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

GPT-5.3-Codex (medium) 平均分领先，为 8.9 vs 7.3。 Claude Sonnet 4.6 benchmark 成本更低，为 $0.661 vs $0.920。 Claude Sonnet 4.6 更快，为 8.12s vs 16.96s，通过率为 57.6% vs 83.3%。

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：: 2026-07-25

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05
分数	7.3	8.9
排名	#71	#18
可靠性	10.0	10.0
一致性	9.7	8.6
测试正确
尝试通过率	57.6%	83.3%
不稳定测试	1	4
总运行次数	66	66
每个结果成本	5.502	5.748
总成本	$0.661	$0.920
输入价格	$3.000 / 1M	$1.750 / 1M
输出价格	$15.000 / 1M	$14.000 / 1M
总输入令牌	123,264	81,268
输出令牌	19,362	6,251
推理令牌	0	49,274
响应时间（平均）	8.12s	16.96s
响应时间（最大）	51.18s	100.93s
响应时间（总计）	121.78s	373.19s

Hamster playing table tennis

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

#71 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#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

类别:

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 Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
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 Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
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 Sonnet 4.6	9.8	10.0	100.0%	0		37.51s	91,402	13,663	0
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 Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
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 Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
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 Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	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 Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
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 Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
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 Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	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 Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
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