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 none 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 #14 #7
分数 6.36 7.93
一致性 9.50 8.84
每个结果成本 1.325 4.641
总成本 $0.106 $0.465
测试正确
错误测试数 6 4
尝试通过率 59.5% 78.6%
不稳定测试 1 2
输出令牌 2,637 1,201
推理令牌 0 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 4.00 10.00 33.3% 0 1,199 0
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% 0 252 0
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 7.00 10.00 66.7% 0 54 0
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 5.50 10.00 50.0% 0 90 0
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 5.00 7.68 44.4% 1 595 0
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% 0 447 0
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