导航
AI BENCHY
比较 图表
❤️ Made by XCS
Your ad here

AI BENCHY 对比

OpenAI: GPT-5.3-Codex vs OpenAI: gpt-oss-120b

模型名称:

基准结果生成自 AI BENCHY 测试套件，时间： : 2026-02-27 15:16

摘要

指标 OpenAI: GPT-5.3-Codex medium 发布日期: 发布日期未知 OpenAI: gpt-oss-120b medium 发布日期: 发布日期未知 免费可用
排名 #7 #25
分数 7.93 5.64
一致性 8.84 7.55
每个结果成本 4.641 0.101
总成本 $0.465 $0.008
测试正确
错误测试数 4 7
尝试通过率 78.6% 59.5%
不稳定测试 2 4
输出令牌 1,201 11,407
推理令牌 30,056 26,106

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 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 216 1,421
OpenAI: gpt-oss-120b 7.00 9.81 66.7% 0 3,463 2,077
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 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 234 735
OpenAI: gpt-oss-120b 5.50 5.87 66.7% 1 241 1,114
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 4.00 7.21 55.6% 1 64 25,308
OpenAI: gpt-oss-120b 1.00 4.41 22.2% 2 6,018 18,520
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 9.00 10.00 50.0% 0 93 693
OpenAI: gpt-oss-120b 10.00 10.00 100.0% 0 120 1,770
Puzzle Solving 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 7.00 7.38 77.8% 1 340 1,407
OpenAI: gpt-oss-120b 5.00 7.13 44.4% 1 1,278 1,542
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 输出令牌 推理令牌
OpenAI: GPT-5.3-Codex 10.00 10.00 100.0% 0 254 492
OpenAI: gpt-oss-120b 9.00 9.97 100.0% 0 287 1,083

切换对比组合

将 OpenAI: GPT-5.3-Codex 与...对比

将 OpenAI: gpt-oss-120b 与...对比