导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

Google: Gemini 3.5 Flash vs OpenAI: GPT-5.3-Codex

摘要

Gemini 3.5 Flash vs GPT-5.3-Codex benchmark 对比：Gemini 3.5 Flash 平均分领先，为 9.2 vs 8.9。 Gemini 3.5 Flash benchmark 成本更低，为 $0.349 vs $0.740。 Gemini 3.5 Flash 更快，为 3.27s vs 16.22s，通过率为 90.5% vs 82.5%。

推荐模型: Gemini 3.5 Flash - 它在这里得分最高（9.2），同时成本比GPT-5.3-Codex低约 2.1 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-02

指标 Gemini 3.5 Flash Gemini 3.5 Flash low 发布日期: 2026-05-19 GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05
分数 9.2 8.9
排名 #5 #10
可靠性 10.0 10.0
一致性 10.0 8.5
测试正确
尝试通过率 90.5% 82.5%
不稳定测试 0 4
总运行次数 63 63
每个结果成本 1.834 4.932
总成本 $0.349 $0.740
输入价格 $1.500 / 1M $1.750 / 1M
输出价格 $9.000 / 1M $14.000 / 1M
总输入令牌 36,938 34,299
输出令牌 2,033 2,357
推理令牌 30,519 46,189
响应时间（平均） 3.27s 16.22s
响应时间（最大） 9.05s 100.93s
响应时间（总计） 68.65s 340.67s

生成展示

Hamster playing table tennis

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

#5 Gemini 3.5 Flash

low
成本
$0.068
时间
39.1s
令牌
7,588 tok

#10 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 3.5 Flash 10.0 10.0 100.0% 0 2.52s 494 209 2,536
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 3.5 Flash 7.8 10.0 66.7% 0 6.71s 8,118 458 13,420
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 3.5 Flash 10.0 10.0 100.0% 0 6.44s 12,873 351 3,050
GPT-5.3-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 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） 输入令牌 输出令牌 推理令牌
Gemini 3.5 Flash 10.0 10.0 100.0% 0 1.81s 7,548 279 1,164
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 3.5 Flash 7.7 10.0 66.7% 0 3.39s 633 12 4,538
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 3.5 Flash 10.0 10.0 100.0% 0 2.27s 486 119 916
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 3.5 Flash 9.9 10.0 100.0% 0 1.86s 615 71 1,652
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 3.5 Flash 10.0 10.0 100.0% 0 2.35s 558 288 2,150
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 3.5 Flash 10.0 10.0 100.0% 0 3.27s 5,457 234 403
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 3.5 Flash 10.0 10.0 100.0% 0 1.88s 156 12 690
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

Claude Fable 5mediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsQwen3.7 MaxmediumGemini 3.5 FlashlowvsGPT-5.5mediumGemini 3.5 FlashlowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGemini 3.5 FlashlowClaude Opus 4.7mediumvsGemini 3.5 FlashlowGemini 3.5 FlashlowvsGLM 5.2mediumDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumGemini 3.5 FlashlowvsGLM 5mediumGemini 3.5 FlashlowvsGPT-5 MinimediumGemini 3.5 FlashlowvsGPT-5.4mediumSeed-2.0-LitemediumvsGemini 3.5 Flashlow