AI BENCHY 对比
ByteDance Seed: Seed-2.0-Lite vs OpenAI: GPT-5.3-Codex
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-03-12
| 指标 | Seed-2.0-Lite Seed-2.0-Lite medium | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 排名 | #3 | #4 |
| 平均分 | 8.5 | 8.4 |
| 一致性 | 8.7 | 9.1 |
| 每个结果成本 | 0.870 | 4.485 |
| 总成本 | $0.105 | $0.539 |
| 测试正确 | ||
| 尝试通过率 | 87.5% | 83.3% |
| 不稳定测试 | 3 | 2 |
| 总运行次数 | 48 | 48 |
| 输出令牌 | 2,815 | 1,764 |
| 推理令牌 | 44,618 | 33,348 |
| 响应时间（平均） | 29.39s | 16.59s |
| 响应时间（最大） | 168.71s | 100.93s |
| 响应时间（总计） | 470.29s | 265.39s |
分数 vs 总成本
响应时间（平均）
平均分 vs 响应时间（平均）
总输出令牌
平均分 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 23.34s | 990 | 7,037 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 4.69s | 216 | 1,421 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 37.67s | 506 | 4,299 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 9.9 | 10.0 | 100.0% | 0 | 9.07s | 246 | 1,742 | |
| GPT-5.3-Codex | 9.9 | 10.0 | 100.0% | 0 | 3.07s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 4.0 | 7.2 | 55.6% | 1 | 88.74s | 15 | 23,897 | |
| GPT-5.3-Codex | 4.0 | 7.2 | 55.6% | 1 | 64.31s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 7.0 | 3.6 | 66.7% | 1 | 18.25s | 304 | 1,620 | |
| GPT-5.3-Codex | 4.0 | 10.0 | 0.0% | 0 | 4.87s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 7.26s | 71 | 1,480 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 |
| Puzzle Solving | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 9.3 | 7.9 | 88.9% | 1 | 11.03s | 461 | 3,532 | |
| GPT-5.3-Codex | 9.3 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| Seed-2.0-Lite | 10.0 | 10.0 | 100.0% | 0 | 12.38s | 222 | 1,011 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumSeed-2.0-LitemediumvsGemini 3 Flash PreviewlowSeed-2.0-LitemediumvsGPT-5.2 ChatnoneGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumSeed-2.0-LitemediumvsGemini 3.1 Flash Lite PreviewlowSeed-2.0-LitemediumvsGPT-5.3 ChatnoneGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumSeed-2.0-LitemediumvsGemini 3 Flash PreviewnoneGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-CodexmediumSeed-2.0-LitemediumvsGemini 3.1 Flash Lite PreviewnoneClaude Sonnet 4.6nonevsGPT-5.3-CodexmediumClaude Sonnet 4.6nonevsSeed-2.0-Litemedium