导航
Advertise here

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 9.1 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 $1.318。 GPT-5.3-Codex (medium) 最快,为 18.87s。

基准结果生成自 AI BENCHY 测试套件,时间:: 2026-11-18

已对比模型

排名
#94
总输出令牌
96,502
响应时间(平均)
24.81s
总成本
$2.213
排名
#63
总输出令牌
66,287
响应时间(平均)
18.87s
总成本
$1.318
排名
#102
总输出令牌
80,538
响应时间(平均)
31.29s
总成本
$1.558
推荐模型 GPT-5.3-Codex (medium)

它在本次比较中得分最高(9.1),并且在 3 个模型中兼顾成本和响应时间最好。

详细对比

指标 GPT-5.4 GPT-5.4 medium 发布日期: 2026-03-05 GPT-5.3-Codex GPT-5.3-Codex medium 发布日期: 2026-02-05 GPT-5.2 GPT-5.2 medium 发布日期: 2025-12-11
分数 8.8 9.1 8.7
排名 #94 #63 #102
可靠性 10.0 10.0 10.0
一致性 8.7 8.6 8.5
尝试次数 69/69 69/69 69/69
测试正确
尝试通过率 78.3% 84.1% 73.9%
不稳定测试 4 4 4
总运行次数 69 69 69
每个结果成本 12.535 7.753 10.261
总成本 $2.213 $1.318 $1.558
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
缓存读取价格 $0.250 / 1M $0.175 / 1M $0.175 / 1M
缓存写入价格 不适用 不适用 不适用
总输入令牌 223,210 222,794 235,207
输出令牌 7,312 7,357 11,065
推理令牌 89,190 58,930 69,473
响应时间(平均) 24.81s 18.87s 31.29s
响应时间(最大) 100.41s 100.93s 116.86s
响应时间(总计) 570.60s 433.94s 531.98s
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

缓存价格适用于输入令牌。读取会复用已缓存的提示词;写入会存储提示词,可能产生额外费用。输出令牌按输出价格计费。

模型生成展示

Hamster playing table tennis

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

#94 GPT-5.4

medium
成本
$0.214
时间
199.6s
令牌
14,349 tok

#63 GPT-5.3-Codex

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

#102 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

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

切换对比组合