AI BENCHY 对比
OpenAI: GPT-5.3-Codex vs Qwen3.6 Plus Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | GPT-5.3-Codex GPT-5.3-Codex medium | Qwen3.6 Plus Preview Qwen3.6 Plus Preview medium 免费可用 |
|---|---|---|
| 分数 | 8.3 | 8.2 |
| 排名 | #15 | #16 |
| 可靠性 | 10.0 | 不适用 |
| 一致性 | 8.4 | 10.0 |
| 测试正确 | ||
| 尝试通过率 | 81.7% | 75.0% |
| 不稳定测试 | 4 | 0 |
| 总运行次数 | 60 | 57 |
| 每个结果成本 | 4.891 | 0.000 |
| 总成本 | $0.685 | $0.000 |
| ???? | $1.750 / 1M | $0.000 / 1M |
| ???? | $14.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,332 | 1,153 |
| 推理令牌 | 42,616 | 62,197 |
| 响应时间（平均） | 15.97s | 15.25s |
| 响应时间（最大） | 100.93s | 43.55s |
| 响应时间（总计） | 319.30s | 182.96s |
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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 240 | 1,722 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 11.69s | 61 | 5,812 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 18.45s | 514 | 7,266 | |
| Qwen3.6 Plus Preview | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.56s | 364 | 2,731 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 34.95s | 452 | 13,073 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 14.95s | 270 | 10,706 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 | |
| Qwen3.6 Plus Preview | 3.0 | 10.0 | 0.0% | 0 | 22.08s | 49 | 26,895 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 | |
| Qwen3.6 Plus Preview | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 93 | 693 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 3.40s | 27 | 1,383 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 7.52s | 27 | 2,998 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 | |
| Qwen3.6 Plus Preview | 10.0 | 10.0 | 100.0% | 0 | 5.87s | 267 | 1,330 |
| 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 30 | 1,701 | |
| Qwen3.6 Plus Preview | 0.0 | 0.0 | 0.0% | 0 | 0ms | 0 | 0 |
快速对比
切换对比组合
Gemini 3 Flash PreviewlowvsGPT-5.3-CodexmediumGemini 3.5 FlashminimalvsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.7 MaxnoneGemini 3.5 FlashnonevsGPT-5.3-CodexmediumGemini 3 Flash PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewlowvsGPT-5.3-CodexmediumGemini 3.1 Flash Lite PreviewnonevsGPT-5.3-CodexmediumGemini 3.1 Flash LitelowvsGPT-5.3-CodexmediumDeepSeek V4 Flashhigh免费可用vsGPT-5.3-CodexmediumGemini 3.5 FlashlowvsGPT-5.3-CodexmediumRing-2.6-1TnonevsGPT-5.3-CodexmediumGPT-5.3-CodexmediumvsQwen3.6 Max Previewnone