- 排名
- #30
- 总输出令牌
- 121,546
- 响应时间（平均）
- 21.58s
- 总成本
- $3.397
Muse Wonder (medium) vs GPT-5.3-Codex (medium)
Muse Wonder (medium) 平均分领先，为 9.2 vs 9.1。 GPT-5.3-Codex (medium) benchmark 成本更低，为 $1.318 vs $3.397。 GPT-5.3-Codex (medium) 更快，为 18.87s vs 21.58s，通过率为 76.8% vs 84.1%。
已对比模型
- 排名
- #35
- 总输出令牌
- 66,287
- 响应时间（平均）
- 18.87s
- 总成本
- $1.318
推荐模型
GPT-5.3-Codex (medium)
它的得分接近这里的最高分（9.1 vs 9.2），同时成本比Muse Wonder (medium)低约 2.6 倍。
详细对比
| 指标 | Muse Wonder Muse Wonder medium | GPT-5.3-Codex GPT-5.3-Codex medium |
|---|---|---|
| 分数 | 9.2 | 9.1 |
| 排名 | #30 | #35 |
| 可靠性 | 9.1 | 10.0 |
| 一致性 | 9.6 | 8.6 |
| 尝试次数 | 69/69 | 69/69 |
| 测试正确 | ||
| 尝试通过率 | 76.8% | 84.1% |
| 不稳定测试 | 1 | 4 |
| 总运行次数 | 69 | 69 |
| 每个结果成本 | 19.982 | 7.753 |
| 总成本 | $3.397 | $1.318 |
| 输入价格 | $4.000 / 1M | $1.750 / 1M |
| 输出价格 | $20.000 / 1M | $14.000 / 1M |
| 缓存读取价格 | $0.200 / 1M | $0.175 / 1M |
| 缓存写入价格 | 不适用 | 不适用 |
| 总输入令牌 | 241,489 | 222,794 |
| 输出令牌 | 11,575 | 7,357 |
| 推理令牌 | 109,971 | 58,930 |
| 响应时间（平均） | 21.58s | 18.87s |
| 响应时间（最大） | 162.73s | 100.93s |
| 响应时间（总计） | 496.40s | 433.94s |
| 参数量 | ~1T 总计 (~50B 激活) | ~1.2T 总计 (~80B 激活) |
| 开放状态 | 闭源 | 闭源 |
缓存价格适用于输入令牌。读取会复用已缓存的提示词；写入会存储提示词，可能产生额外费用。输出令牌按输出价格计费。
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#30 Muse Wonder
medium- 成本
- $0.208
- 时间
- 64.8s
- 令牌
- 10,444 tok
#35 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
类别细分
| 智能体任务 | 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 46.05s | 148,242 | 2,406 | 2,850 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 61.91s | 141,607 | 1,099 | 4,814 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 8.3 | 10.0 | 75.0% | 0 | 4.84s | 594 | 378 | 3,874 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 26.87s | 7,401 | 1,181 | 26,424 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 28.23s | 66,033 | 4,934 | 17,166 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 6.12s | 7,053 | 433 | 3,670 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 5.3 | 10.0 | 33.3% | 0 | 70.72s | 555 | 960 | 42,167 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 63.93s | 732 | 71 | 30,150 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 7.32s | 519 | 147 | 1,123 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 6.6 | 10.0 | 50.0% | 0 | 3.88s | 523 | 124 | 1,783 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 7.7 | 10.0 | 66.7% | 0 | 9.63s | 564 | 481 | 4,834 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 10.0 | 10.0 | 100.0% | 0 | 9.26s | 9,780 | 369 | 2,803 | |
| 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 |
|---|---|---|---|---|---|---|---|---|---|
| Muse Wonder | 4.7 | 1.6 | 66.7% | 1 | 16.33s | 225 | 162 | 3,277 | |
| 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 Haiku 5.5xhighvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.8 Max (0902)highMuse Spark 1.3highvsGPT-5.3-CodexmediumMuse WonderlowvsGPT-5.3-CodexmediumClaude Sonnet 5.5maxvsMuse WondermediumGPT-5.3-CodexmediumvsParetodefaultSeed 2.1 TurbohighvsGPT-5.3-CodexmediumMuse WonderminimalvsGPT-5.3-CodexmediumClaude Sonnet 5.5maxvsGPT-5.3-CodexmediumSeed 2.1 TurbolowvsMuse WondermediumMuse WondermediumvsQwen3.8 Max (0902)highClaude Haiku 5.5xhighvsMuse Wondermedium