 激活) | ~1.2T 总计 (~20B 激活) |
| 开放状态 | 闭源 | 闭源 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#228 Claude Opus 4.6
medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 tok
#212 Claude Sonnet 4.6
medium
Reached the allocated time limit (300 seconds) without receiving showcase output.
- 成本
- $0.000
- 时间
- 300.0s
- 令牌
- 0 tok
#34 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
#71 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
| 智能体任务 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| Claude Sonnet 4.6 | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 61.91s | 141,607 | 1,099 | 4,814 | |
| Gemini 3.1 Pro Preview | 4.7 | 1.6 | 66.7% | 1 | 56.17s | 83,912 | 861 | 4,592 |
| 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 | 测试正确 | 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 | 不稳定测试 | 测试正确 | 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% | 0 | 114.08s | 76,073 | 33,018 | 9,509 | |
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 93.65s | 75,531 | 31,916 | 9,109 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 26.04s | 57,988 | 4,258 | 5,816 | |
| Gemini 3.1 Pro Preview | 9.8 | 10.0 | 100.0% | 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 | 不稳定测试 | 测试正确 | 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% | 0 | 7.37s | 8,676 | 691 | 757 | |
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 13.90s | 8,676 | 649 | 742 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 7,140 | 234 | 728 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 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 | 测试正确 | 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 | 42.53s | 632 | 12,350 | 7,100 | |
| Claude Sonnet 4.6 | 3.0 | 10.0 | 0.0% | 0 | 58.37s | 495 | 24,380 | 22,891 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 63.93s | 732 | 71 | 30,150 | |
| Gemini 3.1 Pro Preview | 7.7 | 10.0 | 66.7% | 0 | 20.29s | 644 | 18 | 11,704 |
| 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 5.04s | 564 | 188 | 292 | |
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 4.94s | 564 | 256 | 433 | |
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 477 | 187 | 331 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 11.77s | 490 | 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） | 输入令牌 | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 792 | 266 | 467 | |
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 2.61s | 792 | 318 | 552 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 660 | 93 | 693 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 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 | 测试正确 | 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 | 不稳定测试 | 测试正确 | 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% | 0 | 9.73s | 11,454 | 861 | 329 | |
| Claude Sonnet 4.6 | 10.0 | 10.0 | 100.0% | 0 | 7.48s | 11,454 | 655 | 351 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 5,445 | 254 | 492 | |
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 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 | 测试正确 | 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-CodexmediumvsQwen3.8 Max (0902)highMuse Spark 1.3highvsGPT-5.3-CodexmediumGemini 3.1 Pro PreviewmediumvsInklinghigh免费可用Gemini 3.1 Pro PreviewmediumvsMuse Glimmer 30BxhighGemini 3.1 Pro PreviewmediumvsMuse Spark 1.1highGemini 3.1 Pro PreviewmediumvsQwen3.8 2.4T A95BlowGPT-5.3-CodexmediumvsParetodefaultSeed 2.1 TurbohighvsGPT-5.3-CodexmediumDeepSeek V4 Flash 0731highvsGemini 3.1 Pro PreviewmediumClaude Sonnet 5.5maxvsGPT-5.3-CodexmediumGemini 3.1 Pro PreviewmediumvsGLM 5.2highGemini 3.1 Pro PreviewmediumvsGPT-5.6 Terrahigh