OpenAI: GPT-5.3 Chat vs OpenAI: GPT-5.4 Mini

平均分几乎持平，为 7.5 vs 7.5。 GPT-5.3 Chat benchmark 成本更低，为 $0.571 vs $0.756。 GPT-5.3 Chat 更快，为 6.88s vs 25.94s，通过率为 68.2% vs 71.2%。

推荐模型GPT-5.3 Chat它在这里得分最高（7.5），同时响应速度比GPT-5.4 Mini (medium)快约 3.8 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-17

指标	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17

指标	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03	GPT-5.4 Mini GPT-5.4 Mini medium 发布日期: 2026-03-17
分数	7.5	7.5
排名	#52	#54
可靠性	10.0	10.0
一致性	8.2	7.7
测试正确
尝试通过率	68.2%	71.2%
不稳定测试	5	6
总运行次数	66	66
每个结果成本	4.387	6.299
总成本	$0.571	$0.756
输入价格	$1.750 / 1M	$0.750 / 1M
输出价格	$14.000 / 1M	$4.500 / 1M
总输入令牌	78,990	97,155
输出令牌	30,854	6,211
推理令牌	0	145,544
响应时间（平均）	6.88s	25.94s
响应时间（最大）	18.33s	138.75s
响应时间（总计）	151.31s	570.66s

Hamster playing table tennis

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

#52 GPT-5.3 Chat

none

成本: $0.008
时间: 8.1s
令牌: 634 tok

#54 GPT-5.4 Mini

medium

成本: $0.056
时间: 95.5s
令牌: 12,464 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
GPT-5.3 Chat	6.7	8.1	58.3%	1		3.86s	606	3,167	0
GPT-5.4 Mini	8.6	7.9	91.7%	1		4.05s	606	296	2,876

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
GPT-5.3 Chat	5.6	4.7	55.6%	2		10.52s	7,302	6,632	0
GPT-5.4 Mini	8.4	7.4	88.9%	1		57.87s	7,305	467	40,902

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		15.07s	55,800	6,851	0
GPT-5.4 Mini	6.9	5.9	66.7%	1		59.64s	74,058	4,347	40,924

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.21s	7,140	942	0
GPT-5.4 Mini	10.0	10.0	100.0%	0		2.43s	7,140	234	650

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
GPT-5.3 Chat	3.5	4.4	33.3%	2		13.01s	723	8,264	0
GPT-5.4 Mini	4.1	4.4	44.5%	2		65.31s	619	60	43,286

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
GPT-5.3 Chat	4.6	10.0	0.0%	0		1.99s	477	319	0
GPT-5.4 Mini	4.5	10.0	0.0%	0		3.72s	477	150	510

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
GPT-5.3 Chat	9.8	10.0	100.0%	0		3.51s	660	1,491	0
GPT-5.4 Mini	9.8	10.0	100.0%	0		2.13s	660	96	1,185

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		2.99s	642	1,758	0
GPT-5.4 Mini	7.8	10.0	66.7%	0		4.37s	642	278	2,443

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
GPT-5.3 Chat	10.0	10.0	100.0%	0		8.36s	5,445	861	0
GPT-5.4 Mini	4.7	1.6	66.7%	1		9.62s	5,453	251	2,594

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
GPT-5.3 Chat	3.0	10.0	0.0%	0		4.38s	195	569	0
GPT-5.4 Mini	3.0	10.0	0.0%	0		30.10s	195	32	10,174

快速对比

切换对比组合

Kimi K2.7 CodemediumvsGPT-5.3 Chatnone GPT-5.3 ChatnonevsQwen3.5 Plus 2026-02-15medium Nemotron 3 Ultramedium免费可用vsGPT-5.3 Chatnone GPT-5.4 MinimediumvsQwen3.7 Maxnone GPT-5.3 ChatnonevsQwen3.5-27Bmedium GPT-5.3 ChatnonevsGrok Build 0.1medium MiniMax M3mediumvsGPT-5.3 Chatnone Gemini 3 Flash PreviewlowvsGPT-5.4 Minimedium KAT-Coder-Pro V2.5lowvsGPT-5.4 Minimedium Gemini 3 Flash PreviewlowvsGPT-5.3 Chatnone KAT-Coder-Pro V2.5lowvsGPT-5.3 Chatnone Claude Sonnet 4.6nonevsGPT-5.4 Minimedium