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 (medium) vs GPT-5.3-Codex (medium) benchmark 对比：Gemini 3.5 Flash (medium) 平均分领先，为 9.1 vs 8.9。 Gemini 3.5 Flash (medium) benchmark 成本更低，为 $0.582 vs $0.740。 Gemini 3.5 Flash (medium) 更快，为 4.94s vs 16.22s，通过率为 87.3% vs 82.5%。

推荐模型: Gemini 3.5 Flash (medium) - 它在这里得分最高（9.1），同时响应速度比GPT-5.3-Codex (medium)快约 3.3 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 Gemini 3.5 Flash Gemini 3.5 Flash medium 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 9.1 8.9
排名 #11 #13
可靠性 10.0 10.0
一致性 9.6 8.5
测试正确
尝试通过率 87.3% 82.5%
不稳定测试 1 4
总运行次数 63 63
每个结果成本 3.229 4.932
总成本 $0.582 $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 36,936 34,299
输出令牌 2,001 2,357
推理令牌 56,408 46,189
响应时间（平均） 4.94s 16.22s
响应时间（最大） 18.07s 100.93s
响应时间（总计） 103.79s 340.67s

生成展示

Hamster playing table tennis

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

#11 Gemini 3.5 Flash

medium
成本
$0.201
时间
112.9s
令牌
22,371 tok

#13 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 2.09s 492 171 3,385
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 7.9 7.5 77.8% 1 12.63s 8,118 461 24,939
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 12.05s 12,873 351 7,807
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 4.07s 7,548 279 3,784
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 5.24s 633 12 8,047
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 2.52s 486 115 1,144
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 2.70s 615 71 2,855
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 7.7 10.0 66.7% 0 2.38s 558 295 2,747
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 3.81s 5,457 234 455
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 2.75s 156 12 1,245
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

Gemini 3.5 FlashmediumvsGPT-5.5lowGemini 3.5 FlashmediumvsGPT-5.6 SolhighGemini 3.5 FlashlowvsGPT-5.3-CodexmediumGemini 3.5 FlashmediumvsGPT-5.6 SollowGemini 3.5 FlashmediumvsGPT-5.2 ChatnoneDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumDeepSeek V4 FlashhighvsGemini 3.5 FlashmediumGemini 3.5 FlashhighvsGPT-5.3-CodexmediumGemini 3.5 FlashmediumvsGPT-5.6 TerrahighGPT-5.3-CodexmediumvsGrok 4.5lowClaude Opus 4.8lowvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsStep 3.7 Flashlow