导航
AI BENCHY
比较 图表
❤️ Made by XCS
Your ad here

AI BENCHY 对比

OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.5-122B-A10B

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标 OpenAI: GPT-5.3-Codex medium 发布日期: 发布日期未知 Qwen: Qwen3.5-122B-A10B medium 发布日期: 发布日期未知
排名 #7 #13
分数 7.93 6.77
一致性 8.84 8.22
每个结果成本 4.641 5.137
总成本 $0.465 $0.463
测试正确
错误测试数 4 5
尝试通过率 78.6% 76.2%
不稳定测试 2 3
输出令牌 1,201 16,751
推理令牌 30,056 125,394

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 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 216 1,421
Qwen: Qwen3.5-122B-A10B 10.00 10.00 100.0% 0 248 10,486
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 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 234 735
Qwen: Qwen3.5-122B-A10B 9.88 10.00 100.0% 0 270 16,558
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 4.00 7.21 55.6% 1 64 25,308
Qwen: Qwen3.5-122B-A10B 1.00 7.21 11.1% 1 15,537 64,889
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 9.00 10.00 50.0% 0 93 693
Qwen: Qwen3.5-122B-A10B 5.50 5.92 83.3% 1 77 7,372
Puzzle Solving 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 7.00 7.38 77.8% 1 340 1,407
Qwen: Qwen3.5-122B-A10B 7.00 7.21 88.9% 1 297 24,863
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 254 492
Qwen: Qwen3.5-122B-A10B 10.00 10.00 100.0% 0 322 1,226

切换对比组合

将 OpenAI: GPT-5.3-Codex 与...对比

将 Qwen: Qwen3.5-122B-A10B 与...对比