AI BENCHY 对比
Anthropic: Claude Opus 4.7 vs OpenAI: GPT-5.3-Codex
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-16
| 指标 | Claude Opus 4.7 Claude Opus 4.7 medium | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 9.2 | 8.6 |
| 排名 | #3 | #7 |
| 一致性 | 10.0 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 88.9% | 83.3% |
| 不稳定测试 | 0 | 3 |
| 总运行次数 | 54 | 54 |
| 每个结果成本 | 2.790 | 4.405 |
| 总成本 | $0.447 | $0.573 |
| ???? | $5.000 / 1M | $1.750 / 1M |
| ???? | $25.000 / 1M | $14.000 / 1M |
| 输出令牌 | 5,375 | 2,279 |
| 推理令牌 | 1,341 | 35,179 |
| 响应时间（平均） | 3.53s | 15.38s |
| 响应时间（最大） | 21.45s | 100.93s |
| 响应时间（总计） | 60.03s | 276.91s |
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 4.7 | 8.3 | 10.0 | 75.0% | 0 | 1.85s | 348 | 0 | |
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 6.41s | 1,141 | 257 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 8.95s | 491 | 1,530 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 21.45s | 2,369 | 1,084 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.37s | 324 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 |
| 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 4.7 | 7.7 | 10.0 | 66.7% | 0 | 1.17s | 51 | 0 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.87s | 256 | 0 | |
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 1.57s | 114 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 2.51s | 399 | 0 | |
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 |
| 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 4.7 | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 373 | 0 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumClaude Opus 4.7mediumvsGemini 3 Flash PreviewlowGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumClaude Opus 4.7nonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-CodexmediumClaude Opus 4.7mediumvsGemini 3 Flash PreviewnoneClaude Opus 4.7mediumvsGemini 3.1 Flash Lite PreviewlowClaude Sonnet 4.6nonevsGPT-5.3-CodexmediumClaude Opus 4.7mediumvsGPT-5.2 ChatnoneClaude Opus 4.7mediumvsGemini 3.1 Flash Lite PreviewnoneClaude Opus 4.7mediumvsGPT-5.3 Chatnone