导航
AI BENCHY
Advertise here

AI BENCHY 对比

Anthropic: Claude Opus 4.8 vs OpenAI: GPT-5.3-Codex

摘要

Claude Opus 4.8 (medium) vs GPT-5.3-Codex (medium) benchmark 对比：GPT-5.3-Codex (medium) 平均分领先，为 8.9 vs 8.8。 GPT-5.3-Codex (medium) benchmark 成本更低，为 $0.740 vs $1.107。 Claude Opus 4.8 (medium) 更快，为 9.72s vs 16.22s，通过率为 84.1% vs 82.5%。

推荐模型: GPT-5.3-Codex (medium) - 它在本次比较中得分最高（8.9），并且在全部 2 个模型中兼顾成本和响应时间最好。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-10

指标 Claude Opus 4.8 Claude Opus 4.8 medium 发布日期: 2026-05-28 GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05
分数 8.8 8.9
排名 #15 #13
可靠性 10.0 10.0
一致性 9.6 8.5
测试正确
尝试通过率 84.1% 82.5%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 6.512 4.932
总成本 $1.107 $0.740
输入价格 $5.000 / 1M $1.750 / 1M
输出价格 $25.000 / 1M $14.000 / 1M
总输入令牌 61,007 34,299
输出令牌 26,495 2,357
推理令牌 5,901 46,189
响应时间（平均） 9.72s 16.22s
响应时间（最大） 38.03s 100.93s
响应时间（总计） 204.19s 340.67s

生成展示

Hamster playing table tennis

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

#15 Claude Opus 4.8

medium
成本
$0.057
时间
23.1s
令牌
2,412 tok

#13 GPT-5.3-Codex

medium
成本
$0.049
时间
54.9s
令牌
3,580 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

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 4.8 10.0 10.0 100.0% 0 3.95s 834 1,179 478
GPT-5.3-Codex 8.7 7.9 91.7% 1 4.16s 606 240 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 15.33s 10,590 9,945 1,381
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
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 4.8 9.8 10.0 100.0% 0 38.03s 23,561 5,260 1,588
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 7.1 5.6 83.3% 1 12.29s 10,503 481 312
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 5.3 10.0 33.3% 0 14.59s 975 7,477 900
GPT-5.3-Codex 5.9 7.2 55.6% 1 64.31s 813 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 2.46s 708 237 0
GPT-5.3-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 3.32s 909 373 320
GPT-5.3-Codex 10.0 10.0 100.0% 0 3.04s 660 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） 输入令牌 输出令牌 推理令牌
Claude Opus 4.8 10.0 10.0 100.0% 0 3.95s 894 791 483
GPT-5.3-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
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 4.8 10.0 10.0 100.0% 0 8.96s 11,775 301 225
GPT-5.3-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
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 4.8 3.0 10.0 0.0% 0 6.14s 258 451 214
GPT-5.3-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701

快速对比

切换对比组合

Gemini 3.5 FlashlowvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGPT-5.2 ChatnoneClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.8mediumvsGPT-5.5lowClaude Opus 4.8mediumvsGPT-5.6 SolhighClaude Opus 4.8mediumvsDeepSeek V4 FlashhighClaude Opus 4.8mediumvsGPT-5.6 TerrahighDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumClaude Opus 4.8mediumvsGPT-5.6 SollowClaude Opus 4.8mediumvsGLM 5.2highGPT-5.3-CodexmediumvsGLM 5.2highGemini 3.5 FlashhighvsGPT-5.3-Codexmedium