#11 Claude Opus 5
high- 成本
- $0.265
- 时间
- 144.5s
- 令牌
- 10,741 tok
Claude Opus 5 vs OpenAI: GPT-5.3-Codex
Claude Opus 5 (high) 平均分领先，为 9.2 vs 8.9。 GPT-5.3-Codex (medium) benchmark 成本更低，为 $0.920 vs $2.835。 GPT-5.3-Codex (medium) 更快，为 16.96s vs 20.44s，通过率为 84.9% vs 83.3%。
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Claude Opus 5 (high)低约 3.1 倍。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25
| 指标 | Claude Opus 5 Claude Opus 5 high | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 9.2 | 8.9 |
| 排名 | #11 | #18 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 9.6 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 84.9% | 83.3% |
| 不稳定测试 | 1 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 15.747 | 5.748 |
| 总成本 | $2.835 | $0.920 |
| 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 | 135,959 | 81,268 |
| 输出令牌 | 67,066 | 6,251 |
| 推理令牌 | 19,114 | 49,274 |
| 响应时间（平均） | 20.44s | 16.96s |
| 响应时间（最大） | 159.01s | 100.93s |
| 响应时间（总计） | 449.68s | 373.19s |
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#18 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 5 | 10.0 | 10.0 | 100.0% | 0 | 5.91s | 834 | 2,063 | 617 | |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 12.73s | 10,590 | 7,547 | 1,721 | |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 31.11s | 98,549 | 10,546 | 2,198 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 26.04s | 57,988 | 4,258 | 5,816 |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 4.22s | 10,503 | 488 | 160 | |
| 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 5 | 3.6 | 7.2 | 22.2% | 1 | 89.10s | 975 | 43,065 | 13,078 | |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 3.79s | 708 | 268 | 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 5 | 10.0 | 10.0 | 100.0% | 0 | 4.78s | 909 | 119 | 361 | |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 4.66s | 894 | 908 | 524 | |
| 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 5 | 10.0 | 10.0 | 100.0% | 0 | 8.44s | 11,739 | 354 | 0 | |
| 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 5 | 3.0 | 10.0 | 0.0% | 0 | 14.14s | 258 | 1,708 | 455 | |
| 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
GPT-5.3-CodexmediumvsGrok 4.5highClaude Opus 5highvsGemini 3.1 Pro PreviewmediumGemini 3.5 FlashlowvsGPT-5.3-CodexmediumClaude Opus 5highvsGPT-5.5lowClaude Opus 5highvsQwen3.7 MaxmediumClaude Opus 5highvsGemini 3.5 FlashmediumClaude Opus 5highvsGPT-5.6 SolmediumClaude Opus 5highvsGemini 3.6 FlashlowClaude Opus 5highvsGPT-5.5mediumClaude Opus 5highvsGPT-5.6 SollowClaude Opus 5highvsGemini 3.5 FlashlowClaude Opus 5lowvsGPT-5.3-Codexmedium