AI BENCHY 对比
OpenAI: GPT-5.2 vs OpenAI: GPT-5.3 Chat
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-04
| 指标 | GPT-5.2 GPT-5.2 medium | GPT-5.3 Chat GPT-5.3 Chat none |
|---|---|---|
| 分数 | 7.3 | 7.6 |
| 排名 | #37 | #33 |
| 一致性 | 8.0 | 8.6 |
| 测试正确 | ||
| 尝试通过率 | 70.6% | 66.7% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 51 | 51 |
| 每个结果成本 | 3.131 | 3.177 |
| 总成本 | $0.314 | $0.318 |
| ???? | $1.750 / 1M | $1.750 / 1M |
| ???? | $14.000 / 1M | $14.000 / 1M |
| 输出令牌 | 2,238 | 19,348 |
| 推理令牌 | 16,811 | 0 |
| 响应时间（平均） | 13.93s | 5.68s |
| 响应时间（最大） | 77.80s | 18.33s |
| 响应时间（总计） | 139.29s | 96.58s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 567 | 2,002 | |
| GPT-5.3 Chat | 6.7 | 8.1 | 58.3% | 1 | 3.86s | 3,167 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 14.06s | 291 | 1,757 | |
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 11.96s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 234 | 420 | |
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.21s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 77.80s | 42 | 10,342 | |
| GPT-5.3 Chat | 3.5 | 4.4 | 33.3% | 2 | 13.01s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 162 | 269 | |
| GPT-5.3 Chat | 4.6 | 10.0 | 0.0% | 0 | 1.99s | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 94 | 614 | |
| GPT-5.3 Chat | 8.3 | 10.0 | 50.0% | 0 | 3.29s | 1,455 | 0 |
| Puzzle Solving | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 7.7 | 7.3 | 77.8% | 1 | 5.47s | 609 | 938 | |
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 2.93s | 1,726 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 239 | 469 | |
| GPT-5.3 Chat | 10.0 | 10.0 | 100.0% | 0 | 8.36s | 861 | 0 |
快速对比
切换对比组合
Claude Sonnet 4.6nonevsGPT-5.2mediumGPT-5.3 ChatnonevsMiMo-V2-FlashmediumClaude Opus 4.6mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsGLM 5V TurbomediumSeed-2.0-MinimediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsQwen3.5-35B-A3BmediumGPT-5.3 ChatnonevsStep 3.5 Flashmedium免费可用GPT-5.3 ChatnonevsGrok 4.20 BetamediumGPT-5.3 ChatnonevsMiMo-V2-OmnimediumKimi K2.5mediumvsGPT-5.3 ChatnoneClaude Sonnet 4.6mediumvsGPT-5.3 ChatnoneGPT-5.3 ChatnonevsMiMo-V2-Promedium