Google: Gemini 3.6 Flash vs OpenAI: GPT-5.3-Codex

Gemini 3.6 Flash (high) 平均分领先，为 9.7 vs 8.9。 GPT-5.3-Codex (medium) benchmark 成本更低，为 $0.920 vs $1.785。 Gemini 3.6 Flash (high) 更快，为 14.88s vs 16.96s，通过率为 98.5% vs 83.3%。

推荐模型Gemini 3.6 Flash (high)它在本次比较中得分最高（9.7），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：: 2026-07-21

指标	Gemini 3.6 Flash Gemini 3.6 Flash high 发布日期: 2026-07-21	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05

指标	Gemini 3.6 Flash Gemini 3.6 Flash high 发布日期: 2026-07-21	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05
分数	9.7	8.9
排名	#2	#16
可靠性	10.0	10.0
一致性	9.6	8.6
测试正确
尝试通过率	98.5%	83.3%
不稳定测试	1	4
总运行次数	66	66
每个结果成本	8.497	5.748
总成本	$1.785	$0.920
输入价格	$1.500 / 1M	$1.750 / 1M
输出价格	$7.500 / 1M	$14.000 / 1M
总输入令牌	87,819	81,268
输出令牌	5,750	6,251
推理令牌	214,596	49,274
响应时间（平均）	14.88s	16.96s
响应时间（最大）	88.00s	100.93s
响应时间（总计）	327.37s	373.19s

Hamster playing table tennis

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

#2 Gemini 3.6 Flash

high

成本: $0.069
时间: 44.0s
令牌: 9,251 tok

#16 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
Gemini 3.6 Flash	10.0	10.0	100.0%	0		2.55s	516	165	4,817
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 3.6 Flash	10.0	10.0	100.0%	0		26.73s	8,136	448	60,606
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 3.6 Flash	10.0	10.0	100.0%	0		56.32s	63,258	4,197	80,634
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 3.6 Flash	10.0	10.0	100.0%	0		5.20s	7,269	279	6,641
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 3.6 Flash	10.0	10.0	100.0%	0		25.97s	651	12	43,940
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 3.6 Flash	10.0	10.0	100.0%	0		3.35s	492	118	1,610
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 3.6 Flash	9.9	10.0	100.0%	0		3.94s	627	71	4,203
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 3.6 Flash	10.0	10.0	100.0%	0		3.04s	576	224	4,194
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 3.6 Flash	10.0	10.0	100.0%	0		9.76s	6,132	225	4,509
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 3.6 Flash	4.7	1.6	66.7%	1		5.96s	162	11	3,442
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 4.5high Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Gemini 3.6 FlashhighvsGPT-5.6 Sollow Gemini 3.6 FlashhighvsGPT-5.6 Solmedium Gemini 3.6 FlashhighvsGPT-5.5low Gemini 3.6 FlashlowvsGPT-5.3-Codexmedium GPT-5.3-CodexmediumvsGrok 4.5low Gemini 3.6 FlashhighvsQwen3.7 Maxmedium Gemini 3.5 FlashhighvsGPT-5.3-Codexmedium Muse Spark 1.1lowvsGPT-5.3-Codexmedium Gemini 3.6 FlashhighvsGPT-5.5medium Claude Opus 4.8mediumvsGemini 3.6 Flashhigh