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：GPT-5.3-Codex 平均分领先，为 8.9 vs 6.0。 Qwen3.6 Max Preview benchmark 成本更低，为 $0.075 vs $0.740。 Qwen3.6 Max Preview 更快，为 3.30s vs 16.22s，通过率为 82.5% vs 58.7%。

推荐模型: Qwen3.6 Max Preview - 它提供了最佳整体取舍：得分有竞争力（6.0），成本低于GPT-5.3-Codex，响应时间也较均衡。

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 Qwen3.6 Max Preview Qwen3.6 Max Preview none 发布日期: 2026-04-20
分数 8.9 6.0
排名 #10 #100
可靠性 10.0 10.0
一致性 8.5 9.2
测试正确
尝试通过率 82.5% 58.7%
不稳定测试 4 2
总运行次数 63 63
每个结果成本 4.932 0.824
总成本 $0.740 $0.075
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 42,509
输出令牌 2,357 4,779
推理令牌 46,189 0
响应时间（平均） 16.22s 3.30s
响应时间（最大） 100.93s 20.51s
响应时间（总计） 340.67s 69.40s

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

#100 Qwen3.6 Max Preview

none
成本
$0.025
时间
83.9s
令牌
4,066 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 5.2 7.9 41.7% 1 2.63s 696 513 0
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 3.8 7.3 22.2% 1 3.12s 7,913 456 0
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 3.0 10.0 0.0% 0 20.51s 14,949 2,842 0
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 2.87s 7,794 243 0
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 7.7 10.0 66.7% 0 1.22s 789 18 0
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 4.3 10.0 0.0% 0 1.62s 522 76 0
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 9.8 10.0 100.0% 0 1.40s 711 69 0
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 2.65s 714 321 0
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 5.27s 8,211 222 0
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 1.97s 210 19 0

快速对比

切换对比组合

Gemini 3.1 Flash LiteminimalvsQwen3.6 Max PreviewnoneNorth Mini Codemedium免费可用vsQwen3.6 Max PreviewnoneGemini 3.5 FlashlowvsGPT-5.3-CodexmediumGemma 4 31Bmedium免费可用vsQwen3.6 Max PreviewnoneNemotron 3 Supermedium免费可用vsQwen3.6 Max PreviewnoneGemini 3.1 Flash LitelowvsQwen3.6 Max PreviewnoneGemini 3.1 Flash Lite PreviewlowvsQwen3.6 Max PreviewnoneQwen3.6 Max PreviewnonevsStep 3.5 FlashmediumGPT-5 NanomediumvsQwen3.6 Max PreviewnoneDeepSeek V4 FlashhighvsGPT-5.3-Codexmediumgpt-oss-120bmedium免费可用vsQwen3.6 Max PreviewnoneQwen3.6 Max PreviewnonevsMiMo-V2.5medium