GPT-5.3-Codex (medium) vs Qwen3.8 Max (low)

排名: #18
总输出令牌: 55,525
响应时间（平均）: 16.96s
总成本: $0.920

排名: #23
总输出令牌: 81,411
响应时间（平均）: 21.19s
总成本: $0.687

推荐模型 GPT-5.3-Codex (medium)

它在本次比较中得分最高（8.9），并且在全部 2 个模型中兼顾成本和响应时间最好。

详细对比

指标	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05	Qwen3.8 Max Qwen3.8 Max low 发布日期: 2026-08-04

指标	GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05	Qwen3.8 Max Qwen3.8 Max low 发布日期: 2026-08-04
分数	8.9	8.7
排名	#18	#23
可靠性	10.0	10.0
一致性	8.6	9.0
基准测试覆盖率	22/22 项测试 · 66/66 次尝试	22/22 项测试 · 66/66 次尝试
测试正确
尝试通过率	83.3%	84.9%
不稳定测试	4	3
总运行次数	66	66
每个结果成本	5.748	4.041
总成本	$0.920	$0.687
输入价格	$1.750 / 1M	$2.000 / 1M
输出价格	$14.000 / 1M	$6.000 / 1M
总输入令牌	81,268	99,172
输出令牌	6,251	6,132
推理令牌	49,274	75,279
响应时间（平均）	16.96s	21.19s
响应时间（最大）	100.93s	155.75s
响应时间（总计）	373.19s	466.14s

模型生成展示

Hamster playing table tennis

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

#18 GPT-5.3-Codex

medium

成本: $0.049
时间: 54.9s
令牌: 3,580 tok

#23 Qwen3.8 Max

low

成本: $0.026
时间: 68.5s
令牌: 4,280 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

类别:

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
Qwen3.8 Max	10.0	10.0	100.0%	0		3.93s	984	228	1,750

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
Qwen3.8 Max	8.4	7.4	88.9%	1		28.69s	8,127	512	15,952

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
Qwen3.8 Max	10.0	10.0	100.0%	0		98.19s	69,994	4,221	32,937

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
Qwen3.8 Max	10.0	10.0	100.0%	0		7.87s	7,938	270	2,257

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
Qwen3.8 Max	5.3	7.2	44.4%	1		35.37s	1,005	62	17,102

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
Qwen3.8 Max	6.5	3.4	66.7%	1		5.29s	594	128	568

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
Qwen3.8 Max	10.0	10.0	100.0%	0		4.01s	855	102	851

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
Qwen3.8 Max	9.9	10.0	100.0%	0		4.11s	930	286	1,304

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
Qwen3.8 Max	10.0	10.0	100.0%	0		8.06s	8,463	295	693

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
Qwen3.8 Max	3.0	10.0	0.0%	0		12.43s	282	28	1,865

快速对比

切换对比组合

GPT-5.3-CodexmediumvsGrok 4.5high Gemini 3.5 FlashlowvsGPT-5.3-Codexmedium Claude Opus 4.7mediumvsQwen3.8 Maxlow Muse Spark 1.1mediumvsQwen3.8 Maxlow Claude Fable 5mediumvsQwen3.8 Maxlow Gemini 3.5 Flash LitehighvsQwen3.8 Maxlow GPT-5.4mediumvsQwen3.8 Maxlow Claude Opus 4.8mediumvsQwen3.8 Maxlow Gemini 3.5 Flash LitehighvsGPT-5.3-Codexmedium Gemini 3.6 FlashlowvsGPT-5.3-Codexmedium Qwen3.8 MaxlowvsGrok 4.5high GPT-5.2mediumvsQwen3.8 Maxlow