导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.6 Max Preview

摘要

GPT-5.3-Codex vs Qwen3.6 Max Preview benchmark 对比：Qwen3.6 Max Preview 平均分领先，为 8.5 vs 8.4。 GPT-5.3-Codex benchmark 成本更低，为 $0.740 vs $0.960。 GPT-5.3-Codex 更快，为 16.22s vs 59.63s，通过率为 82.5% vs 81.0%。

推荐模型: GPT-5.3-Codex - 它的得分接近这里的最高分（8.4 vs 8.5），同时响应速度比Qwen3.6 Max Preview快约 3.7 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-04

指标 GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05 Qwen3.6 Max Preview Qwen3.6 Max Preview medium 发布日期: 2026-04-20
分数 8.4 8.5
排名 #15 #14
可靠性 10.0 10.0
一致性 8.5 9.3
测试正确
尝试通过率 82.5% 81.0%
不稳定测试 4 2
总运行次数 63 63
每个结果成本 4.932 7.024
总成本 $0.740 $0.960
输入价格 $1.750 / 1M $1.040 / 1M
输出价格 $14.000 / 1M $6.240 / 1M
总输入令牌 34,299 42,362
输出令牌 2,357 2,273
推理令牌 46,189 144,367
响应时间（平均） 16.22s 59.63s
响应时间（最大） 100.93s 238.07s
响应时间（总计） 340.67s 1252.17s

Generation showcase

Hamster playing table tennis

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

#15 GPT-5.3-Codex

medium
Cost
$0.049
Time
54.9s
Tokens
3,580 tok

#14 Qwen3.6 Max Preview

medium
Cost
$0.024
Time
76.5s
Tokens
3,861 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
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 22.13s 672 228 10,075
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
Qwen3.6 Max Preview 8.8 7.8 88.9% 1 146.48s 7,895 427 52,957
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
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 121.49s 14,934 390 14,575
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
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 41.15s 7,782 270 10,106
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
Qwen3.6 Max Preview 2.9 7.2 11.1% 1 95.91s 771 60 30,371
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
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 32.24s 516 129 3,510
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-Codex 10.0 10.0 100.0% 0 3.04s 660 93 693
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.31s 699 103 5,848
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
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 24.32s 696 329 7,693
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
Qwen3.6 Max Preview 10.0 10.0 100.0% 0 18.32s 8,193 309 1,571
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
Qwen3.6 Max Preview 3.0 10.0 0.0% 0 60.56s 204 28 7,661

快速对比

切换对比组合

Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3 Flash PreviewlowvsQwen3.6 Max PreviewmediumGemini 3.5 FlashnonevsGPT-5.3-CodexmediumGemini 3.5 FlashnonevsQwen3.6 Max PreviewmediumGPT-5.5lowvsQwen3.6 Max PreviewmediumGPT-5.2 ChatnonevsQwen3.6 Max PreviewmediumDeepSeek V4 FlashhighvsGPT-5.3-CodexmediumGemini 3.5 FlashminimalvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.7 MaxnoneDeepSeek V4 FlashhighvsQwen3.6 Max PreviewmediumGemini 3.5 FlashminimalvsQwen3.6 Max PreviewmediumGemini 3.5 FlashlowvsQwen3.6 Max Previewmedium