- 排名
- #56
- 总输出令牌
- 90,466
- 响应时间（平均）
- 22.85s
- 总成本
- $1.560
已对比模型
GPT-5.4 (medium) vs GPT-5.3-Codex (medium) vs GPT-5.2 (medium) 基准对比: GPT-5.3-Codex (medium) 在分数上以 8.9 领先。 GPT-5.4 (medium) 在可靠性上以 10.0 领先。 GPT-5.3-Codex (medium) 的总成本最低，为 $0.988。 GPT-5.3-Codex (medium) 最快，为 16.91s。
已对比模型
- 排名
- #37
- 总输出令牌
- 60,374
- 响应时间（平均）
- 16.91s
- 总成本
- $0.988
- 排名
- #64
- 总输出令牌
- 71,252
- 响应时间（平均）
- 28.51s
- 总成本
- $1.182
推荐模型
GPT-5.3-Codex (medium)
它在这里得分最高（8.9），同时响应速度比本次比较中的其他模型快约 1.5 倍。
详细对比
| 指标 | GPT-5.4 GPT-5.4 medium | GPT-5.3-Codex GPT-5.3-Codex medium | GPT-5.2 GPT-5.2 medium |
|---|---|---|---|
| 分数 | 8.5 | 8.9 | 8.4 |
| 排名 | #56 | #37 | #64 |
| 可靠性 | 10.0 | 10.0 | 10.0 |
| 一致性 | 8.6 | 8.6 | 8.5 |
| 尝试次数 | 66/66 | 66/66 | 66/66 |
| 测试正确 | |||
| 尝试通过率 | 77.3% | 83.3% | 72.7% |
| 不稳定测试 | 4 | 4 | 4 |
| 总运行次数 | 66 | 66 | 66 |
| 每个结果成本 | 10.399 | 6.171 | 8.438 |
| 总成本 | $1.560 | $0.988 | $1.182 |
| 输入价格 | $2.500 / 1M | $1.750 / 1M | $1.750 / 1M |
| 输出价格 | $15.000 / 1M | $14.000 / 1M | $14.000 / 1M |
| 总输入令牌 | 81,136 | 81,187 | 105,013 |
| 输出令牌 | 6,155 | 6,258 | 9,914 |
| 推理令牌 | 84,311 | 54,116 | 61,338 |
| 响应时间（平均） | 22.85s | 16.91s | 28.51s |
| 响应时间（最大） | 100.41s | 100.93s | 116.86s |
| 响应时间（总计） | 502.78s | 372.03s | 456.13s |
| 参数量 | ~1.5T 总计 (~100B 激活) | ~1.2T 总计 (~80B 激活) | ~1.2T 总计 (~80B 激活) |
| 开放状态 | 闭源 | 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.
#56 GPT-5.4
medium- 成本
- $0.214
- 时间
- 199.6s
- 令牌
- 14,349 tok
#37 GPT-5.3-Codex
medium- 成本
- $0.049
- 时间
- 54.9s
- 令牌
- 3,580 tok
#64 GPT-5.2
medium- 成本
- $0.047
- 时间
- 49.2s
- 令牌
- 3,396 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-5.4 | 8.3 | 10.0 | 75.0% | 0 | 4.11s | 606 | 240 | 1,511 | |
| GPT-5.3-Codex | 8.7 | 7.9 | 91.7% | 1 | 4.16s | 606 | 240 | 1,722 | |
| GPT-5.2 | 6.5 | 8.0 | 58.3% | 1 | 7.81s | 606 | 567 | 2,002 |
| 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-5.4 | 8.8 | 7.8 | 88.9% | 1 | 44.36s | 7,305 | 433 | 24,216 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 19.50s | 7,302 | 535 | 10,890 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 22.73s | 7,302 | 511 | 11,912 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 29.77s | 58,038 | 4,214 | 13,351 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 26.04s | 57,988 | 4,258 | 5,816 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 58.50s | 82,056 | 7,304 | 14,693 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 5.32s | 7,140 | 234 | 804 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.07s | 7,140 | 234 | 728 | |
| GPT-5.2 | 10.0 | 10.0 | 100.0% | 0 | 3.15s | 7,140 | 234 | 420 |
| 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-5.4 | 5.3 | 7.2 | 44.4% | 1 | 72.44s | 628 | 61 | 36,544 | |
| GPT-5.3-Codex | 5.9 | 7.2 | 55.6% | 1 | 63.93s | 732 | 71 | 30,150 | |
| GPT-5.2 | 5.9 | 7.2 | 55.6% | 1 | 97.33s | 482 | 42 | 26,812 |
| 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-5.4 | 4.7 | 3.1 | 33.3% | 1 | 4.92s | 477 | 145 | 321 | |
| GPT-5.3-Codex | 4.6 | 10.0 | 0.0% | 0 | 4.87s | 477 | 187 | 331 | |
| GPT-5.2 | 3.7 | 9.7 | 0.0% | 0 | 4.32s | 477 | 162 | 269 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 3.11s | 660 | 93 | 897 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 660 | 93 | 693 | |
| GPT-5.2 | 9.9 | 10.0 | 100.0% | 0 | 3.12s | 660 | 94 | 614 |
| 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-5.4 | 8.2 | 7.2 | 88.9% | 1 | 9.14s | 642 | 441 | 3,815 | |
| GPT-5.3-Codex | 9.0 | 7.9 | 88.9% | 1 | 5.05s | 642 | 356 | 1,593 | |
| GPT-5.2 | 7.5 | 7.3 | 77.8% | 1 | 5.80s | 642 | 735 | 924 |
| 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-5.4 | 10.0 | 10.0 | 100.0% | 0 | 13.28s | 5,445 | 264 | 1,031 | |
| GPT-5.3-Codex | 10.0 | 10.0 | 100.0% | 0 | 6.37s | 5,445 | 254 | 492 | |
| GPT-5.2 | 4.7 | 1.6 | 66.7% | 1 | 10.30s | 5,453 | 239 | 469 |
| 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-5.4 | 3.0 | 10.0 | 0.0% | 0 | 13.95s | 195 | 30 | 1,821 | |
| GPT-5.3-Codex | 2.8 | 1.6 | 33.3% | 1 | 14.43s | 195 | 30 | 1,701 | |
| GPT-5.2 | 3.0 | 10.0 | 0.0% | 0 | 28.18s | 195 | 26 | 3,223 |
快速对比
切换对比组合
GPT-5.2mediumvsQwen3.8 27BhighGPT-5.3-CodexmediumvsQwen3.8 Max (0902)highGPT-5.2mediumvsGrok 4.5lowMuse Spark 1.3highvsGPT-5.3-CodexmediumGPT-5.2mediumvsInkling SmallhighGPT-5.3-CodexmediumvsGrok 4.5highGPT-5.4mediumvsQwen3.8 MaxlowGPT-5.3-CodexmediumvsParetononeSeed 2.1 TurbohighvsGPT-5.3-CodexmediumGPT-5.2mediumvsGLM 5.3 FlashXmaxDeepSeek V4.1 FlashlowvsGPT-5.4mediumDeepSeek V4.1 FlashhighvsGPT-5.4medium