导航
AI BENCHY
比较 图表
❤️ Made by XCS
Your ad here

AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs OpenAI: GPT-5.3-Codex

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标 Anthropic: Claude Sonnet 4.6 medium 发布日期: 发布日期未知 OpenAI: GPT-5.3-Codex medium 发布日期: 发布日期未知
排名 #8 #7
分数 7.43 7.93
一致性 9.40 8.84
每个结果成本 8.105 4.641
总成本 $0.811 $0.465
测试正确
错误测试数 4 4
尝试通过率 73.8% 78.6%
不稳定测试 1 2
输出令牌 29,098 1,201
推理令牌 20,435 30,056

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 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 7.00 10.00 66.7% 0 1,031 1,093
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 216 1,421
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 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 727 907
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 234 735
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 1.00 7.21 11.1% 1 25,790 16,919
OpenAI: GPT-5.3-Codex 4.00 7.21 55.6% 1 64 25,308
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 316 523
OpenAI: GPT-5.3-Codex 9.00 10.00 50.0% 0 93 693
Puzzle Solving 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 579 642
OpenAI: GPT-5.3-Codex 7.00 7.38 77.8% 1 340 1,407
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
Anthropic: Claude Sonnet 4.6 10.00 10.00 100.0% 0 655 351
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 254 492

切换对比组合

将 Anthropic: Claude Sonnet 4.6 与...对比

将 OpenAI: GPT-5.3-Codex 与...对比