导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.3-Codex vs OpenAI: GPT-5.5

摘要

GPT-5.3-Codex vs GPT-5.5 benchmark 对比：GPT-5.5 平均分领先，为 9.0 vs 8.9。 GPT-5.3-Codex benchmark 成本更低，为 $0.740 vs $3.679。 GPT-5.3-Codex 更快，为 16.22s vs 37.98s，通过率为 82.5% vs 87.3%。

推荐模型: GPT-5.3-Codex - 它的得分接近这里的最高分（8.9 vs 9.0），同时成本比GPT-5.5低约 5.0 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-18

指标 GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05 GPT-5.5 GPT-5.5 medium 发布日期: 2026-04-24
分数 8.9 9.0
排名 #10 #9
可靠性 10.0 10.0
一致性 8.5 8.9
测试正确
尝试通过率 82.5% 87.3%
不稳定测试 4 3
总运行次数 63 63
每个结果成本 4.932 21.638
总成本 $0.740 $3.679
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 34,299 34,212
输出令牌 2,357 1,985
推理令牌 46,189 114,925
响应时间（平均） 16.22s 37.98s
响应时间（最大） 100.93s 332.10s
响应时间（总计） 340.67s 797.60s

生成展示

Hamster playing table tennis

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

#10 GPT-5.3-Codex

medium
成本
$0.049
时间
54.9s
令牌
3,580 tok

#9 GPT-5.5

medium
成本
$0.112
时间
71.9s
令牌
3,807 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

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-Codex 8.7 7.9 91.7% 1 4.16s 606 240 1,722
GPT-5.5 10.0 10.0 100.0% 0 4.66s 606 250 1,335
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-Codex 10.0 10.0 100.0% 0 19.50s 7,302 535 10,890
GPT-5.5 8.8 7.8 88.9% 1 59.77s 7,305 362 24,959
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-Codex 10.0 10.0 100.0% 0 19.56s 11,019 364 2,731
GPT-5.5 10.0 10.0 100.0% 0 19.29s 11,019 312 2,841
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-Codex 10.0 10.0 100.0% 0 3.07s 7,140 234 728
GPT-5.5 10.0 10.0 100.0% 0 4.18s 7,140 234 593
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-Codex 5.9 7.2 55.6% 1 64.31s 813 64 25,308
GPT-5.5 5.3 7.2 44.4% 1 164.14s 723 67 79,625
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-Codex 4.6 10.0 0.0% 0 4.87s 477 187 331
GPT-5.5 10.0 10.0 100.0% 0 4.16s 477 138 223
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-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
GPT-5.5 10.0 10.0 100.0% 0 3.36s 660 93 538
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-Codex 9.0 7.9 88.9% 1 5.05s 642 356 1,593
GPT-5.5 10.0 10.0 100.0% 0 6.76s 642 241 2,225
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-Codex 10.0 10.0 100.0% 0 6.37s 5,445 254 492
GPT-5.5 10.0 10.0 100.0% 0 10.57s 5,445 258 832
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-Codex 2.8 1.6 33.3% 1 14.43s 195 30 1,701
GPT-5.5 2.8 1.6 33.3% 1 37.86s 195 30 1,754

快速对比

切换对比组合

Gemini 3.5 FlashlowvsGPT-5.5mediumGemini 3.5 FlashlowvsGPT-5.3-CodexmediumDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumDeepSeek V4 FlashhighvsGPT-5.5mediumGemini 3.5 FlashhighvsGPT-5.5mediumGemini 3.5 FlashhighvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsStep 3.7 FlashlowGPT-5.5mediumvsStep 3.7 FlashlowDeepSeek V4 ProhighvsGPT-5.3-CodexmediumDeepSeek V4 ProhighvsGPT-5.5mediumGemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsGPT-5.5medium