#10 Gemini 3.1 Pro Preview
medium- 成本
- $0.115
- 时间
- 87.2s
- 令牌
- 9,629 tok
Google: Gemini 3.1 Pro Preview vs OpenAI: GPT-5.3-Codex
Gemini 3.1 Pro Preview (medium) 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 $1.361。 GPT-5.3-Codex (medium) 更快，为 16.96s vs 21.47s，通过率为 90.9% vs 83.3%。
推荐模型GPT-5.3-Codex (medium)它提供了最佳整体取舍：得分有竞争力（8.9），成本低于Gemini 3.1 Pro Preview (medium)，响应时间也较均衡。
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-25
| 指标 | Gemini 3.1 Pro Preview Gemini 3.1 Pro Preview medium | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 9.2 | 8.9 |
| 排名 | #10 | #18 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 10.0 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 90.9% | 83.3% |
| 不稳定测试 | 0 | 4 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 6.801 | 5.748 |
| 总成本 | $1.361 | $0.920 |
| 输入价格 | $2.000 / 1M | $1.750 / 1M |
| 输出价格 | $12.000 / 1M | $14.000 / 1M |
| 总输入令牌 | 92,287 | 81,268 |
| 输出令牌 | 5,232 | 6,251 |
| 推理令牌 | 92,726 | 49,274 |
| 响应时间（平均） | 21.47s | 16.96s |
| 响应时间（最大） | 88.68s | 100.93s |
| 响应时间（总计） | 322.08s | 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.90s | 498 | 112 | 3,218 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 7.9 | 9.9 | 66.7% | 0 | 40.17s | 8,124 | 435 | 41,247 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 9.8 | 10.0 | 100.0% | 0 | 40.39s | 67,910 | 3,687 | 23,111 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 7.72s | 7,265 | 279 | 3,904 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 7.7 | 10.0 | 66.7% | 0 | 32.73s | 635 | 18 | 12,424 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 11.77s | 490 | 108 | 1,179 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 9.56s | 621 | 72 | 2,236 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 6.90s | 570 | 235 | 3,128 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 23.15s | 6,018 | 274 | 982 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 10.0 | 10.0 | 100.0% | 0 | 6.27s | 156 | 12 | 1,297 | |
| 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-CodexmediumGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.6 SolhighGemini 3.1 Pro PreviewmediumvsGPT-5.6 SollowClaude Opus 5highvsGPT-5.3-CodexmediumGemini 3.1 Pro PreviewmediumvsGrok 4.5highClaude Opus 5lowvsGPT-5.3-CodexmediumGemini 3.6 FlashlowvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsGrok 4.5lowGemini 3.5 FlashhighvsGPT-5.3-Codexmedium