AI BENCHY 对比

MiniMax: MiniMax M3 vs OpenAI: GPT-5.3 Chat

摘要

MiniMax M3 (medium) 平均分领先，为 7.6 vs 7.5。 MiniMax M3 (medium) benchmark 成本更低，为 $0.131 vs $0.433。 GPT-5.3 Chat 更快，为 6.34s vs 68.17s，通过率为 65.1% vs 66.7%。

推荐模型GPT-5.3 Chat它的得分接近这里的最高分（7.5 vs 7.6），同时响应速度比MiniMax M3 (medium)快约 10.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	MiniMax M3 MiniMax M3 medium 发布日期: 2026-06-01	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03

指标	MiniMax M3 MiniMax M3 medium 发布日期: 2026-06-01	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03
分数	7.6	7.5
排名	#54	#61
可靠性	9.6	10.0
一致性	7.9	8.1
测试正确
尝试通过率	65.1%	66.7%
不稳定测试	5	5
总运行次数	63	63
每个结果成本	1.187	3.605
总成本	$0.131	$0.433
输入价格	$0.300 / 1M	$1.750 / 1M
输出价格	$1.200 / 1M	$14.000 / 1M
总输入令牌	46,546	34,209
输出令牌	49,036	26,617
推理令牌	92,543	0
响应时间（平均）	68.17s	6.34s
响应时间（最大）	431.03s	18.33s
响应时间（总计）	1363.38s	133.13s

生成展示

Hamster playing table tennis

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

#54 MiniMax M3

medium

成本: $0.012
时间: 154.4s
令牌: 10,018 tok

#61 GPT-5.3 Chat

none

成本: $0.008
时间: 8.1s
令牌: 634 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
MiniMax M3	5.5	3.7	66.7%	3		14.95s	2,526	874	3,414
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	3,167	0

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
MiniMax M3	6.1	6.5	55.6%	1		144.74s	5,804	6,223	32,667
GPT-5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	6,632	0

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
MiniMax M3	10.0	10.0	100.0%	0		65.30s	14,760	1,306	6,253
GPT-5.3 Chat	10.0	10.0	100.0%	0		11.96s	11,019	2,614	0

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
MiniMax M3	10.0	10.0	100.0%	0		14.92s	8,088	514	3,164
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	942	0

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
MiniMax M3	5.5	9.3	33.3%	0		233.13s	869	16,254	19,070
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	723	8,264	0

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
MiniMax M3	5.1	3.4	33.3%	1		33.25s	954	2,487	2,523
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	319	0

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
MiniMax M3	9.8	10.0	100.0%	0		6.14s	1,623	103	920
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	1,491	0

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
MiniMax M3	7.9	9.9	66.7%	0		49.91s	2,079	11,946	13,761
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	1,758	0

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
MiniMax M3	10.0	10.0	100.0%	0		11.91s	9,168	281	555
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	861	0

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
MiniMax M3	3.0	10.0	0.0%	0		100.80s	675	9,048	10,216
GPT-5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	569	0

快速对比

切换对比组合

DeepSeek V4 ProhighvsMiniMax M3medium KAT-Coder-Pro V2.5mediumvsGPT-5.3 Chatnone Mercury 2mediumvsGPT-5.3 Chatnone Kimi K2.5mediumvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsQwen3.6 Flashmedium DeepSeek V3.2mediumvsGPT-5.3 Chatnone KAT-Coder-Pro V2.5highvsMiniMax M3medium GPT-5.3 ChatnonevsGrok Build 0.1medium MiniMax M3mediumvsGPT-5.6 Lunahigh MiniMax M3mediumvsStep 3.7 Flashlow DeepSeek V4 ProhighvsGPT-5.3 Chatnone Seed-2.0-MinimediumvsGPT-5.3 Chatnone