导航
AI BENCHY
Advertise here

AI BENCHY 对比

OpenAI: GPT-5.3-Codex vs xAI: Grok 4.5

摘要

GPT-5.3-Codex (medium) vs Grok 4.5 (low) benchmark 对比：GPT-5.3-Codex (medium) 平均分领先，为 8.9 vs 7.8。 GPT-5.3-Codex (medium) benchmark 成本更低，为 $0.740 vs $0.760。 Grok 4.5 (low) 更快，为 15.48s vs 16.22s，通过率为 82.5% vs 74.6%。

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。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-09

指标 GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05 Grok 4.5 Grok 4.5 low 发布日期: 2026-07-08
分数 8.9 7.8
排名 #13 #39
可靠性 10.0 10.0
一致性 8.5 9.7
测试正确
尝试通过率 82.5% 74.6%
不稳定测试 4 1
总运行次数 63 63
每个结果成本 4.932 5.061
总成本 $0.740 $0.760
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 34,299 58,652
输出令牌 2,357 1,735
推理令牌 46,189 105,233
响应时间（平均） 16.22s 15.48s
响应时间（最大） 100.93s 205.28s
响应时间（总计） 340.67s 324.98s

生成展示

Hamster playing table tennis

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

#13 GPT-5.3-Codex

medium
成本
$0.049
时间
54.9s
令牌
3,580 tok

#39 xAI: Grok 4.5

low
成本
$0.011
时间
12.4s
令牌
2,018 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
Grok 4.5 10.0 10.0 100.0% 0 2.75s 2,991 261 3,000
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
Grok 4.5 10.0 10.0 100.0% 0 13.72s 9,579 303 15,641
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 19.56s 11,019 364 2,731
Grok 4.5 3.0 10.0 0.0% 0 8.16s 15,084 261 2,370
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
Grok 4.5 10.0 10.0 100.0% 0 3.44s 8,937 225 2,549
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
Grok 4.5 3.0 10.0 0.0% 0 72.64s 2,514 14 70,275
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
Grok 4.5 6.1 3.1 66.7% 1 4.88s 1,077 98 1,253
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
Grok 4.5 9.8 10.0 100.0% 0 2.80s 1,857 57 1,878
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
Grok 4.5 10.0 10.0 100.0% 0 3.20s 2,430 217 2,590
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
Grok 4.5 10.0 10.0 100.0% 0 5.83s 13,394 284 871
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
Grok 4.5 3.0 10.0 0.0% 0 13.98s 789 15 4,806

快速对比

切换对比组合

Claude Sonnet 4.6mediumvsGrok 4.5lowGPT-5.6 TerramediumvsGrok 4.5lowQwen3.6 PlusmediumvsGrok 4.5lowGemini 3.1 Flash Lite PreviewmediumvsGrok 4.5lowQwen3.5 Plus 2026-04-20mediumvsGrok 4.5lowClaude Sonnet 5mediumvsGrok 4.5lowGemini 3.1 Flash LitemediumvsGrok 4.5lowKimi K2.6medium免费可用vsGrok 4.5lowQwen3.5-27BmediumvsGrok 4.5lowQwen3.5-122B-A10BmediumvsGrok 4.5lowClaude Opus 4.6mediumvsGrok 4.5lowGPT-5.6 LunahighvsGrok 4.5low