AI BENCHY 对比
OpenAI: GPT-5.3-Codex vs HY3 Preview
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-04-24
| 指标 | GPT-5.3-Codex GPT-5.3-Codex medium | HY3 Preview HY3 Preview low 免费可用 |
|---|---|---|
| 分数 | 8.6 | 8.1 |
| 排名 | #8 | #24 |
| 可靠性 | 不适用 | 不适用 |
| 一致性 | 8.7 | 9.5 |
| 测试正确 | ||
| 尝试通过率 | 83.3% | 75.9% |
| 不稳定测试 | 3 | 1 |
| 总运行次数 | 54 | 50 |
| 每个结果成本 | 4.405 | 0.000 |
| 总成本 | $0.573 | $0.000 |
| ???? | $1.750 / 1M | $0.000 / 1M |
| ???? | $14.000 / 1M | $0.000 / 1M |
| 输出令牌 | 2,279 | 65,778 |
| 推理令牌 | 35,179 | 0 |
| 响应时间（平均） | 15.38s | 23.98s |
| 响应时间（最大） | 100.93s | 78.74s |
| 响应时间（总计） | 276.91s | 407.72s |
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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 16.61s | 7,905 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 8.95s | 491 | 1,530 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 27.94s | 7,907 | 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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 78.74s | 12,975 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 234 | 728 | |
| HY3 Preview | 6.5 | 10.0 | 50.0% | 0 | 5.85s | 1,022 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 64.31s | 64 | 25,308 | |
| HY3 Preview | 5.9 | 7.2 | 55.6% | 1 | 40.44s | 23,121 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 187 | 331 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 16.44s | 2,185 | 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 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 15.98s | 2,475 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.12s | 352 | 1,644 | |
| HY3 Preview | 5.3 | 10.0 | 33.3% | 0 | 13.73s | 6,985 | 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） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 254 | 492 | |
| HY3 Preview | 10.0 | 10.0 | 100.0% | 0 | 17.84s | 1,203 | 0 |
快速对比
切换对比组合
Gemini 3 Flash PreviewnonevsHY3 Previewlow免费可用Qwen3.6 PlusmediumvsHY3 Previewlow免费可用Qwen3.5-122B-A10BmediumvsHY3 Previewlow免费可用HY3 Previewlow免费可用vsGLM 5 TurbomediumHY3 Previewlow免费可用vsMiMo-V2.5-PromediumDeepSeek V4 ProhighvsHY3 Previewlow免费可用HY3 Previewlow免费可用vsMiMo-V2-PromediumGPT-5.3-CodexmediumvsHY3 Previewhigh免费可用Gemma 4 26B A4Bmedium免费可用vsHY3 Previewlow免费可用Gemini 3.1 Flash Lite PreviewmediumvsHY3 Previewlow免费可用GPT-5.4mediumvsHY3 Previewlow免费可用Claude Sonnet 4.6mediumvsHY3 Previewlow免费可用