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

AI BENCHY 对比

OpenAI: GPT-5.3-Codex vs Qwen: Qwen3.5-Flash

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 Qwen: Qwen3.5-Flash medium 发布日期: 发布日期未知
排名 #7 #24
分数 7.93 5.79
一致性 8.84 7.60
每个结果成本 4.641 0.650
总成本 $0.465 $0.046
测试正确
错误测试数 4 7
尝试通过率 78.6% 66.7%
不稳定测试 2 4
输出令牌 1,201 1,194
推理令牌 30,056 108,368

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
Qwen: Qwen3.5-Flash 10.00 10.00 100.0% 0 363 23,645
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
Qwen: Qwen3.5-Flash 5.50 5.87 83.3% 1 235 16,237
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
Qwen: Qwen3.5-Flash 1.00 4.41 33.3% 2 52 34,605
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
Qwen: Qwen3.5-Flash 7.50 9.91 50.0% 0 98 14,139
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
Qwen: Qwen3.5-Flash 4.00 7.21 55.6% 1 137 18,458
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
Qwen: Qwen3.5-Flash 10.00 10.00 100.0% 0 309 1,284

切换对比组合

将 OpenAI: GPT-5.3-Codex 与...对比

将 Qwen: Qwen3.5-Flash 与...对比