- 排名
- #22
- 总输出令牌
- 60,374
- 响应时间（平均）
- 16.91s
- 总成本
- $0.988
GPT-5.3-Codex (medium) vs Qwen3.7 Max (medium)
Qwen3.7 Max (medium) 平均分领先，为 9.1 vs 8.9。 GPT-5.3-Codex (medium) benchmark 成本更低，为 $0.988 vs $1.157。 GPT-5.3-Codex (medium) 更快，为 16.91s vs 44.32s，通过率为 83.3% vs 86.4%。
- 排名
- #17
- 总输出令牌
- 226,102
- 响应时间（平均）
- 44.32s
- 总成本
- $1.157
推荐模型
GPT-5.3-Codex (medium)
它的得分接近这里的最高分（8.9 vs 9.1），同时响应速度比Qwen3.7 Max (medium)快约 2.6 倍。
详细对比
| 指标 | GPT-5.3-Codex GPT-5.3-Codex medium | Qwen3.7 Max Qwen3.7 Max medium |
|---|---|---|
| 分数 | 8.9 | 9.1 |
| 排名 | #22 | #17 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 9.0 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 83.3% | 86.4% |
| 不稳定测试 | 4 | 3 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 6.171 | 8.904 |
| 总成本 | $0.988 | $1.157 |
| 输入价格 | $1.750 / 1M | $1.475 / 1M |
| 输出价格 | $14.000 / 1M | $4.425 / 1M |
| 总输入令牌 | 81,187 | 106,029 |
| 输出令牌 | 6,258 | 5,748 |
| 推理令牌 | 54,116 | 220,354 |
| 响应时间（平均） | 16.91s | 44.32s |
| 响应时间（最大） | 100.93s | 556.06s |
| 响应时间（总计） | 372.03s | 975.11s |
| 参数量 | ~1.2T 总计 (~80B 激活) | ~1T 总计 (~40B 激活) |
| 开放状态 | 闭源 | 闭源 |
模型生成展示
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
#22 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
#17 Qwen3.7 Max
medium- 成本
- $0.017
- 时间
- 68.8s
- 令牌
- 4,526 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 6.36s | 672 | 222 | 8,742 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 35.31s | 7,893 | 423 | 34,808 |
| 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 | 26.04s | 57,988 | 4,258 | 5,816 | |
| Qwen3.7 Max | 8.7 | 6.9 | 83.3% | 1 | 287.83s | 78,594 | 3,985 | 96,450 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 8.80s | 7,782 | 270 | 6,254 |
| 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 | 63.93s | 732 | 71 | 30,150 | |
| Qwen3.7 Max | 4.1 | 4.4 | 44.5% | 2 | 52.45s | 780 | 61 | 41,143 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 11.70s | 516 | 135 | 4,457 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 7.46s | 699 | 102 | 5,452 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 8.84s | 696 | 259 | 8,908 |
| 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 | |
| Qwen3.7 Max | 10.0 | 10.0 | 100.0% | 0 | 6.63s | 8,193 | 267 | 1,220 |
| 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 | |
| Qwen3.7 Max | 3.0 | 10.0 | 0.0% | 0 | 33.37s | 204 | 24 | 12,920 |
快速对比
切换对比组合
GPT-5.3-CodexmediumvsGrok 4.5highSeed 2.1 TurbohighvsGPT-5.3-CodexmediumSeed 2.1 TurbolowvsQwen3.7 MaxmediumQwen3.7 MaxmediumvsGrok 4.5highGemini 3.5 FlashlowvsGPT-5.3-CodexmediumSeed 2.1 TurbohighvsQwen3.7 MaxmediumClaude Opus 5highvsQwen3.7 MaxmediumSeed 2.1 TurbolowvsGPT-5.3-CodexmediumGemini 3.7 FlashlowvsQwen3.7 MaxmediumGemini 3.5 Flash LitehighvsGPT-5.3-CodexmediumClaude Opus 5lowvsGPT-5.3-CodexmediumGemini 3.6 FlashlowvsGPT-5.3-Codexmedium