- 排名
- #32
- 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 Qwen3.8 Max (medium)
Qwen3.8 Max (medium) 平均分领先，为 9.0 vs 8.9。 Qwen3.8 Max (medium) benchmark 成本更低，为 $0.771 vs $0.988。 GPT-5.3-Codex (medium) 更快，为 16.91s vs 23.34s，通过率为 83.3% vs 80.3%。
已对比模型
- 排名
- #29
- 总输出令牌
- 92,047
- 响应时间（平均）
- 23.34s
- 总成本
- $0.771
推荐模型
Qwen3.8 Max (medium)
它在本次比较中得分最高（9.0），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 | Qwen3.8 Max Qwen3.8 Max medium |
|---|---|---|
| 分数 | 8.9 | 9.0 |
| 排名 | #32 | #29 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 8.6 | 9.7 |
| 尝试次数 | 66/66 | 66/66 |
| 测试正确 | ||
| 尝试通过率 | 83.3% | 80.3% |
| 不稳定测试 | 4 | 1 |
| 总运行次数 | 66 | 66 |
| 每个结果成本 | 6.171 | 4.532 |
| 总成本 | $0.988 | $0.771 |
| 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 | 81,187 | 109,055 |
| 输出令牌 | 6,258 | 6,566 |
| 推理令牌 | 54,116 | 85,481 |
| 响应时间（平均） | 16.91s | 23.34s |
| 响应时间（最大） | 100.93s | 126.60s |
| 响应时间（总计） | 372.03s | 513.47s |
| 参数量 | ~1.2T 总计 (~80B 激活) | 2.4T 总计 (~100B 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.
#32 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
#29 Qwen3.8 Max
medium- 成本
- $0.028
- 时间
- 71.9s
- 令牌
- 4,750 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 4.17s | 672 | 312 | 2,075 |
| 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 | |
| Qwen3.8 Max | 10.0 | 10.0 | 100.0% | 0 | 41.35s | 7,893 | 430 | 23,804 |
| 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 | 8.7 | 6.9 | 83.3% | 1 | 91.25s | 81,584 | 4,526 | 30,688 |
| 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 | 8.72s | 7,782 | 270 | 2,519 |
| 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 | |
| Qwen3.8 Max | 3.0 | 10.0 | 0.0% | 0 | 41.77s | 780 | 62 | 20,803 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 6.41s | 516 | 168 | 700 |
| 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 | 3.49s | 699 | 102 | 914 |
| 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 | 10.0 | 10.0 | 100.0% | 0 | 4.93s | 696 | 401 | 1,575 |
| 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 | 7.83s | 8,229 | 267 | 636 |
| 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 | 11.49s | 204 | 28 | 1,767 |
快速对比
切换对比组合
GPT-5.3-CodexmediumvsQwen3.8 Max (0902)highMuse Spark 1.3highvsGPT-5.3-CodexmediumQwen3.8 MaxmediumvsGrok 4.5highClaude Fable 5.1highvsQwen3.8 MaxmediumGPT-5.3-CodexmediumvsGrok 4.5highGPT-5.3-CodexmediumvsParetononeSeed 2.1 TurbohighvsGPT-5.3-CodexmediumMuse Spark 1.3highvsQwen3.8 MaxmediumClaude Fable 5.1highvsGPT-5.3-CodexmediumQwen3.8 MaxmediumvsParetononeSeed 2.1 TurbohighvsQwen3.8 MaxmediumSeed 2.1 TurbolowvsQwen3.8 Maxmedium