OpenAI: GPT-5.3 Chat vs OpenAI: GPT-5.5

GPT-5.5 (low) 平均分领先，为 9.3 vs 7.5。 GPT-5.3 Chat benchmark 成本更低，为 $0.571 vs $1.253。 GPT-5.3 Chat 更快，为 6.88s vs 10.13s，通过率为 68.2% vs 86.4%。

推荐模型GPT-5.5 (low)它在本次比较中得分最高（9.3），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：: 2026-07-17

指标	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24

指标	GPT-5.3 Chat GPT-5.3 Chat none 发布日期: 2026-03-03	GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24
分数	7.5	9.3
排名	#52	#6
可靠性	10.0	10.0
一致性	8.2	10.0
测试正确
尝试通过率	68.2%	86.4%
不稳定测试	5	0
总运行次数	66	66
每个结果成本	4.387	6.594
总成本	$0.571	$1.253
输入价格	$1.750 / 1M	$5.000 / 1M
输出价格	$14.000 / 1M	$30.000 / 1M
总输入令牌	78,990	80,058
输出令牌	30,854	5,378
推理令牌	0	23,040
响应时间（平均）	6.88s	10.13s
响应时间（最大）	18.33s	56.19s
响应时间（总计）	151.31s	222.82s

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

#6 GPT-5.5

low

成本: $0.068
时间: 37.0s
令牌: 2,339 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-5.5	10.0	10.0	100.0%	0		4.41s	606	238	1,020

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-5.5	10.0	10.0	100.0%	0		15.04s	7,302	423	6,402

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-5.5	10.0	10.0	100.0%	0		13.73s	56,868	3,635	1,297

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-5.5	10.0	10.0	100.0%	0		3.28s	7,140	228	157

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-5.5	5.3	10.0	33.3%	0		28.05s	723	69	11,609

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-5.5	10.0	10.0	100.0%	0		5.17s	477	133	245

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-5.5	9.9	10.0	100.0%	0		3.74s	660	93	415

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-5.5	10.0	10.0	100.0%	0		4.74s	642	279	954

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-5.5	10.0	10.0	100.0%	0		4.96s	5,445	250	101

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-5.5	3.0	10.0	0.0%	0		10.06s	195	30	840

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-5.3 ChatnonevsQwen3.5-27Bmedium GPT-5.3 ChatnonevsGrok Build 0.1medium Gemini 3.1 Pro PreviewmediumvsGPT-5.5low MiniMax M3mediumvsGPT-5.3 Chatnone Gemini 3 Flash PreviewlowvsGPT-5.3 Chatnone KAT-Coder-Pro V2.5lowvsGPT-5.3 Chatnone DeepSeek V4 ProhighvsGPT-5.3 Chatnone DeepSeek V4 FlashhighvsGPT-5.3 Chatnone GPT-5.5lowvsQwen3.7 Maxmedium